Scidown文献预览系统！
一种数据驱动的方法来预测办公建筑的供热和制冷能源需求，作为多区域动态模拟的替代方案( A Data-Driven Approach to Forecasting Heating and Cooling Energy Demand in an Office Building as an Alternative to Multi-Zone Dynamic Simulation )
X Godinho H Bernardo JCD Sousa FT Oliveira
现在，随着越来越多的传感器可以获得更多的数据，应用于建筑物的负荷预测正得到越来越多的探索。由此产生的信息的数量和质量可以为管理和运营办公大楼时做出更明智的决策提供投入。在这篇文章中，作者使用两种数据驱动的方法（人工神经网络和支持向量机）来预测位于葡萄牙里斯本的一栋办公楼的供暖和制冷能源需求。在目前的案例研究中，这些方法被证明是一种准确和有吸引力的替代使用精确但耗时的多区域动态仿真工具，这些工具强烈依赖于要插入的几个参数和用户的专业知识来校准模型。利用历史数据和不同的外生变量集，开发了人工神经网络和支持向量机，并对其进行参数化，以获得一年中供暖和制冷期间的最佳性能组合。在支持向量回归的情况下，一种变异引入模拟退火来指导搜索不同的超参数组合。在每种方法的特征选择阶段之后，基于误差度量和分布，对不同方法的结果进行比较。研究的结果包括每个季节最适合的方法，以及导致最准确模型的特征（历史负荷记录，但也包括外部特征，如室外温度、相对湿度或占用情况）。结果清楚地表明，基于机器学习的预测方法有可能更快、更准确地取代已建立的、非常准确但耗时的多区域动态模拟工具来预测建筑能耗。
SciDown文献求助系统（解决99%问题） Public Download ResearchGate
『Sci-Hub|Scidown』怎么用？来看看教程吧！

支持模式 1.支持DOI号 2.支持英文文献全名搜索 3.支持参考文献搜索 4.知网文献（暂时关闭）

安卓手机、电脑用户，您可以在QQ浏览器里输入 www.scidown.cn 打开scidown解析，就可以解析、下载了！（注意是文献的DOI号）

苹果手机用户，您需要先在App Store里搜索并下载 Documents by Readdle 这个APP，在APP首页，左划右下角的指南针图标打开APP内置浏览器，在浏览器里输入 www.scidown.cn 打开scidown解析，就可以解析、下载了！

如出现BUG？赶快加入【Scidown互助交流群】反馈吧：729083885【点击一键加群】
『Sci-Hub|Scidown』相关参考文献
scidown CAD患者创伤后应激障碍、精神应激引起的心肌缺血和心血管转归下载
scidown 用于现场环境检测的纸质微流控传感器:综述下载