کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5480115 1522102 2017 29 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Identification of the numerical patterns behind the leading counties in the U.S. local green building markets using data mining
ترجمه فارسی عنوان
شناسایی الگوهای عددی پشت سرزمین های پیشرو در بازارهای ساختمان سبز محلی ایالات متحده با استفاده از داده کاوی
کلمات کلیدی
طبقه بندی، خوشه بندی بازار ساختمان سبز، تجزیه و تحلیل ویژگی های تاثیر گذار، جستجوی پیشرو در حریص،
ترجمه چکیده
گزارش شده است که ایالات متحده یکی از پیشرفته ترین بازارهای ساختمان سبز را دارد. موفقیت سراسری کشور باید از موفقیت بازارهای مختلف محلی شروع شود. پس چگونه بسیاری از بازارهای مهم محلی ساختمان سبز در ایالات متحده وجود دارد و چرا این مناطق مهم شد؟ پاسخ ها می توانند پیامدهای مفیدی را برای کشورهای در حال توسعه مانند چین به منظور ارتقاء بیشتر بازار های سبز ساختمان خود ارائه دهند. برای بررسی این مسئله به روش عددی، این مطالعه به این ترتیب دادههای 17636 پروژه سبز در ایالات متحده را جمعآوری کرد و آنها را به 39 منطقه مهم تقسیم کرد و الگوهای عددی پشت آن را براساس 82 ویژگی مختلف شامل جمعیتشناسی، اقتصاد، آموزش، آب و هوا و سیاست الگوریتم های غیر خطی یادگیری ماشین کمک می کند تا عوامل اقتصادی و عوامل آموزشی یکی از ویژگی های تاثیر گذار را شناسایی کنند. اکتشافها در چین نیز به کار رفته است تا 20 نواحی را برای تمرکز در توسعه بازار سبز چین معرفی کنند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی انرژی انرژی های تجدید پذیر، توسعه پایدار و محیط زیست
چکیده انگلیسی
The U.S. is reported to have one of the most developed green building markets. The country wide success must start from the success of different local markets. So how many important local green building markets are there in the U.S. and why those areas became important? The answers can provide useful implications for developing countries like China to better promote their green building markets. To explore the question in a numerical way, this study therefore collected the data of 17,636 green building projects in the U.S., clustered them into 39 important regions, and analyzed the numerical patterns behind based on 82 different features covering demography, economy, education, climate and policy. Non-linear machine learning algorithms help find that economic factors and educational factors are one of the most influential features. Discoveries were also implemented in China to suggest 20 areas to be the focus of developing Chinese green building market.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Cleaner Production - Volume 151, 10 May 2017, Pages 406-418
نویسندگان
, ,