建立库存模型新方法的GIS大数据分析

建立库存模型新方法的GIS大数据分析

建立库存模型GIS大数据分析方法列举:

•基于综合GIS数据的大规模自下而上建筑能耗需求模型。

•用于能源需求计算的高分辨率气候数据库。

•考虑位置和建筑物特定的太阳辐射和阴影。

•使用蒙特卡罗模拟进行不确定性量化。

•基于瑞士两个城市1845栋建筑的模型验证。

抽象

建筑热需求占全球最终总能耗的很大一部分。建立具有高时空分辨率的库存模型是研究旨在提高能效的新建筑政策的效果,引入新的供热技术或基于可再生能源的能源系统内的建筑物整合的有力工具。因此,建筑库存模型必须能够模拟建筑物中使用过的材料的改进和变化。在本文中,我们提出了一种基于广义大规模地理信息系统(GIS)的方法来模拟具有高时间分辨率的大区域的建筑热需求。与现有的建筑库存模型相比,我们的方法允许从数字高程模型推导出所有建筑物的包络,并模拟位置相关的效应,例如由于地形和气候条件造成的阴影。我们将温度和太阳辐射的时空气候数据整合到复杂地形的气候影响模型中。该模型根据一个数据库进行验证,该数据库包含瑞士圣加仑市1845座建筑物的测量能源需求以及瑞士Zernez的阿尔卑斯村庄的120座建筑物。所提出的模型能够通过使用描述自然和人为土地特征的空间数据来评估和研究大区域。验证结果是平均的合身度(我们将温度和太阳辐射的时空气候数据整合到复杂地形的气候影响模型中。该模型根据一个数据库进行验证,该数据库包含瑞士圣加仑市1845座建筑物的测量能源需求以及瑞士Zernez的阿尔卑斯村庄的120座建筑物。所提出的模型能够通过使用描述自然和人为土地特征的空间数据来评估和研究大区域。验证结果是平均的合身度(我们将温度和太阳辐射的时空气候数据整合到复杂地形的气候影响模型中。该模型根据一个数据库进行验证,该数据库包含瑞士圣加仑市1845座建筑物的测量能源需求以及瑞士Zernez的阿尔卑斯村庄的120座建筑物。所提出的模型能够通过使用描述自然和人为土地特征的空间数据来评估和研究大区域。验证结果是平均的合身度(所提出的模型能够通过使用描述自然和人为土地特征的空间数据来评估和研究大区 。验证结果是平均的合身度(所提出的模型能够通过使用描述自然和人为土地特征的空间数据来评估和研究大区域。验证结果是平均的合身度([R2)的  0.6

 

You may also like...


Warning: Division by zero in /var/www/html/giserdqy/wp-includes/comment-template.php on line 1457

发表评论