메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
신한솔 (성균관대학교) 박철수 (성균관대학교)
저널정보
대한건축학회 대한건축학회 논문집 - 구조계 大韓建築學會論文集 構造系 第33卷 第9號 (通卷 第347號)
발행연도
2017.9
수록면
67 - 74 (8page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (3)

2017

랜덤 포레스트와 데이터 전처리를 이용한 냉동기 기계학습 모델 개발
신한솔 ,  박철수 대한건축학회 논문집 - 구조계 2017.09 학술저널

2016

랜덤 포레스트 모델을 위한 데이터 전처리 기법의 적용
신한솔 ,  박철수 대한건축학회 학술발표대회 논문집 2016.10 학술대회자료
데이터 전처리와 랜덤 포레스트를 이용한 냉동기 모델 개발
신한솔 미래도시융합공 2016.01 학위논문

초록· 키워드

오류제보하기
It has been widely acknowledged that a machine learning model can be used as a surrogate to a first-principle based dynamic simulation model. The accuracy and computation efficiency of a machine learning model is dependent on a combination of input variables. The random forest algorithm, one of the machine learning algorithms, can calculate a variable importance that determines the influence of each input variable on the output of the model. In this study, the authors developed three random forest models of a chiller in an existing building as follows: (1) Model A consisting of 12 measured variables from BEMS data, (2) Model B consisting of 2 measured input variables plus 4 new variables constructed by random selection, and (3) Model C consisting of 4 measured input variables plus 2 new variables constructed based on a physics-based equation. The CVRMSE of the three models are 8.56%, 5.44%, and 4.28%, respectively. The findings of this study can be summarized threefold: (1) all three random forest models are good enough to describe the dynamics of the chiller system, (2) the random forest machine learning algorithm can be used to develop a simulation model of the system, and (3) an accurate model can be constructed either by the random selection or the physics-based equation, even when a few input variables are given.
#인버스 모델링 #기계학습 #랜덤 포레스트 #변수 선택 #변수 구축 #Inverse Modeling #Machine Learning #Random Forest #Variable Selection #Variable Construction

목차

Abstract
1. 서론
2. 랜덤 포레스트 알고리즘과 데이터 전처리
3. 대상 건물과 냉동기
4. 냉동기 모델 작성
5. 검증 및 결과 비교
6. 결론
REFERENCES

참고문헌 (28)

참고문헌 신청
Abushakra, B. (1997). An inverse model to predict and evaluate the energy performance of large commercial and institutional buildings. In Building Simulation, 3, 403-410. Amit, Y., & Geman, D. (1997). Shape quantization and recognition with randomized trees. Neural computation, 9(7), 1545-1588. ASHRAE (2002). ASHRAE Guideline 14-2002: measurement of energy and demand savings. American Society of Heating, Refrigerating and Air-conditioning Engineers, Atlanta, GA. A?man, K., & Kocijan, J. (2007). Application of Gaussian processes for black-box modelling of biosystems. ISA transactions, 46(4), 443-457. Baird, G., Aun, C., Brauder, W., Donn, M. R., & Pool, F. (1984). Energy performance of buildings. CRC Press, Boca Raton, FL.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

기존 건물 HVAC 시스템에 대한 다섯 가지 기계학습 모델 개발
라선중 ,  신한솔 ,  서원준 외 2명 대한건축학회 논문집 - 구조계 2017 .10
터보 냉동기 기계학습 모델과 가우시안 혼합 모델을 이용한 유효성 검증
박성호 ,  안기언 ,  이동혁 외 3명 대한건축학회 학술발표대회 논문집 2017 .10
건물 환경제어를 위한 인공 신경망 적용 연구 동향 및 최근 사례
강인성 ,  양영권 ,  박진철 외 1명 건축환경설비 2017 .12
의사 결정 트리와 랜덤 포레스트 모델 분석
김재환 ,  이민구 Proceedings of KIIT Conference 2018 .06
BEMS 데이터 기반의 인공신경망을 이용한 건물 에너지 모델 최적화 프로세스에 관한 연구
성남철 ,  김지헌 ,  최원창 대한건축학회 학술발표대회 논문집 2017 .04

최근 본 자료

전체보기

댓글(0)

0