Benchmarking energy performance of building envelopes through a selective residual-clustering approach using high dimensional dataset

ارزیابی عملکرد انرژی پاکت های مسکونی موجود، به دلیل فاکتورهای پیچیده فیزیکی و غیر فیزیکی تعاملات ساختمان ها، یک چالش است. تجزیه و تحلیل رگرسیون با نمونه های داده کافی می تواند برای برنامه های کاربردی معیوب جذاب باشد زیرا توانایی آن در خنثی سازی اثرات متغیرهای نویز است. با این حال، اثرات چندگانه ای بین متغیرهای توضیحی اغلب به مدل های رگرسیون غیر قابل اعتماد منجر می شود، به ویژه در موارد متغیرهای با ابعاد بزرگ. رگرسیون مولفه اصلی می تواند متغیرهای هم خطی را از طریق تجزیه و تحلیل مولفه های اصلی به اجزای متعامد تبدیل کند و به طور همزمان عملکرد تجزیه و تحلیل رگرسیون خطی مجموعه داده های با ابعاد بزرگ را داشته باشد. یک روش معیار جدید با استفاده از تجزیه و تحلیل رگرسیون خطی چند متغیره با تجزیه و تحلیل مؤلفه اصلی برای رفع خطری چندگانه با مجموعه داده های با ابعاد بزرگ طراحی شده است. این روش به مجموعه داده های یک پروژه واقعی اعمال شد. نتایج نشان می دهد که رگرسیون مولفه اصلی می تواند با استفاده از اجزای اصلی متعامد کمتری که ترکیبی خطی از متغیرهای اصلی هستند، به ریسک چند خطایی برسند. نتیجه معیار سنجی با استفاده از این روش از طریق اعتبار سنجی مادون قرمز سنجش می شود. نتیجه تطبیق بهتر از روش معمول آماری با استفاده از مصرف انرژی متوسط ​​ساختمان است.