| 논문명 |
터보 냉동기 기계학습 모델과 가우시안 혼합 모델을 이용한 유효성 검증 / Machine Learning Model for a Turbo Chiller and Validity Check of the Model by Gaussian Mixture Model / 대학생부문 |
| 저자명 |
박성호(Park, Sung-Ho) ; 안기언(Ahn, Ki Uhn) ; 이동혁(Yi, Dong-Hyuk) ; 황승호(Hwang, Aaron) ; 최선규(Choi, Sunkyu) ; 박철수(Park, Cheol Soo) |
| 수록사항 |
대한건축학회 학술발표대회 논문집, Vol.37 No.2 (2017-10) |
| 주제어 |
인공신경망 ; 가우시안 혼합 모델 ; 기계학습 ; Artificial Neural Network ; Gaussian Mixture Model ; Machine Learning |
| 요약1 |
최근 급속하게 발전한 기계학습이 기존 건축물 BEMS 데이터에 적용되어, 설비 시스템 동적 거동 및 최적화를 달성하고자 하는 노력이 활발하다(Kim et al., 2016). 열전달 및 열역학을 기반으로 하는 제 1법칙 모델(예:동적 시뮬레이션)과 달리, 기계학습 모델은 입출력 데이터의 상관관계 만으로 구성된 모델이다. 먼저 본 연구에서는 서울시 중구 소재 업무용 건물의 터보 냉동기의 COP를 예측하는 인공 신경망 모델을 개발하였다. 또한, 인공 신경망 모델을 적용할 때, 유효한 입력변수 범위를 특정 신뢰구간 범위 내(예: 95%)에서 제시하는 것이 중요하다. 이를 위해, 가우시안 혼합 모델(Gaussian Mixture Model) 방법을 적용하였다. 냉동기 COP예측 인공신경망 모델을 개발하고, 그 정확함을 알 수 있었으며, 가우시안 혼합 모델을 적용하여, 기계학습 모델의 유효성 범위를 정량적으로 확인하였다. |
| 요약2 |
In this study, the authors developed an artificial neural network (ANN) model to predict the COP of a turbo chiller. The BEMS data gathered in a real office building was used for the training of the ANN model. However, it is also important to have a validity check for the use of the ANN model. For this purpose, Gaussian Mixture Model (GMM) was introduced. It has been shown in the paper that (1) the ANN model is good enough (MBE: ?0.29%, CVRMSE: 6.28%) and (2) the validity check is necessary when using the ANN model. |
