| Project/Area Number |
22K04436
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 23020:Architectural environment and building equipment-related
|
|---|
| Research Institution | Meiji University |
|---|
Principal Investigator |
樋山 恭助 明治大学, 理工学部, 専任教授 (10533664)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
光永 威彦 明治大学, 理工学部, 専任講師 (20882822)
|
|---|
| Project Period (FY) |
2022-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000)
Fiscal Year 2024: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
Fiscal Year 2023: ¥1,820,000 (Direct Cost: ¥1,400,000、Indirect Cost: ¥420,000)
Fiscal Year 2022: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
|
|---|
| Keywords | パッシブデザイン / 機械学習 |
|---|
| Outline of Research at the Start |
建築物に導入された自然換気等のパッシブ技術の運用に関し、建築物理モデルと機械学習モデルを統合した高度な建物運用のための制御ロジックを構築する。一品生産となる建築物において、建物毎に異なる個々の特徴が、建物内の実現環境に対し顕著な差異を与える現象に対しては、一般的な機械学習モデルが求めるビッグデータを収集することは難しい。この課題に対し、本研究は、建築環境シミュレーションにより生成したデータ群を用いた初期モデルを構築することで、建築物理の法則に沿った特徴量変数と目的関数のネットワークを担保し、機械学習を用いることで実際の建物内で観測される現象に適合したモデルへ発展させる。
|
| Outline of Annual Research Achievements |
本研究課題は、建築物に導入された自然換気や日射制御等のパッシブ技術の運用に関し、建築物理モデルと機械学習モデルを統合した高度な建物運用のための制御ロジックを構築する。一品生産となる建築物において、建物毎に異なる個々の特徴が、建物内の実現環境に対し顕著な差異を与える現象に対しては、一般的な機械学習モデルが求めるビッグデータを収集することは難しい。この課題に対し、本研究は、建築環境シミュレーションにより生成したデータ群を用いた初期モデルを構築することで、建築物理の法則に沿った特徴量変数と目的関数のネットワークを担保し、機械学習を用いることで実際の建物内で観測される現象に適合したモデルへ発展させることを検討する。
本年度は、前年度に検討したモデル構築の方法論と転移学習の適用による高度化の可能性を、ケーススタディを通して確認した。ケーススタディは、エレクトロクロミックガラスによるオフィス内の室内環境調整を対象に行い、窓ガラスの日射遮蔽性能の調整に伴う室温の将来的な変化を予測する。この際、室温の推移は、日射熱取得率の変化に伴う日射熱取得量の増減に加え、蓄熱による時間差を伴った放熱現象に影響を受ける。このため、朝方の暖房起ち上げ時に、日射熱取得が負荷低減に寄与する条件下でも、過度な蓄熱による時間差を伴った放熱が、日中の室内環境を悪化させる懸念がある。そこで、早朝のガラスの日射熱取得性能の変化に伴う1日の室温推移の予測は、日射遮蔽の運用計画の立案を助ける。ケーススタディでは、まずは室温推移の予測のために機械学習モデルを構築し、その有用性を確認した。また、構築したモデルに対し既往データを用いた転移学習を適用することで、建物サイズや窓方位、立地条件を変化させた新規の建物に対しても、機械学習モデルを有用性を示す程度まで精緻化するに必要とする運用データを削減することが可能なことが確認された。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
申請時の研究計画におおむね沿った内容で研究を進めており、順調に進展している。
|
| Strategy for Future Research Activity |
初年度に検討した機械学習モデル構築の考え方を基に、具体性を持ったケーススタディを通した適用対象の検討を進めることで、建築の環境性能の高度化に貢献する研究成果が得られる見込みがたった。今後、研究成果の対外的な発表等を通し、その評価を受けつつ改善点を見つけることで、最終的な成果物の構築を進める。
|
