BIM Integration with XAI Using LIME and MOO for Automated Green Building Energy Performance Analysis

石灰 绿色建筑 建筑工程 计算机科学 环境科学 工程类 材料科学 冶金
作者
Abdul Mateen Khan,Muhammad Abubakar Tariq,Sardar Kashif Ur Rehman,Talha Saeed,Fahad Alqahtani,Mohamed Sherif
出处
期刊:Energies [MDPI AG]
卷期号:17 (13): 3295-3295 被引量:5
标识
DOI:10.3390/en17133295
摘要

Achieving sustainable green building design is essential to reducing our environmental impact and enhancing energy efficiency. Traditional methods often depend heavily on expert knowledge and subjective decisions, posing significant challenges. This research addresses these issues by introducing an innovative framework that integrates building information modeling (BIM), explainable artificial intelligence (AI), and multi-objective optimization. The framework includes three main components: data generation through DesignBuilder simulation, a BO-LGBM (Bayesian optimization–LightGBM) predictive model with LIME (Local Interpretable Model-agnostic Explanations) for energy prediction and interpretation, and the multi-objective optimization technique AGE-MOEA to address uncertainties. A case study demonstrates the framework’s effectiveness, with the BO-LGBM model achieving high prediction accuracy (R-squared > 93.4%, MAPE < 2.13%) and LIME identifying significant HVAC system features. The AGE-MOEA optimization resulted in a 13.43% improvement in energy consumption, CO2 emissions, and thermal comfort, with an additional 4.0% optimization gain when incorporating uncertainties. This study enhances the transparency of machine learning predictions and efficiently identifies optimal passive and active design solutions, contributing significantly to sustainable construction practices. Future research should focus on validating its real-world applicability, assessing its generalizability across various building types, and integrating generative design capabilities for automated optimization.
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
1秒前
尔东发布了新的文献求助10
1秒前
2秒前
大有阳光应助min20210429采纳,获得10
3秒前
春华秋实发布了新的文献求助10
3秒前
li发布了新的文献求助30
4秒前
4秒前
不甜完成签到,获得积分10
4秒前
刘YF发布了新的文献求助10
4秒前
西子阳发布了新的文献求助10
5秒前
linjie发布了新的文献求助10
6秒前
踏实的酸奶完成签到,获得积分10
7秒前
aaa发布了新的文献求助10
7秒前
香蕉半邪发布了新的文献求助10
7秒前
MUZI完成签到,获得积分10
8秒前
9秒前
暗月皇完成签到,获得积分10
10秒前
11秒前
窦飞荷完成签到,获得积分10
11秒前
研友_Z7mKyL发布了新的文献求助10
11秒前
zzzzz完成签到,获得积分10
12秒前
通~发布了新的文献求助10
14秒前
14秒前
丰富的不惜完成签到,获得积分10
14秒前
无花果应助尔东采纳,获得10
15秒前
li完成签到,获得积分0
15秒前
Gino完成签到,获得积分0
15秒前
腼腆的赛君完成签到,获得积分10
16秒前
sqrt138发布了新的文献求助100
16秒前
上官若男应助科研通管家采纳,获得10
16秒前
Jasper应助科研通管家采纳,获得10
16秒前
小蘑菇应助科研通管家采纳,获得10
16秒前
英俊的铭应助科研通管家采纳,获得10
16秒前
共享精神应助科研通管家采纳,获得10
16秒前
科研通AI2S应助科研通管家采纳,获得10
16秒前
李健应助科研通管家采纳,获得10
16秒前
科研通AI2S应助科研通管家采纳,获得10
17秒前
哎嘿应助科研通管家采纳,获得10
17秒前
李爱国应助科研通管家采纳,获得10
17秒前
高分求助中
Evolution 10000
Sustainability in Tides Chemistry 2800
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
Diagnostic immunohistochemistry : theranostic and genomic applications 6th Edition 500
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 3156020
求助须知:如何正确求助?哪些是违规求助? 2807409
关于积分的说明 7872961
捐赠科研通 2465760
什么是DOI,文献DOI怎么找? 1312375
科研通“疑难数据库(出版商)”最低求助积分说明 630083
版权声明 601905