메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
박성철 (경상대학교) 하주완 (경상대학교) 박경순 (동의대학교) 송영학 (경상대학교)
저널정보
한국건축친환경설비학회 한국건축친환경설비학회 논문집 한국건축친환경설비학회 논문집 제15권 제4호
발행연도
2021.8
수록면
326 - 337 (12page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
To have a precise simulation of building and quantitative performance evaluation, it is necessary to have high accuracy of input variables to implement a simulation. Inherent uncertainties (unknown fault or rapid error generation, etc.) in input variables can have a significant impact on energy performance evaluation. To solve this, this study conducted Artificial Neural Network (ANN) surrogate model-based Sobol sensitivity analysis using data of water-cooled variable refrigerant flow air conditioning system and Bayesian Markov chain Monte Carlo (MCMC) using no-U-turn sampler (NUTS) algorithm was performed. The main results showed that the Coefficient of the Variation of the Root Mean Square Error of the ANN surrogate model was 23.4%, and the top 6 variables that affected the energy usage through the sensitivity analysis results were selected. Then, the prior and posterior probability distributions were plotted through Bayesian MCMC. The convergence verification result of MCMC verified that the mean R-hat value was 1.0, which ensured the accuracy of MCMC. For future study, a virtual sensor will be developed to detect and diagnose faults in building heating, ventilation, and air conditioning based on the study results.
#입력변수 #불확실성 #민감도 분석 #대리모델 #베이지안 보정 #MCMC #Input Variable #uncertainty #Sensitivity analysis #Surrogate model #Bayesian calibration #Monte-carlo Markov-chain

목차

ABSTRACT
서론
민감도 분석 및 베이지안 보정의 이론적 고찰
연구대상 개요 및 입력변수 선별
선별된 입력변수의 베이지안 보정
결론
References

참고문헌 (16)

참고문헌 신청
Calama-Gonzalez, C. M. / 2021 / Bayesian Calibration of Building Energy Models for Uncertainty Analysis through Test Cells Monitoring / Applied Energy 282:116118 google schola Gelman, A. / 1992 / Inference from Iterative Simulation using Multiple Sequences(with Discussion) / Statistical Science 7:457~511 google schola Kim, Y. J. / 2014 / Decision making of HVAC System using Bayesian Markov Chain Monte Carlo Method / Energy and Buildings 72:112~121 google schola 공동석 / 2015 / 민감도 분석을 통한 기존건축물의 에너지성능 진단항목 선별 / 설비공학 논문집 27(7):354~361 dbpia 오지현 / 2017 / 민감도 분석을 통한 종합병원 병동부의 에너지 절감 외피 설계요소 도출 / 의료·복지 건축 23(1):7~14 dbpia

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

재귀적 베이지안 혼합형 모델을 이용한 사회 · 경제 지표 예측
변준현 ,  민수홍 ,  강지훈 대한산업공학회 추계학술대회 논문집 2022 .11
메타프론티어 DEA를 이용한 국내 항만의 효율성 분석: 항만형 자유무역지역을 중심으로
최정원 ,  김창수 ,  서영준 Asia-Pacific Journal of Business & Commerce 2022 .11
베이지안 변수선택 기법을 이용한 발틱건화물운임지수(BDI) 예측
한상우 ,  김영민 무역학회지 2022 .10
베이지안 기법을 활용한 사고위험 예측 모형 개발
박누리 ,  박준영 ,  김덕녕 대한교통학회 학술대회지 2022 .09
베이지안 다변량 수용 모델을 이용한 초미세먼지 주요 오염원 및 공간분포 추정
이영수 ,  Eun Sug Pa ,  k 외 2명 한국대기환경학회 학술대회논문집 2022 .10

최근 본 자료

전체보기

댓글(0)

0