中文标题：考虑气候变化的医院建筑能源改造：一种将自动化机器学习与 NSGA-III 集成用于多目标优化的方法
文章来源：Energy and Buildings能源与建筑
中文摘要：在可持续发展的背景下，对既有建筑进行节能改造，不仅可以有效降低能源消耗，还可以改善居住舒适度和办公环境。本文提出了一种基于自动化机器学习和NSGA-III算法的建筑节能改造优化方法，旨在高效、准确地识别最佳节能改造方案。结果表明，自动化机器学习可以在较短的训练时间内为多目标优化分析提供预测模型，平均预测准确率超过95%。堆叠集成算法和梯度提升机算法在本研究考虑的所有算法中表现最好。此外，气候变化显着影响了改造措施的节能效益和热舒适性能，从而改变了最佳方案的选择。通过NSGA-III和熵权TOPSIS方法得到的最终改造方案在典型气候情景下可实现22.06%—26.48%的节能率，同时将热舒适时间提高31.87%—43.73%。在未来气候情景下，可实现32.73%至33.02%的节能率和40.20%至42.29%的热舒适时间。将这两种技术结合起来，可以快速有效地在能耗、全生命周期成本和热舒适时间之间找到最佳平衡点。本文提出的方法为建筑节能领域的研究人员提供了新的视角和工具，展示了自动化机器学习和NSGA-III算法在医院建筑节能改造中的应用潜力。
#带你一起读论文 #论文打卡 #文献阅读
文章来源：Energy and Buildings能源与建筑
中文摘要：在可持续发展的背景下，对既有建筑进行节能改造，不仅可以有效降低能源消耗，还可以改善居住舒适度和办公环境。本文提出了一种基于自动化机器学习和NSGA-III算法的建筑节能改造优化方法，旨在高效、准确地识别最佳节能改造方案。结果表明，自动化机器学习可以在较短的训练时间内为多目标优化分析提供预测模型，平均预测准确率超过95%。堆叠集成算法和梯度提升机算法在本研究考虑的所有算法中表现最好。此外，气候变化显着影响了改造措施的节能效益和热舒适性能，从而改变了最佳方案的选择。通过NSGA-III和熵权TOPSIS方法得到的最终改造方案在典型气候情景下可实现22.06%—26.48%的节能率，同时将热舒适时间提高31.87%—43.73%。在未来气候情景下，可实现32.73%至33.02%的节能率和40.20%至42.29%的热舒适时间。将这两种技术结合起来，可以快速有效地在能耗、全生命周期成本和热舒适时间之间找到最佳平衡点。本文提出的方法为建筑节能领域的研究人员提供了新的视角和工具，展示了自动化机器学习和NSGA-III算法在医院建筑节能改造中的应用潜力。
#带你一起读论文 #论文打卡 #文献阅读
