건축도시공간연구소

Architecture & Urban Research Institute

pdf원문보기 에러 해결방법 바로가기



문헌홈 > 연구논문 > 상세

[원문보기시 소비되는 포인트 : 100 포인트] 미리보기 인용

대한건축학회|논문집 2020년 6월

논문명 베이지안 신경망 냉동기 모델의 인식론적 및 내재적 불확실성 분석 / Epistemic and Aleatoric Uncertainty of Bayesian Neural Network Model for a Chiller
저자명 김재민 ; 박철수식별저자
발행사 대한건축학회
수록사항 대한건축학회 논문집, Vol.36 No.06 (2020-06)
페이지 시작페이지(177) 총페이지(8)
ISSN 2733-6247
주제분류 환경및설비
주제어 베이지안 신경망; 인식론적 불확실성; 내재적 불확실성; 이상치 검출; 서포트 벡터 데이터 디스크립션 ; Bayesian Neural Network; Epistemic uncertainty; Aleatoric uncertainty; Outliers; Support Vector Data Description
요약1 본 논문에서는 베이지안 신경망의 개념과 구현 방법, 불확실성 정량화에 관해 기술하고, 데이터의 품질이 신경망 모델의 불확실성에 미치는 영향력을 분석하였다. 본 연구는 실제 업무용 건물에 설치된 압축식 냉동기를 대상으로 진행되었다. 먼저, 대상 시스템에 대한 데이터를 수집하고, 냉동기 COP를 예측하는 베이지안 신경망 모델을 제작하였다. 훈련데이터의 기간과 훈련데이터의 이상치 처리 여부에 따라 4개의 신경망 모델을 제작하였다. 개발된 4개의 베이지안 신경망 모델은 예측 오차, 인식론적 불확실성, 내재적 불확실성 측면에서 교비교하였다
요약2 Because the machine learning model is a black-box model, it is difficult to quantify the causality between inputs and outputs. In addition,
the model is influenced by its inherent uncertainty in describing a system’s behavior of interest. In order for a machine learning model to be
reliable, its prediction performance as well as uncertainty must be quantified together. Bayesian Neural Network (BNN) is a useful tool to
describe stochastic characteristics of deep learning models by estimating distributions of the models’ weights. Model uncertainty in BNN can
be classified into epistemic and aleatoric uncertainties. Epistemic uncertainty is caused by lack of data or knowledge. In contrast, aleatoric
uncertainty is caused by outliers or noises inherent in training data and can be reduced by removing abnormal data from the training dataset.
In this study, the BNN models were developed for a compression chiller in an existing office building with BEMS data, and then epistemic
and aleatoric uncertainties were analyzed. It is found that both uncertainties are significant in the simulation model even though the model’s
accuracy is satisfactory with the CVRMSE of less than 15%. It is suggested that before attempting to apply the machine learning model to
real applications, the both uncertainties must be carefully analyzed. It is recommended that the both uncertainties can be reduced by adding
more data as well as removing outliers.
소장처 대한건축학회
언어 한국어
DOI https://doi.org/10.5659/JAIK.2020.36.6.177
분석서지
건축환경 및 설비 > 건축설비 > 공조설비

■ 추천문헌 (이 문헌과 같이 본 문헌)
인공신경망 모델을 이용한 냉동기 및 공조기 최적 기동/정지 제어
박성호(Park, SungHo) ; 안기언(Ahn, Ki Uhn) ; 황승호(Hwang, Aaron) ; 최선규(Choi, Sunkyu) ; 박철수(Park, Cheol Soo) - 대한건축학회논문집 구조계 : Vol.35 No.02 (201902)
가우시안 프로세스 모델을 이용한 냉각탑 최적제어
김재민(Kim, Jae-Min) ; 신한솔(Shin, Han-Sol) ; 추한경(Chu, Han-Gyeong) ; 이동혁(Yi, Dong-Hyuk) ; 박성호(Park, SungHo) ; 여명석(Yeo, Myoung-Souk) ; 박철수(Park, Cheol-Soo) - 추계학술발표대회 : 2018 (201811)
빙축열 시스템의 익일 방냉량 예측 기계학습 모델 및 제어
신한솔(Shin, Han-Sol) ; 서원준(Suh, Won-Jun) ; 추한경(Chu, Han-Gyeong) ; 라선중(Ra, Seon-Jung) ; 박철수(Park, Cheol-Soo) - 대한건축학회논문집 구조계 : Vol.33 No.11 (201711)
가우시안 프로세스 모델과 냉동기 실시간 최적 제어
김영진(Kim, Young-Jin) ; 박철수(ParkCheol-Soo) - 대한건축학회논문집 계획계 : v.30 n.7 (201407)
재실자 반응이 고려된 에이전트 빌딩 에너지 시뮬레이션
김종헌(Kim, Jong-Hun) ; 박상린(Park, Sang-Lin) ; 김덕우(Kim, Deuk-Woo) ; 박철수(Park, Cheol-Soo) - 대한건축학회논문집 계획계 : v.27 n.12 (201112)
강화학습을 이용한 건물 에너지 최적 제어
안기언(Ahn, Ki Uhn) ; 박철수(Park, Cheol Soo) ; 여명석(Yeo, Myoung-Souk) - 대한건축학회 학술발표대회 논문집 : Vol.38 No.1 (201804)
에너지 실시간 모델 예측 제어를 위한 인공신경망 변수 최적화
김영민(Kim, Young-Min) ; 김용세(Kim, Yong-Se) ; 안기언(Ahn, Ki-Uhn) ; 박철수(Park, Cheol Soo) - 추계학술발표대회 : 2015 (201511)
기축 건물의 에너지 모델에 대한 베이지안 보정
윤성환(Yoon, Seong-Hwan) ; 김영진(Kim, Young-Jin) ; 박철수(Park, Cheol-Soo) - 대한건축학회논문집 계획계 : v.30 n.10 (201410)
기존 건물 HVAC 시스템에 대한 다섯 가지 기계학습 모델 개발
라선중(Ra, Seon-Jung) ; 신한솔(Shin, Han-Sol) ; 서원준(Suh, Won-Jun) ; 추한경(Chu, Han-Gyeong) ; 박철수(Park, Cheol-Soo) - 대한건축학회논문집 구조계 : Vol.33 No.10 (201710)
전역 민감도 분석을 이용한 건물 에너지 성능평가의 합리적 개선
유영서(Yoo, Young-Seo) ; 이동혁(Yi, Dong-Hyuk) ; 김선숙(Kim, Sun-Sook) ; 박철수(Park, Cheol-Soo) - 대한건축학회논문집 구조계 : Vol.36 No.05 (202005)