MétaCan
Menu
Retour à la cohorte
Enregistrement W3024368698 · doi:10.1109/tase.2020.2990566

A Metadata Inference Method for Building Automation Systems With Limited Semantic Information

2020· article· en· W3024368698 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueIEEE Transactions on Automation Science and Engineering · 2020
Typearticle
Langueen
DomaineComputer Science
ThématiqueTime Series Analysis and Forecasting
Établissements canadiensNational Research Council CanadaCarleton University
Organismes subventionnairesNatural Resources CanadaNational Research Council CanadaNatural Sciences and Engineering Research Council of Canada
Mots-clésMetadataComputer scienceNormalization (sociology)Metadata repositoryBuilding automationData elementAutomationAnalyticsData miningInformation retrievalEngineeringWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

Metadata in most existing building automation systems (BASs) is inconsistent, incomplete, and nondescriptive. This situation is a major obstacle to the widespread use of data analytics to improve the operation of buildings. In this article, we put forward a method to infer zone-level metadata from features derived from BAS data. The method includes two steps: 1) classification of BAS points into different types (e.g., indoor temperature, indoor temperature set point, airflow, airflow set point, damper position, and radiator valve position) and 2) association of BAS points based on their functional relationships (i.e., grouping the sensors, actuators, and set points of each zone together). The metadata inference method was demonstrated with data from zones served by four different air handling units (AHUs) in two office buildings in Ottawa, ON, Canada. The results from this case study indicate that common zone-level BAS point types can be accurately classified and associated even in the absence of intuitive data labels. Note to Practitioners-This article was motivated by the problem of metadata normalization in existing buildings, in order to scale up the application of smart building solutions in the real world. Existing metadata normalization approaches mainly focused on inferring the point types of the metadata with both semantic (label) and numerical information (time series readings). In this article, we put forward a method to infer zone-level metadata with numerical information only. Methods for both types of classification and relationships' association of the BAS points are investigated. The results from two office buildings indicate that the classification phase can achieve an average of 90% accuracy, while the association phase can obtain an average of 85% accuracy. The method was developed and demonstrated with a limited data set by using data exclusively from zone-level sensors, actuators, and set points. Future work is planned to extend the proposed method to more comprehensive BAS data sets with the system- and plant-level data as well.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCommunication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,738
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,006
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,023
Tête enseignante GPT0,251
Écart entre enseignants0,228 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle