کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6729403 1428931 2018 13 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Unsupervised data analytics in mining big building operational data for energy efficiency enhancement: A review
ترجمه فارسی عنوان
تجزیه و تحلیل اطلاعات ذخیره شده در داده های عملیاتی ساختمان های بزرگ برای افزایش بهره وری انرژی: بررسی
کلمات کلیدی
داده کاوی بی نظیر، اطلاعات بزرگ، ایجاد عملکرد عملیاتی، مدیریت انرژی ساختمان، بهره وری انرژی ساختمان،
ترجمه چکیده
داده کاوی یک تکنولوژی پیشرفته برای تجزیه و تحلیل داده های بزرگ است. این شامل دو نوع اصلی تجزیه و تحلیل داده است، به عنوان مثال، تجزیه و تحلیل تحت نظارت و بدون نظارت. علیرغم قدرت تحلیلی نظارت شده در مدل سازی پیش بینی شده، تجزیه و تحلیل بدون نظارت در جستجوی دانش جدید با توجه به دانش قبلی محدود شده است. این مقاله یک بررسی جامع در مورد استفاده فعلی از تجزیه و تحلیل داده های ناخواسته در داده های عمران ساختمان گسترده ای را فراهم می کند. تجزیه و تحلیل های ناخواسته مورد استفاده معمولا با استفاده از تجربیات و برنامه های دانش خود خلاصه می شوند. چالش ها و فرصت ها به عنوان راهنمایی برای تحقیقات آینده در این زمینه چند منظوره تعریف شده است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی انرژی انرژی های تجدید پذیر، توسعه پایدار و محیط زیست
پیش نمایش مقاله
تجزیه و تحلیل اطلاعات ذخیره شده در داده های عملیاتی ساختمان های بزرگ برای افزایش بهره وری انرژی: بررسی
چکیده انگلیسی
Data mining is an advanced technology for analyzing big data. It consists of two main types of data analytics, i.e., supervised and unsupervised analytics. Despite of the power of supervised analytics in predictive modeling, unsupervised analytics are more practical and promising in discovering novel knowledge given limited prior knowledge. This paper provides a comprehensive review on the current utilization of unsupervised data analytics in mining massive building operational data. The commonly used unsupervised analytics are summarized according to their knowledge representations and applications. The challenges and opportunities are elaborated as guidance for future research in this multi-disciplinary field.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Energy and Buildings - Volume 159, 15 January 2018, Pages 296-308
نویسندگان
, , , ,