Μοντέλο τεχνητής νοημοσύνης για την πρόβλεψη των ρύπων από εμπορικά και βιομηχανικά κτίρια αναπτύσσει ομάδα ερευνητών με επικεφαλής την Dr Georgina Cosma, λέκτορα στο Τμήμα Επιστήμης Υπολογιστών του Πανεπιστημίου του Λάφμπορο, στο Νότιγχαμ της Αγγλίας.
Ζούμε σε μια εποχή κατά την οποία η τεχνητή νοημοσύνη (artificial intelligence [ΑΙ]) έχει διεισδύσει σε αρκετούς τομείς και πλέον μπορεί να δώσει λύσεις και στον κατασκευαστικό κλάδο. Μια ομάδα ερευνητών από το Loughborough University (Πανεπιστήμιο του Λάφμπορο) στο Ηνωμένο Βασίλειο με επικεφαλής την Dr Georgina Cosma δημιούργησε ένα σύστημα τεχνητής νοημοσύνης το οποίο μπορεί να προβλέψει την ενεργειακή απόδοση των κτιρίων σε λιγότερο από ένα δευτερόλεπτο.
Σε μια εποχή όπου το Ηνωμένο Βασίλειο προσπαθεί να μειώσει όσο το δυνατόν περισσότερο τις εκπομπές ρύπων έως το 2050, ο έγκαιρος και ακριβής υπολογισμός της ενεργειακής απόδοσης αποτελεί ένα ζωτικό συστατικό της διαδικασίας σχεδιασμού για νέα και ανακαινισμένα κτίρια.
Επιστήμονες υπολογιστών από το Πανεπιστήμιο του Loughborough συνεργάστηκαν με την πολυεπιστημονική συμβουλευτική μηχανικών Cundall, με σκοπό να δημιουργήσουν ένα σύστημα τεχνητής νοημοσύνης το οποίο θα μπορεί να προβλέψει τα ποσοστά εκπομπών ρύπων BER (building emission ratio: μια σημαντική τιμή που χρησιμοποιείται για τον υπολογισμό της ενεργειακής απόδοσης των κτιρίων) σε μη οικιακά κτίρια.
Οι τρέχουσες μέθοδοι μπορεί να χρειαστούν ώρες μέχρι και μέρες για τον υπολογισμό των ρύπων και απαιτούν χειρωνακτική εισαγωγή εκατοντάδων μεταβλητών.
Η Dr Georgina Cosma και ο μεταπτυχιακός φοιτητής Kareem Ahmed, από τη Σχολή Επιστημών του Πανεπιστημίου Loughborough, έχουν σχεδιάσει ένα μοντέλο τεχνητής νοημοσύνης και μηχανικής μάθησης για την πρόβλεψη των τιμών BER με 27 εισόδους, το οποίο έχει πολύ χαμηλό ποσοστό αποτυχίας.
Το προτεινόμενο μοντέλο τεχνητής νοημοσύνης δημιουργήθηκε με την υποστήριξη του κ. Edwin Wealend (επικεφαλής του τμήματος Έρευνας και Καινοτομίας της συμβουλευτικής εταιρείας Cundall), , αξιοποιεί δεδομένα μεγάλης κλίμακας που ελήφθησαν από τις εκτιμήσεις ενεργειακής απόδοσης της κυβέρνησης του Ηνωμένου Βασιλείου και μπορεί να δημιουργήσει μια τιμή BER σχεδόν αμέσως.
Η Dr Cosma από την μεριά της υποστηρίζει: «Είναι ένα σημαντικό πρώτο βήμα προς τη χρήση εργαλείων μηχανικής μάθησης για την πρόβλεψη ενέργειας στο Ηνωμένο Βασίλειο, και δείχνει πώς τα δεδομένα μπορούν να βελτιώσουν τις παραδοσιακές διαδικασίες στον κατασκευαστικό κλάδο».
Τι είναι λοιπόν το BER και γιατί είναι σημαντικό;
Για να κατανοήσουμε τη σημασία των BER, πρέπει πρώτα να αναφερθούμε στα πιστοποιητικά ενεργειακής απόδοσης (Energy Performance Certificates Επιστήμονες υπολογιστών από το Πανεπιστήμιο του Loughborough συνεργάστηκαν με την πολυεπιστημονική συμβουλευτική μηχανικών Cundall, με σκοπό να δημιουργήσουν ένα σύστημα τεχνητής νοημοσύνης το οποίο θα μπορεί να προβλέψει τα ποσοστά εκπομπών ρύπων BER (building emission ratio: μια σημαντική τιμή που χρησιμοποιείται για τον υπολογισμό της ενεργειακής απόδοσης των κτιρίων) σε μη οικιακά κτίρια.
