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
최원준 (전남대학교) 이상원 (Dartwork) Max Langtry (University of Cambridge) Ruchi Choudhary (University of Cambridge)
저널정보
대한설비공학회 설비공학논문집 설비공학논문집 제37권 제2호
발행연도
2025.2
수록면
72 - 81 (10page)
DOI
10.6110/KJACR.2025.37.2.72

이용수

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

초록· 키워드

오류제보하기
Data scarcity and high development costs pose significant challenges to building-specific energy demand forecasting models. To address these issues, this study introduces a time series similarity assessment method that utilizes TS2Vec, an unsupervised learning-based encoder for extracting time series representation vectors. The efficacy of this approach is demonstrated using anonymized datasets of building electricity usage from Cambridge, UK. The proposed methodology stands out for its ability to identify high-similarity data segments by flexibly adjusting the evaluation time window used for extracting representation vectors, outperforming traditional average similarity assessments. Principal component analysis was employed for dimensionality reduction and visualization, alongside a moving window cosine similarity approach to enhance the interpretability of complex multivariate time series data similarities. The study's key findings are as follows. First, dynamic similarity analysis effectively captured the complexity of building energy use patterns. Second, the approach demonstrated the potential to optimize transfer learning by automatically identifying the most suitable source data. Third, the study explored the feasibility of employing dynamic model selection and ensemble techniques based on temporal similarity changes. This study proposes a practical and scalable methodology to mitigate data scarcity and reduce model development costs, thereby facilitating more efficient, adaptive, and accurate energy demand forecasting.
#Deep learning(심층 학습) #Energy demand forecasting(에너지 요구량 예측) #Representation vector(표현벡터) #Transfer learning(전이학습) #Unsupervised contrastive learning(비지도 대조학습)

목차

Abstract
1. 연구배경 및 목적
2. 사용 데이터 정보
3. 시계열 인코더 모델
4. 실험 디자인
5. 결과
6. 논의
7. 결론
References

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

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

Reorganizing Social Issues from R&D Perspective Using Social Network Analysis
William Xiu Shun Wong ,  Namgyu Kim Journal of Information Technology Applications & Management 2015 .09

최근 본 자료

전체보기

댓글(0)

0