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

추천
검색
질문

논문 기본 정보

자료유형
학술대회자료
저자정보
최원준 (전남대학교)
저널정보
대한설비공학회 대한설비공학회 학술발표대회논문집 대한설비공학회 2023년도 하계학술발표대회 논문집
발행연도
2023.6
수록면
741 - 744 (4page)

이용수

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

초록· 키워드

오류제보하기
Traditional short-term time-series forecasting models for the built environment typically use 24-h historical data or even longer data as model input to consider daily periodicity. However, the forecasting mechanisms of deep learning models differ from those of conventional time-series models. Therefore, adhering to a 24-h periodicity may not be the optimal choice. This study investigates how the forecasting mechanism and performance vary according to encoding length, using an interpretable deep learning model that integrates attention mechanisms and gated recurrent units. The 24-h encoding length model predominantly relies on state information from approximately 24 hours prior, whereas the 8-hour encoding length model bases its forecasts on the most recent available state information. Consequently, the 24-h model exhibits reduced adaptability to abrupt changes in conditions compared to the 8-h model.

목차

Abstract
1. 서론
2. 데이터 상세
3. 두 모델의 비교
4. 결론
References

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

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

최근 본 자료

전체보기

댓글(0)

0