Data acquisition for urban building energy modeling: A review

计算机科学 数据采集 桥(图论) 数据科学 多学科方法 实验数据 数据挖掘 系统工程 工程类 数学 社会科学 医学 统计 操作系统 内科学 社会学
作者
Chao Wang,Martina Ferrando,Francesco Causone,Xing Jin,Xin Zhou,Xing Shi
出处
期刊:Building and Environment [Elsevier]
卷期号:217: 109056-109056 被引量:10
标识
DOI:10.1016/j.buildenv.2022.109056
摘要

Urban Building Energy Modeling (UBEM) is essential for urban energy-related applications. Its generation mainly requires four data inputs, including geometric data, non-geometric data, weather data, and validation and calibration data. A reliable UBEM depends on the quantity and accuracy of the data inputs. However, the lack of available data and the difficulty in determining stochastic data are two of the main barriers in the development of UBEM. To bridge the research gaps, this paper reviews appropriate acquisition approaches for four data inputs, learning from both building science and other disciplines such as geography, transportation and computer science. In addition, detailed evaluations are also conducted in each part of the study, and the performance of the approaches are discussed, as well as the availability and cost of the implemented data. Systematic discussion, multidisciplinary analysis and comprehensive evaluation are the highlights of this review. • Appropriate and potential data acquisition approaches for UBEM are summarized. • The approaches are learnt from both building science and other disciplines. • Detailed evaluations are conducted on the performance of the approaches. • The availability and cost of the implemented data are also analyzed.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1秒前
标致的问晴完成签到,获得积分10
1秒前
hao123发布了新的文献求助10
2秒前
2秒前
swing发布了新的文献求助20
2秒前
刘英俊发布了新的文献求助10
3秒前
3秒前
顾大喵完成签到,获得积分10
3秒前
无奈芮发布了新的文献求助10
3秒前
4秒前
李爱国应助彬墩墩采纳,获得10
4秒前
galanodel99发布了新的文献求助10
4秒前
hanshuo4400发布了新的文献求助10
5秒前
包容夏寒发布了新的文献求助10
5秒前
酷波er应助微笑的寒梦采纳,获得10
5秒前
踏实怜梦完成签到,获得积分20
5秒前
不会起名完成签到 ,获得积分10
5秒前
能干的邹完成签到 ,获得积分10
6秒前
6秒前
songyy发布了新的文献求助10
8秒前
9秒前
猫猫熊发布了新的文献求助10
9秒前
gqq完成签到,获得积分10
9秒前
9秒前
项听蓉完成签到,获得积分10
10秒前
10秒前
FashionBoy应助栗子采纳,获得10
10秒前
11秒前
歪比巴卜发布了新的文献求助20
11秒前
深情安青应助二零三采纳,获得10
11秒前
周发发发布了新的文献求助10
12秒前
Ava应助能干豆芽采纳,获得10
12秒前
12秒前
13秒前
13秒前
Dr_Zhu完成签到,获得积分10
13秒前
杳鸢应助笑点低的凉面采纳,获得10
13秒前
14秒前
zjh完成签到,获得积分10
14秒前
JAMES发布了新的文献求助10
15秒前
高分求助中
Medicina di laboratorio. Logica e patologia clinica 600
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
Sarcolestes leedsi Lydekker, an ankylosaurian dinosaur from the Middle Jurassic of England 500
Machine Learning for Polymer Informatics 500
《关于整治突出dupin问题的实施意见》(厅字〔2019〕52号) 500
2024 Medicinal Chemistry Reviews 480
Women in Power in Post-Communist Parliaments 450
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3217353
求助须知:如何正确求助?哪些是违规求助? 2866617
关于积分的说明 8152518
捐赠科研通 2533308
什么是DOI,文献DOI怎么找? 1366190
科研通“疑难数据库(出版商)”最低求助积分说明 644710
邀请新用户注册赠送积分活动 617698