能源消耗預測是規劃和控制建筑領域能源使用的必要組成部分，該領域占全球能源消耗的40％并產生大量溫室氣體排放。然而，很少有研究關注建筑特征、建筑幾何和城市形態對能源性能的綜合影響。
2023年1月1日發表在Energy上的一篇名為《Data-driven estimation of building energy consumption and GHG emissions using explainable artificial intelligence》(使用可解釋的
人工智能進行數據驅動的建筑能耗和溫室氣體排放預測)的論文。通過開發可解釋的深度學習模型來填補這一研究空白。該模型名為eXplainable Artificial Intelligence，使用Light Gradient Boosting Machine集成了SHapley Additive exPlanation算法，以提供關于機器學習模型用于建筑能效預測的可行性方面的洞察力。該研究成功地預測了住宅建筑物的能源使用和溫室氣體排放，提出城市形態和建筑幾何對評估建筑物能源消耗和溫室氣體排放有顯著作用，并確定了總建筑面積和天然氣為能源消耗和溫室氣體排放的最具影響力因素。
版權申明：本內容來自于互聯網，屬第三方匯集推薦平臺。本文的版權歸原作者所有，文章言論不代表鏈門戶的觀點，鏈門戶不承擔任何法律責任。如有侵權請聯系QQ：3341927519進行反饋。
