کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6732811 504045 2015 7 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Predicting people's presence in buildings: An empirically based model performance analysis
ترجمه فارسی عنوان
پیش بینی حضور افراد در ساختمان ها: یک تحلیل عملکردی مبتنی بر تجربی
کلمات کلیدی
مدل های پذیرش، روشهای احتمالی، روش های غیر احتمالی، کنترل سیستم های پیش بینی کننده ساختمان، ارزیابی مدل، ارزیابی آمار،
ترجمه چکیده
عملکرد ساختمان تحت تأثیر حضور و اقدامات ساکنان قرار دارد. آگاهی از حضور و رفتار آینده ساکنان در ساختمان ها، اهمیت اساسی در انجام اقدامات مربوط به استراتژی های کنترل سیستم های پیش بینی شده است. به طور خاص، پیش بینی حضور ساکنان در ساختمان های اداری، یک شرط لازم برای پیش بینی تعاملات آنها با سیستم های ساختمان است. در سهم حاضر، ما بر ارزیابی تعدادی از مدل های اشغال برای کشف پتانسیل داده های داده شده اشغال شده برای پیش بینی حضور آینده اشکنان تمرکز می کنیم. در این راستا، داده های ذخیره شده مانیتورینگ با طول عمر بالا از تعدادی از محل های کار (در حالت های باز، نیمه باز و بسته دفتر) در یک ساختمان دانشگاه به دست آمد. با استفاده از این داده ها، دو مدل احتمالی احتمالی موجود و مدل اصلی اشغال غیر احتمالی را برای پیش بینی پروفیل اشغال در محیط های کاری یک روزه آموزش دادیم. پیش بینی ها از طریق مقایسۀ با پروفایل های نگهداری روزانه مورد بررسی قرار گرفتند. برای انجام ارزیابی مدل به شیوه ای دقیق، مجموعه ای از داده های جداگانه برای آموزش و ارزیابی مدل ها مورد استفاده قرار گرفت. مجموعه ای از پنج آمار ارزیابی خاص برای مقایسه مدل ها مورد استفاده قرار گرفت. به طور کلی، سطح به دست آمده از دقت پیش بینی تمام مدل های در نظر گرفته شده، نسبتا کم است. با این حال، مدل غیر احتمالی پیشنهاد شده بهتر از نظر پیش بینی های اشغال کوتاه مدت انجام می شود. نتایج به این ترتیب، بحث و گفتگو در مورد پتانسیل و محدودیت پیش بینی ساختمان های موجود در آینده شان را بر اساس داده های نظارت گذشته تسهیل می کنند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی انرژی انرژی های تجدید پذیر، توسعه پایدار و محیط زیست
پیش نمایش مقاله
پیش بینی حضور افراد در ساختمان ها: یک تحلیل عملکردی مبتنی بر تجربی
چکیده انگلیسی
Building performance is influenced by occupants' presence and actions. Knowledge of occupants' future presence and behaviour in buildings is of central importance to the implementation efforts concerning predictive building systems control strategies. Specifically, prediction of occupants' presence in office buildings represents a necessary condition for predicting their interactions with building systems. In the present contribution, we focus on the evaluation of a number of occupancy models to explore the potential of monitored past occupancy data towards predicting future presence of occupants. Towards this end, we obtained long-term high-resolution monitored occupancy data from a number of workplaces (in open, semi-open, and closed office settings) in a university building. Using this data, we trained two existing probabilistic occupancy models and an original non-probabilistic occupancy model to predict the occupancy profiles of the same workplaces on a daily basis. The predictions were evaluated via comparison with monitored daily occupancy profiles. To conduct the model evaluation in a rigorous manner, separate sets of data were used to train and evaluate the models. A set of five specific evaluation statistics was deployed for model comparison. In general, the obtained level of predictive accuracy of all models considered was found to be rather low. However, the proposed non-probabilistic model performed better in view of short-term occupancy predictions. The results thus facilitate a discussion of the potential and limitations of predicting building occupants' future presence patterns based on past monitoring data.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Energy and Buildings - Volume 86, January 2015, Pages 349-355
نویسندگان
, ,