کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5444859 1511113 2017 6 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
The Building Data Genome Project: An open, public data set from non-residential building electrical meters
ترجمه فارسی عنوان
پروژه ساختمان داده های ژنوم: یک مجموعه اطلاعات باز و عمومی از متر برق از ساختمان های غیر مسکونی
کلمات کلیدی
داده ها را باز کنید داده های مترجم ساختمان غیر مسکونی، مجموعه داده های معیار، اطلاعات بزرگ، فراگیری ماشین،
ترجمه چکیده
از سال 2015، بیش از 60 میلیون کامپیوتر هوشمند در ایالات متحده نصب شده است؛ این مترها در زمینه تحلیل داده های بزرگ در صنعت ساختمان هستند. با این حال، فقط تعداد کمی از داده های عمومی داده های شهری غیر مترقبه ساعتی برای آزمایش الگوریتم ها وجود دارد. در این مقاله جمع آوری، تمیز کردن و جمع آوری چندین مجموعه داده ای که به طور عمومی در خط وجود دارد، علاوه بر چندین بار توسط نویسندگان جمع آوری شده است. 507 کل متر برق ساختمان در این مجموعه وجود دارد، و اکثریت از ساختمان ها در دانشگاه ها هستند. این گروه به عنوان یک مخزن اولیه از منابع داده باز و غیر مسکونی است که می تواند توسط محققان دیگر ساخته شود. یک مرور کلی از منابع داده، معیارهای انتخاب زیر مجموعه و جزئیات دسترسی به مخزن گنجانده شده است. استفاده های آینده شامل استفاده از پیش بینی های پیشنهادی جدید و مدل های طبقه بندی برای مقایسه عملکرد با تکنیک های قبلا تولید شده است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی انرژی انرژی (عمومی)
پیش نمایش مقاله
پروژه ساختمان داده های ژنوم: یک مجموعه اطلاعات باز و عمومی از متر برق از ساختمان های غیر مسکونی
چکیده انگلیسی
As of 2015, there are over 60 million smart meters installed in the United States; these meters are at the forefront of big data analytics in the building industry. However, only a few public data sources of hourly non-residential meter data exist for the purpose of testing algorithms. This paper describes the collection, cleaning, and compilation of several such data sets found publicly on-line, in addition to several collected by the authors. There are 507 whole building electrical meters in this collection, and a majority are from buildings on university campuses. This group serves as a primary repository of open, non-residential data sources that can be built upon by other researchers. An overview of the data sources, subset selection criteria, and details of access to the repository are included. Future uses include the application of new, proposed prediction and classification models to compare performance to previously generated techniques.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Energy Procedia - Volume 122, September 2017, Pages 439-444
نویسندگان
, ,