Surrogate model approaches for predicting building energy performance
Bina enerji performans tahmininde vekil model yaklaşımları
- Tez No: 882983
- Danışmanlar: DOÇ. DR. SUZİ DİLARA MANGAN
- Tez Türü: Yüksek Lisans
- Konular: Enerji, Mimarlık, Energy, Architecture
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Mimarlık Ana Bilim Dalı
- Bilim Dalı: Yapı Fiziği Bilim Dalı
- Sayfa Sayısı: 80
Özet
Kentleşme ve sanayileşme, doğal kaynak tüketimini ve sera gazı emisyonlarını artırarak iklim değişikliğini önemli ölçüde hızlandırmakta, daha verimli kentsel enerji politikaları ve bina tasarımlarını zorunlu hale getirmektedir. Bina sektörü, enerji tüketiminde ve sera gazı emisyonlarında önemli bir paya sahip olduğundan, sürdürülebilir bir gelecek için enerji talebinin tahmini ve bina tasarımlarının değerlendirilmesi büyük önem taşımaktadır. Günümüzde mevcut bina üretim süreci genellikle yinelemeli deneme-yanılma yöntemine dayanmaktadır. Fakat çevresel koşulların etkisiyle iddialı hale gelen bina performans hedefleri bu yaklaşımın uygulanabilirliğini yitirmesine sebep olmuş ve bununla birlikte optimal tasarım çözümlerini bulmanın gerekliliği giderek kendini göstermiştir. Ayrıca, tasarım parametre alternatifleri zamanla artmakta ve bu durum, potansiyel çözümlerin sayısını ve karmaşıklığını artırmaktadır. Bu nedenle, farklı tasarım alternatiflerini değerlendirmek daha da zorlaşmakta ve erken tasarım aşamasında alınan kararların bina performansı üzerindeki etkisini belirlemek için bina performans simülasyonlarını karar alma sürecine entegre etmek gerekmektedir. Ancak, birçok tasarım parametresi içeren yüksek boyutlu tasarım alanlarını değerlendirmek için milyonlarca simülasyonun yapılması, yoğun bir hesaplama yükü problemini beraberinde getirmektedir. Literatürde“boyutsallığın laneti”olarak adlandırılan bu durum, karar alma sürecine hızlı ve etkili geri bildirim sağlayabilecek olan vekil modeller ile aşılabilmektedir. Bu çalışmada, bina enerji tüketimi EnergyPlus tarafından simüle edilen yüksek boyutlu tasarım alanı örneklenerek oluşturulmuş veri setleri kullanılmıştır. Tipik çok aileli apartman bloğu için bina kabuğu, enerji sistemleri ve yenilenebilir enerji sistemleri açısından farklı tasarım alternatifleri değerlendirilmiştir. Bu veri seti için farklı algoritmalara (Yapay Sinir Ağı (YSA), Rastgele Orman (RO) ve Destek Vektör Makineleri (DVM)) dayalı üç tahmin modeli kullanılarak bina performans tahmin analizleri gerçekleştirilmiştir. Ayrıca, algoritmalarla eğitim ve test setlerinin dağılımı da dikkate alınmış ve modellerin interpolasyon ve ekstrapolasyon yetenekleri değerlendirilmiştir. Sonuçlar, tasarım alanını keşfetmenin toplam hesaplama maliyetinin, belirgin bir doğruluk kaybı olmadan önemli ölçüde azaltılabileceğini göstermektedir. Ayrıca, çapraz doğrulama ile elde edilen performans ölçütlerindeki varyasyonun çok düşük olması, bu yaklaşımların güvenilirliğine işaret etmektedir.
Özet (Çeviri)
Urbanization and industrialization accelerate climate change by increasing greenhouse gas emissions and resource consumption, necessitating more efficient urban energy policies and building designs. Accurate energy demand predictions and evaluations of building designs are critically needed to reduce environmental impact and improve sustainability, given that the building sector is a significant consumer of energy and emitter of greenhouse gases. The current building sector process often encounters the iterative trial-and-error method. As building performance targets become more ambitious due to these challenges, finding optimal solutions becomes even more significant. In addition, design parameter alternatives increase over time, consequently increasing the number and complexity of potential solutions. Thus, evaluating different design alternatives becomes more challenging. Building performance simulations should integrated into the decision-making phase in order to identify the effect of early design stage determinations on building performance. However, conducting millions of simulations to evaluate high-dimensional design spaces developed based on many different design variables brings the problem of an intensive computational load. This problem, which is called the 'curse of dimensionality', can be solved with surrogate models. This study investigates surrogate model approaches that will provide rapid and effective feedback to the decision-making process. For this purpose, we use datasets created by sampling high-dimensional design space whose energy consumption is simulated by EnergyPlus. Different design alternatives in terms of the envelope of the building, energy and renewable energy systems for typical multi-family apartment block within a hypothetical settlement form were evaluated. Building performance prediction analyses were carried out using three prediction models based on different algorithms (Artificial Neural Network(ANN), Random Forest(RF), and Support Vector Machines(SVM)) for this data set. The distribution of training and test sets was also considered with these algorithms, and the interpolation and extrapolation capabilities of the models were evaluated. Results show that the total computational cost of exploring the design space can be decreased significantly without any considerable accuracy degradation. Furthermore, cross-validation shows that the variation of performance metrics between models is very low which signals the reliability of these approaches.
Benzer Tezler
- Sürekli tip cam ergitme fırınları için hesaplamalı akışkanlar dinamiği tabanlı indirgenmiş model geliştirilmesi
Development of a computational fluid dynamics based reduced order model for continuous glass melting furnaces
ENGİN DENİZ CANBAZ
Doktora
Türkçe
2025
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. MESUT GÜR
- Prediction of aerodynamic heating on high-speed missiles using Gaussian process based surrogate models
Yüksek hızlı füzelerde Gauss süreci tabanlı vekil modeller kullanılarak aerodinamik ısınma tahmini
SEZER SİVRİ
Yüksek Lisans
İngilizce
2025
Makine MühendisliğiOrta Doğu Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALİ KARAKUŞ
DR. KAMİL ÖZDEN
- Yüksek hızlı tren tekerlerinin mukavemetinin sonlu elemanlar analizi destekli yapay zeka yöntemleriyle modellenmesi
Modeling the strength of high-speed train wheels with finite element analysis supported artificial intelligence methods
MEHRAN MAHOUTI
Doktora
Türkçe
2024
Metalurji Mühendisliğiİstanbul Üniversitesi-CerrahpaşaMetalurji ve Malzeme Mühendisliği Ana Bilim Dalı
PROF. DR. SUAT YILMAZ
- Quantifying uncertainties in numerical predictions of dynamic cavitation
Dinamik kavitasyonun sayısal tahminlerindeki belirsizliklerin ölçümü
ERDİNÇ KARA
Yüksek Lisans
İngilizce
2023
Gemi Mühendisliğiİstanbul Teknik ÜniversitesiGemi ve Deniz Teknoloji Mühendisliği Ana Bilim Dalı
PROF. DR. ÖMER KEMAL KINACI
DR. ARTUR K. LIDTKE
- İnsan gen yolaklarında ikâme modelleme ve makine öğrenmesi kullanarak varyant analizi
Variant analysis in human gene networks using surrogate modelling and machine learning
FURKAN AYDIN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SÜHA TUNA