Tối ưu hóa ước tính mức tiêu thụ năng lượng trong các tòa nhà dựa trên các thuật toán trí tuệ nhân tạo
Tác giả: Trần Đức Học, Lê Tấn TàiTóm tắt:
Mô phỏng và dự báo năng lượng tiêu thụ đóng vai trò quan trọng trong việc thiết lập chính sách năng lượngvà đưa ra quyết định theo hướng phát triển bền vững. Nghiên cứu này sử dụng phương pháp kỹ thuật thốngkê và công cụ trí tuệ nhân tạo bao gồm mạng nơ-ron thần kinh (ANNs – Artificial neutral networks), máy hỗtrợ véc tơ (SVM – Support vector machine), cây phân loại và hồi quy (CART - Classification and regressiontrees), hồi quy tuyến tính (LR - Linear regression), hồi quy tuyến tính tổng quát (GENLIN - Generalized linearregression), tự động phát hiện tương tác Chi-squared (CHAID - Chi-square automatic interaction detector) vàmô hình tổng hợp (Ensemble model) để dự đoán mức tiêu thụ năng lượng trong các căn hộ tòa nhà chung cư.Bộ dữ liệu để xây dựng mô hình gồm 200 mẫu được khảo sát ở nhiều chung cư tại TP. Hồ Chí Minh. Mô hìnhđơn có hiệu quả tốt nhất trong quá trình dự đoán là CART, trong khi đó mô hình được tổng hợp tốt nhất làCART + GENLIN.
- Khả năng kháng uốn dầm bê tông cốt thép theo tiêu chuẩn TCVN 5574-2018 : so sánh giữa phương pháp tính toán theo nội lực giới hạn và phương pháp tính toán có xét đến ứng xử phi tuyến của cốt thép
- Phân tích ảnh hưởng ăn mòn và giải pháp bảo vệ an toàn cho các tấm phù điêu đồng tại Việt Nam
- Training artificial neural network regression based on the generalized delta rule : a case study in modeling the compressive strength of concrete = Huấn luyện mạng nơ-ron thần kinh nhân tạo dùng cho phân tích hồi quy dựa trên quy tắc delta khái quát: ứng
- XGBoost regression for estimating bearing capacity of concrete piles = Sử dụng hồi quy XGBoost để đánh giá sức chịu tải của cọc bê tông
- Training deep neural network for regression analysis with the generalized delta rule : a case study in modeling the shear strength of soil = Huấn luyện mạng nơ-ron thần kinh nhân tạo sâu dùng cho phân tích hồi quy dựa trên quy tắc delta khái quát: ứng dụn