2022 Fiscal Year Research-status Report
Integration of building physics models and machine learning models through transfer learning and application to building operations
| Project/Area Number |
22K04436
|
|---|
| 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
|
| Keywords | パッシブデザイン / 機械学習 |
|---|
| 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。
初年度となる本年度は、この機械学習モデルの構築と高度化を目的に、転移学習における考え方の適用を検討した。転移学習は、既存のデータにより構築した学習モデルを転用し、限られた量の新規データに対しても活用可能な学習モデルを効率的に構築するものである。その手法としては、ニューラルネットワークの一部の層の学習を、新規データで再構築するものがあげられる。本課題では、設計時のシミュレーション環境上で構築する学習モデルを基に、運用時の実環境においても有効な学習モデルの再構築を実現するよう、転移学習の活用を候補に、その方法論を検討する。今年度は、仮想建物を対象に、建物条件の変更に伴う学習モデルの再構築における効率化を検討し、その有効性を確認した。
|
| 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 |
初年度となる今年度に、本研究課題の目標を達成するための理論構築が順調に進んでいるため、次年度以降は、ケーススタディの対象を増やすことで、本研究が課題とする建築設計の多様性に柔軟に適用可能な研究成果の導出を検討していきたい。
|
| Causes of Carryover |
新型コロナの感染拡大により、予定していた旅費を用いた情報収集や成果発表の対面での機会が得られなかった。これらの活動は、次年度以降に継続していることを想定しており、そのための経費を見込む。
|
