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
학술대회자료
저자정보
권오익 (한일엠이씨) 엄태윤 (한일엠이씨) 김영일 (서울과학기술대학교)
저널정보
대한설비공학회 대한설비공학회 학술발표대회논문집 대한설비공학회 2022년도 동계학술발표대회 논문집
발행연도
2022.11
수록면
157 - 160 (4page)

이용수

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

초록· 키워드

오류제보하기
In this study, a machine learning model for predicting building energy consumption was compared and analyzed. The models to be compared are Multiple Linear Regression (MLR), Support Vector Machine (SVM), Gaussian Process Regression (GPR), Artificial Neural Networks (ANN), and Decision Tree (DT). As a result of the analysis, ANN showed the best prediction performance with RMSE 0.212. GPR was RMSE 0.213, showing similar but slightly lower predictive performance. MLR and DT, which are easy to model, showed RMSE 0.320 and 0.284, respectively. ANN, GPR, and SVM, which are relatively difficult to model, showed better predictive performance than MLR and DT, which are relatively easy to model. It is confirmed that the predictive performance of the machine learning model is influenced by the dataset and does not provide an understanding of the predictive process, but can work effectively for predicting building energy consumption. Furthermore, in order to expand the usability of the engineering aspect of the machine learning model, it is necessary to have a building energy model with a structure that enables the convenience of model creation and use, and selection and handling of physical parameters.
#Building Energy(건물에너지) #Machine Learning(기계학습)

목차

Abstract
1. 연구배경 및 목적
2. 기계학습 모델
3. 분석결과
4. 결론
References

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

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

인공신경망 기계학습 방법 이용 반도체내 원자간 상호작용 에너지 연구
박의윤 ,  박철홍 새물리 2022 .11
업무용 건물의 에너지 절감활동을 검증하기 위한 베이스라인 모델의 필요성에 관한 연구
전재범 ,  김영일 대한설비공학회 학술발표대회논문집 2024 .06
겨울철 공동주택 현관문의 결로하자 진단에 관한 연구
최해리 ,  박종준 ,  김영일 대한설비공학회 학술발표대회논문집 2023 .06
장애물 없는 생활환경 인증을 받은 유아 보육실의 누기요소별 유효누기면적 측정
김현우 ,  정예슬 ,  김선혜 대한설비공학회 학술발표대회논문집 2023 .11
다종에너지 소비데이터를 활용한 멀티모달 학습 기반 전기사용량 예측
박종성 ,  권혁윤 한국정보과학회 학술발표논문집 2022 .12

최근 본 자료

전체보기

댓글(0)

0