Abstrakt
Niniejsza praca stanowi kontynuację części 1, w której zbadano wysoce precyzyjny estymator efektywności energetycznej i środowiska wewnętrznego oparty na sztucznych sieciach neuronowych (ANN). W części 1 wykazano, że tworząc precyzyjną reprezentację zależności matematycznej należy ocenić stabilność i przystosowanie w losowo zmieniających się warunkach początkowych. Teraz poszerzamy nasze wymagania, aby model był szybki i precyzyjny. Na koniec tej pracy otrzymujemy mapę drogową projektowania i oceny estymatorów opartych na SSN dla danego aspektu wydajności w złożonym, oddziałującym środowisku. W artykule wykazano również, że zaprojektowany system SSN może charakteryzować się dużą precyzją w charakteryzowaniu reakcji budynku narażonego na zmienne warunki klimatyczne zewnętrzne. Wartość bezwzględna błędów względnych, MaxAR, jest mniejsza niż 2%. Dowodzi, że podejście oparte na monitorowaniu i charakteryzacji oparte na SSN można zastosować w przypadku różnych budynków, w tym tych o najlepszych parametrach środowiskowych.
Utwór dostępny jest na licencji Creative Commons Uznanie autorstwa – Na tych samych warunkach 4.0 Miedzynarodowe.