Achieving net zero energy through behavioral analytics and fuzzy regression analysis: A living-lab based study
Notice bibliographique
Résumé
: Net-zero energy homes (NZEHs) play a crucial role in shaping building energy policies and setting cutting-edge standards. They are also considered a promising avenue for achieving sustainability within the building and construction sectors. However, research reveals that the actual energy performance of such homes can fall short of the planned targets, thereby adversely impacting the sector’s carbon reduction goals. Predictive energy models can be a cost-effective solution to ensure building energy performance targets are achieved. However, it is difficult to generate highly accurate predictive models due to inherent uncertainties in the data collected, which include missing information, the interaction among competing parameters, and the variability of occupant behavior. In this regard, fuzzy-based analysis models have the capability to accommodate data complexities and enhance the accuracy of an energy model. This work introduces an energy performance analysis framework utilizing fuzzy logic to assess correlations between energy use and environmental parameters of NZEHs. The framework is developed, and its utility is illustrated through a case study of an existing NZEH in the Okanagan Valley, Canada. In this work, fuzzy-based models are developed using data collected from two distinct operational phases over a four-month period. The collected data included occupant numbers, temperature, relative humidity, CO 2 concentrations, and electrical energy usage. The results of pairwise correlation analysis revealed strong relationships between outdoor and indoor temperature (r = 0.89–0.91) and moderate correlations for humidity and CO 2 . Fuzzy regression models achieved over 90% data coverage and explained more than 92% of the variability in energy consumption, outperforming conventional regression models in accommodating behavioral and environmental uncertainty. By capturing data uncertainties, the fuzzy regression framework developed in this work can provide valuable insights and enhance the development of more robust and reliable predictive models. These findings provide practical, data-driven recommendations for architects, builders, and policymakers for optimizing of net-zero homes, which will advance residential energy management strategies.
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.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».