مطالعات پیرامون محیط زیست

• 1.

  تکیه بر شرایط عرضه برای صرفه جویی در انرژی ارزش تلاش را ندارد. محققان به دلیل این الگو به یافته های غیر واقعی می رسند. سیستم های HVAC مقدار قابل توجهی انرژی را هدر می دهند. بنابراین، مهم است که بفهمیم چرا این اتفاق می افتد. در واقع، یک طرح بندی خوب طراحی شده می تواند بلافاصله در مصرف انرژی صرفه جویی کند.

• 2.

  ویژگی های کیفیت هوای داخل ساختمان مانند نسبت رطوبت و غلظت آلاینده برای راحتی و آسایش بسیار مهم هستند.

• 3.

  طراحی مجدد الگوی توزیع جریان هوا برای بهبود عملکرد سیستم های تهویه ضروری است. به عنوان مثال، در مورد ساختمان های دارای تهویه مطبوع، هیچ پاسخ قطعی برای مشکل چرخش مجدد یا مناطق مرده وجود ندارد.

• 4.

  سنت‌های جدید طراحی تهویه مطبوع و تهویه مطبوع باید معماران را قادر سازد تا بهترین طرح را از میان تنوع انتخاب کنند. سیستم تهویه مطبوع باید برای هر مکان صنعتی یا تجاری بر اساس نیازها و مشکلات منحصر به فرد آن سفارشی شود. هیچ ویژگی غیر ضروری در سیستم تهویه مطبوع نباید وجود داشته باشد. یک سیستم موثر و کارآمد نباید خیلی گران باشد. توجه به این نکته مهم است که این روند جدید مسئولیت بیشتری را برای ارزیابی طرح های جدید و تعیین اینکه آیا آنها در محیط موجود کار می کنند یا خیر، به همراه دارد.

شکل 5 واحد حافظه داخلی شبکه LSTM را نشان می دهد . این کار یک مدل ترکیبی با ترکیب LSTM برای افزایش پیش‌بینی مصرف انرژی ساختمان پیشنهاد کرد. با ویژگی های ورودی و داده های مناسب، مدل پیشنهادی می تواند به طور مداوم با تغییرات خارجی سازگار شود و توانایی پیش بینی خوبی را حفظ کند. این تحقیق بررسی می کند که چگونه جنبه های ساختمان باینری بر مصرف انرژی تأثیر می گذارد. ویژگی‌های باینری روابط داده‌های غیرخطی را بهتر توصیف می‌کنند و دقت و تعمیم مدل را افزایش می‌دهند. با استفاده از مکانیزم آستانه، LSTM به موضوع ناپدید شدن گرادیان می‌پردازد و می‌توان از آن برای تحلیل و پیش‌بینی داده‌های وابسته بلندمدت استفاده کرد. در نتیجه، LSTM یک رویکرد پیشرفته برای حل مسائل پیش‌بینی سری زمانی در نظر گرفته می‌شود. چهار لایه حافظه به طور منحصر به فرد در الگوریتم LSTM تعامل دارند. ظرفیت ذخیره سازی یک شبکه توسط LSTM افزایش می یابد که خروجی، ورودی جریان و وضعیت واحد قبلی را نظارت می کند.

 . واحد حافظه داخلی شبکه های LSTM.