Παρακαλώ χρησιμοποιήστε αυτό το αναγνωριστικό για να παραπέμψετε ή να δημιουργήσετε σύνδεσμο προς αυτό το τεκμήριο: http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/19306
Τίτλος: Βελτίωση της ενεργειακής απόδοσης κτηρίων με χρήση τεχνικών διαρκούς μάθησης και επεξηγήσιμης τεχνητής νοημοσύνης
Συγγραφείς: Ρεμπή, Παναγιώτα
Ασκούνης Δημήτριος
Λέξεις κλειδιά: Ενεργειακή απόδοση
Ενεργειακή αναβάθμιση κτηρίων
Επεξηγήσιμη τεχνητή νοημοσύνη
Μηχανική μάθηση
Βαθιά μάθηση
Παραγωγή δεδομένων
Διαρκής μάθηση
Διερευνητική ανάλυση δεδομένων
Ημερομηνία έκδοσης: 15-Οκτ-2024
Περίληψη: Με την αυξανόμενη ενεργειακή ζήτηση και τις επιπτώσεις της κλιματικής αλλαγής να εντείνονται διαρκώς, η ανάγκη εξοικονόμησης ενέργειας βρίσκεται στο επίκεντρο των προκλήσεων που αντιμετωπίζει η σύγχρονη κοινωνία. Ο κτηριακός τομέας, ιδίως τα κτήρια κατοικιών, ευθύνεται για σημαντικό ποσοστό της ενεργειακής κατανάλωσης, καθιστώντας την ενεργειακή αποδοτικότητα έναν από τους πρωταρχικούς στόχους των διεθνών στρατηγικών. Συνεπώς η ενεργειακή αναβάθμιση κτηρίων αποτελεί σημαντικό βήμα προς την επίτευξη ενός πιο βιώσιμου μέλλοντος με πολλαπλά οφέλη. Στο πλαίσιο αυτό, η παρούσα διπλωματική εργασία εστιάζει στην βελτίωση της ενεργειακής απόδοσης κτηρίων κατοικίας και συγκεκριμένα στην πρόβλεψη των απαιτούμενων μέτρων ενεργειακής αναβάθμισης. Ανταπτύσσεται μοντέλο μηχανικής μάθησης, στο οποίο ο/η χρήστης/ρια εισάγει ορισμένα γνωστά σε εκείνον/η χαρακτηριστικά του σπιτιού του και λαμβάνει τις κατάλληλες επιλογές ανακαίνισης προκειμένου να επιτύχει υψηλότερη ενεργειακή κλάση. Η ενδελεχής ανάλυση του αρχικού συνόλου δεδομένων με προέλευση την Λετονία αναδεικνύει την ύπαρξη ανισορροπίας μεταξύ των κλάσεων, στο πλαίσιο αντιμετώπισης της οποίας υιοθετούνται τεχνικές παραγωγής συνθετικών δεδομένων. Επιπλέον, η ενσωμάτωση της επεξηγήσιμης τεχνητής νοημοσύνης ενισχύει την διαφάνεια και την αξιοπιστία του μοντέλου, ενώ παράλληλα συμβάλλει στην πληρέστερη κατανόηση της επίδρασης των χαρακτηριστικών στην ενεργειακή απόδοση. Με σκοπό τη γενίκευση της εφαρμογής, η μελέτη επεκτείνεται σε επιπρόσθετα πραγματικά δεδομένα προερχόμενα από διαφορετικές χώρες με την εφαρμογή στρατηγικών διαρκούς μάθησης. Έτσι, το μοντέλο μπορεί να εκπαιδεύεται διαδοχικά σε διαφορετικά σύνολα δεδομένων, ενισχύοντας την απόκτηση γνώσης από νέα δείγματα και διατηρώντας συγχρόνως την ήδη υπάρχουσα. Προάγεται, λοιπόν, η δημιουργία ενός γενικευμένου μοντέλου με δυνατότητες προσαρμογής ανεξαρτήτως της γεωγραφικής περιοχής και των ιδιαίτερων χαρακτηριστικών των κτηρίων. Καταληκτικά, τα αποτελέσματα υπογραμμίζουν την ανάγκη για επαρκή και ποιοτικά δεδομένα. Η προτεινόμενη μελέτη μπορεί να συνεισφέρει στην επίτευξη των περιβαλλοντικών και οικονομικών στόχων, διευκολύνοντας τους ενδιαφερόμενους να λάβουν τεκμηριωμένες αποφάσεις ενεργειακής αναβάθμισης.
URI: http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/19306
Εμφανίζεται στις συλλογές:Διπλωματικές Εργασίες - Theses

Αρχεία σε αυτό το τεκμήριο:
Αρχείο Περιγραφή ΜέγεθοςΜορφότυπος 
Panagiota_Rempi_Thesis.pdf6.2 MBAdobe PDFΕμφάνιση/Άνοιγμα


Όλα τα τεκμήρια του δικτυακού τόπου προστατεύονται από πνευματικά δικαιώματα.