کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
855641 1470708 2015 8 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Multi-linear Regression Models to Predict the Annual Energy Consumption of an Office Building with Different Shapes
ترجمه فارسی عنوان
مدل‌های رگرسیون چندخطی برای پیش‌بینیِ مصرف انرژیِ سالانه‌ی یک ساختمانِ اداری با شکل‌های متفاوت
کلمات کلیدی
شبیه سازی مونت کارلو - معادلات رگرسیون - عملکرد ساختمان انرژی
فهرست مطالب مقاله
چکیده
کلماتِ کلیدی
1. مقدمه
شکل 1. متغیرهایی که بر عملکردِ انرژیِ ساختمان مؤثر هستند.
2. روش‌شناسی
3. نتایج و بحث
3-1. مدل‌ها و دقتِ ‌رگرسیون
جدول 1. ضرایبِ رگرسیون و دقتِ مدل در بیلینگز
جدول 2.ضرایبِ رگرسیون و دقتِ مدل در سن خوزه
شکل 2. نمونه نقاطِ باقی‌مانده
3-2. اعتبار سنجیِ مدل‌های رگرسیون
شکل 3. اعتبارسنجی مدل رگرسیون برای هفت شکل ساختمان های واقع در بیلینگز
شکل 4. اعتبارسنجی مدل رگرسیون برای هفت شکل ساختمان های واقع در سن خوزه
4. شبیه‌سازیِ پارامتریِ انرژیِ ساختمان و تحلیلِ حساسیت
شکل 5. تاثیرِ پارامتر‌های ساختمان بر مصرفِ‌انرژیِ سالانه برای بیلینگز
شکل 6. تاثیرِ پارامتر‌های ساختمان بر مصرفِ‌انرژیِ سالانه برای سن خوزه
شکل 7. مصرفِ‌انرژي بر اساسِ شکلِ ساختمان، بیلینگز
شکل 8. مصرفِ‌انرژي بر اساسِ شکلِ ساختمان، سن خوزه
5. نتیجه‌گیری
ترجمه چکیده
مطالعه‌ی حاضر توسعه‌ي مدل رگرسیونِ چندخطی برای پیش‌بینیِ تأثیر شکلِ ساختمان بر مصرفِ کلِ انرژیِ در دو منطقه‌ی اقلیمی متفاوت توصیف می‌کند (سرد و خشک و گرمِ دریایی). هفت شکلِ ساختمانی شاملِ H شکل، T شکل، مستطیل و غیره در این مطالعه در نظر گرفته‌شده‌اند. مدلِ ساده‌شده می‌تواند برای انجامِ یک مطالعه‌ي پارامتریک به‌منظور بررسیِ تأثیر پارامترهای ساختمان بر بارِ نهاییِ گرمایش و سرمایش استفاده شود. برنامه‌های نرم‌افزاریِ شبیه‌سازیِ ساختمان، شاملِ eQUEST و DOE-2 برای ساختن و شبیه‌سازیِ پیکربندیِ یک ساختمانِ منفرد که با استفاده از فنونِ شبیه‌سازیِ مونت‌کارلو ایجادشده‌انداستفاده ‌شده است. ده هزار شبیه‌سازی برای هفت شکلِ ساختمانی برای ایجادِ مجموعه داده‌های عمیق اجرا شد که محدوده‌ی کاملی از پارامترهای طراحی را پوشش می‌دهد پوشش می‌دهد. تحلیل‌های آماری با استفاده از برنامه‌ي تحلیل آماریِ R برای توسعه‌ی مجموعه‌ای از معادلاتِ رگرسیونِ خطی صورت گرفت که میزانِ مصرفِ انرژي در هر سناریوی طراحی را پیش‌بینی می‌کند. علاوه بر این، تأثیر چند پارامترِ طراحی بر مصرفِ انرژیِ ساختمان با استفاده از روشِ تحلیلِ حساسیت، موردبررسیِ بیشتری قرار گرفت. اختلاف میان مصرفِ انرژيِ سالانه‌ی ساختمان از طریق پیش‌بینیِ رگرسیون و شبیه‌سازی‌شده توسطِ DOE-2، زیاد وبه‌اندازه‌ی۵ ٪بود. این رؤیایی خواهد بود که مدل‌های توسعه‌یافته‌ي رگرسیون بتوانند برای تخمینِ کلِ مصرفِ انرژی در مراحل ابتداییِ طراحی استفاده شوند؛ زمانی که طرح‌های متفاوتِ ساختمان و ایده‌های طراحی درحال بررسی هستند.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی مهندسی (عمومی)
چکیده انگلیسی
The present study describes the development of a multi-linear regression model to predict the effect of building shape on total energy consumption in two different climate regions (i.e. cold-dry and warm-marine). Seven building shapes including H-shape, T-shape, rectangle, etc. were considered in this study. The simplified model can be used to conduct a parametric study in order to investigate the effect of building parameters on total heating and cooling load. Building simulation software programs, including eQUEST and DOE-2 were used to build and simulate individual building configuration that were generated using Monte Carlo simulation techniques. Ten thousand simulations for seven building shapes were performed to create a comprehensive dataset covering the full ranges of design parameters. Statistical analysis was performed using R statistical analysis program to develop a set of linear regression equations predicting energy consumption of each design scenario. In addition, the influence of several design parameters on building energy consumption was further investigated using the sensitivity analysis procedure. The difference between regression-predicted and DOE-2 simulated annual building energy consumption were largely within 5%. It is envisioned that the developed regression models can be used to estimate the total energy consumption in the early stages of the design when different building schemes and design concepts are being considered.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Procedia Engineering - Volume 118, 2015, Pages 622–629