.png){kind=icon}
返回
A Machine Learning Classifier for Optimizing Materials and Energy Efficiency in Infrastructure
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-05545-3_23.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
优化基础设施中的材料与能源效率对于可持续性、成本降低和环境影响缓解至关重要。本研究引入SVC-Plus，一种先进的支持向量分类（SVC）模型，旨在提升材料选择和能源优化中的预测精度与决策能力。该模型整合了核函数优化、高级超参数调优、集成学习和自适应支持向量精炼，显著提高了分类性能。为保障可解释性，先进的人工智能系统被集成，使利益相关者能够理解模型的决策过程。研究将SVC-Plus与传统分类器进行对比，识别出该领域传统模型的局限性。数据集源自基础设施数据库、能源监控系统及材料效率报告，包含1000个样本，关键特征包括能耗、生产产出、效率等级、智能建筑传感器数据及可持续性报告，且行业分布均衡。缺失值通过插值和填充处理，数值特征经标准化，分类特征采用独热编码和标签编码，并应用Min-Max缩放以确保一致性。本研究提出了一种真实部署模型，以实现实时决策，借助物联网集成进行持续监测与优化。结果表明，相比传统模型，其分类准确率（99.33%）、精确率（0.9933）和召回率（0.9934）均表现更优，同时具备鲁棒性和适应性。本研究弥合了机器学习进展与可持续基础设施管理之间的差距，为建筑环境中的资源效率优化提供了智能、可扩展且可解释的解决方案。未来将考虑混合深度学习模型、迁移学习、实时传感器数据集成及多目标优化，以确保在多样化基础设施领域的可扩展性与适应性。
Keyword:
Energy Efficiency
Gradient Boosting
Machine Learning
Material Optimization SVC-Plus
Viable Infrastructure
期刊
P
IF:
0
论文数:
37
被引数:
0
机构
暂无机构信息
引用论文
The role of green building materials in sustainable architecture: Innovations, challenges, and future trends绿色建筑材料在可持续建筑中的作用：创新、挑战及未来趋势
OAAI
OAAI分享收藏The impact of AI on boosting renewable energy utilization and visual power plant efficiency in contemporary construction人工智能对当代建筑可再生能源利用和视觉发电厂效率的影响
PREAI
分享收藏Optimizing Energy Efficiency in Operating Built Environment Assets through Building Information Modeling: A Case Study.png)
Energies
OAAI
EnergiesIF0
OAAI分享收藏Optimizing Energy Efficiency: A Comprehensive Analysis Of Building Design ParametersMorshed, A.; Manjur, K.A. 优化能源效率：建筑设计参数的综合分析。SSRN Electron. J. 2025. [Google Scholar] [CrossRef]
PREAI
分享收藏
查看更多内容