少量パタンデータ学習と特徴量寄与度を考慮した予測モデル選択に基づく非定常室温予測

• Item type: Journal(1)
• 公開日: 2023-01-15
• タイトル: 少量パタンデータ学習と特徴量寄与度を考慮した予測モデル選択に基づく非定常室温予測
• タイトル / 言語: en
• タイトル: Few Pattern Data Learning and Model Predictive Selection with Feature Contribution for Unsteady Indoor Temperature Prediction
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: [特集:ニューノーマル時代を支えるコラボレーション技術とネットワークサービス] 室温予測，空調，機械学習，スマートシティ，モデル選択
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_6501
• 資源タイプ: journal article
• ID登録: 10.20729/00223407
• ID登録 / ID登録タイプ: JaLC
• 著者所属: 日本電信電話株式会社NTTスマートデータサイエンスセンタ
• 著者所属: 日本電信電話株式会社NTTスマートデータサイエンスセンタ
• 著者所属: 日本電信電話株式会社NTTスマートデータサイエンスセンタ
• 著者所属: 日本電信電話株式会社NTTスマートデータサイエンスセンタ
• 著者所属: 日本電信電話株式会社NTTスマートデータサイエンスセンタ
• 著者所属(英): en
• 著者所属(英): NTT Smart Data Science Center, NIPPON TELEGRAPH AND TELEPHONE CORPORATION
• 著者所属(英): en
• 著者所属(英): NTT Smart Data Science Center, NIPPON TELEGRAPH AND TELEPHONE CORPORATION
• 著者所属(英): en
• 著者所属(英): NTT Smart Data Science Center, NIPPON TELEGRAPH AND TELEPHONE CORPORATION
• 著者所属(英): en
• 著者所属(英): NTT Smart Data Science Center, NIPPON TELEGRAPH AND TELEPHONE CORPORATION
• 著者所属(英): en
• 著者所属(英): NTT Smart Data Science Center, NIPPON TELEGRAPH AND TELEPHONE CORPORATION
• 著者名: 前島, 綜太朗; 角田, 啓介; 児玉, 翠; 荒井, 直樹; 尾花, 和昭
• 著者名(英): Sotaro, Maejima; Keisuke, Tsunoda; Midori, Kodama; Naoki, Arai; Kazuaki, Obana
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 本稿では，不特定多数の人が出入りし，少ない空調制御パタンのみが運用される，商業ビルなどの環境における空調の最適制御実現を目指し，将来の非定常な室温を予測する手法を提案する．従来の室温予測技術では，人の出入りが少ない空間における予測や，多様な空調制御パタンを含む学習データの利用を前提にしているため，商業ビルなどの空間では人流の影響や空調制御データのパタン不足によって適用が困難であった．本稿では，特徴量加工や学習アルゴリズムの組合せから，予測精度と特徴量寄与度に基づき適切な予測モデルを選択する手法を提案する．そして，実際の商業ビルで計測したデータに適用し，その有効性を示す．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: This paper proposes a method to predict unsteady indoor-temperatures for optimal control of Heating, Ventilation, and Air-Conditioning (HVAC) in environments such as commercial buildings where an unspecified number of people enter and leave the building and only a few HVAC control patterns are used. Conventional indoor-temperature prediction methods are based on the assumption that prediction is made in spaces with few people entering and leaving the building and that training data containing a various HVAC control patterns is used. Therefore, it is difficult to apply conventional methods in spaces such as commercial buildings due to the influence of people flow and lack of pattern of HVAC control data. This paper proposes a novel method that selects an appropriate prediction model from many models with different input data and learning algorithms, using feature contribution and prediction accuracy. We evaluate the effectiveness of our proposal using real data measured in a real building.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN00116647
• 書誌情報: 情報処理学会論文誌; 巻 64, 号 1, p. 43-54, 発行日 2023-01-15
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 1882-7764
• 公開者 / 言語: ja
• 公開者 / 出版者: 情報処理学会