Οι τρέχουσες μέθοδοι μπορεί να χρειαστούν ώρες μέχρι και μέρες για τον υπολογισμό των ρύπων και απαιτούν χειρωνακτική εισαγωγή εκατοντάδων μεταβλητών.
Η Dr Georgina Cosma και ο μεταπτυχιακός φοιτητής Kareem Ahmed, από τη Σχολή Επιστημών του Πανεπιστημίου Loughborough, έχουν σχεδιάσει ένα μοντέλο τεχνητής νοημοσύνης και μηχανικής μάθησης για την πρόβλεψη των τιμών BER με 27 εισόδους, το οποίο έχει πολύ χαμηλό ποσοστό αποτυχίας.
Το προτεινόμενο μοντέλο τεχνητής νοημοσύνης δημιουργήθηκε με την υποστήριξη του κ. Edwin Wealend (επικεφαλής του τμήματος Έρευνας και Καινοτομίας της συμβουλευτικής εταιρείας Cundall), , αξιοποιεί δεδομένα μεγάλης κλίμακας που ελήφθησαν από τις εκτιμήσεις ενεργειακής απόδοσης της κυβέρνησης του Ηνωμένου Βασιλείου και μπορεί να δημιουργήσει μια τιμή BER σχεδόν αμέσως.
Η Dr Cosma από την μεριά της υποστηρίζει: «Είναι ένα σημαντικό πρώτο βήμα προς τη χρήση εργαλείων μηχανικής μάθησης για την πρόβλεψη ενέργειας στο Ηνωμένο Βασίλειο, και δείχνει πώς τα δεδομένα μπορούν να βελτιώσουν τις παραδοσιακές διαδικασίες στον κατασκευαστικό κλάδο».
Τι είναι λοιπόν το BER και γιατί είναι σημαντικό;
Για να κατανοήσουμε τη σημασία των BER, πρέπει πρώτα να αναφερθούμε στα πιστοποιητικά ενεργειακής απόδοσης (Energy Performance Certificates [EPC]).
Στο Ηνωμένο Βασίλειο, ένα EPC πρέπει να εκδίδεται κάθε φορά που ένα κτίριο πωλείται, νοικιάζεται ή κατασκευάζεται. Παρέχει μια ένδειξη για την ενεργειακή απόδοση ενός κτιρίου, περιέχει πληροφορίες σχετικά με το τυπικό ενεργειακό κόστος του κτιρίου και προτείνει τρόπους ώστε να γίνει ενεργειακά πιο αποδοτικό.
Το μοντέλο AI
Στην πρόσφατή τους εργασία, η Dr Cosma και η ερευνητική ομάδα της απέδειξαν ότι το σύστημα τεχνητής νοημοσύνης μπορεί να δημιουργήσει μια τιμή BER για μη οικιακά κτίρια σε λιγότερο από ένα δευτερόλεπτο και με μόλις 27 μεταβλητές, με μικρή απώλεια ακρίβειας και με πιο γρήγορη και αποτελεσματική διαδικασία.
Οι ερευνητές χρησιμοποίησαν έναν αλγόριθμο μηχανής, κατασκεύασαν και επικύρωσαν το σύστημα χρησιμοποιώντας 81.137 εγγραφές πραγματικών δεδομένων που περιέχουν πληροφορίες για μη οικιακά κτίρια σε ολόκληρο το Ηνωμένο Βασίλειο από το 2010 έως το 2019. Τα δεδομένα περιείχαν πληροφορίες όπως για χωρητικότητα κτιρίου, τοποθεσία, θέρμανση, φωτισμό, ψύξη και άλλα.
Η ομάδα επικεντρώθηκε στον υπολογισμό των τιμών για μη οικιακά κτίρια, όπως είναι καταστήματα, γραφεία, εργοστάσια, σχολεία, εστιατόρια, νοσοκομεία και πολιτιστικά ιδρύματα, καθώς αυτά είναι μερικά από τα πιο ενεργοβόρα κτίρια στο Ηνωμένο Βασίλειο. Έτσι η κατανόηση του τρόπου βελτίωσης της αποδοτικότητάς τους μπορεί να είναι χρήσιμη στις διαδικασίες σχεδιασμού και ανακαίνισης.
Η Dr Cosma σχολίασε σχετικά: «Υπάρχουν μελέτες σχετικά με τις εφαρμογές της μηχανικής μάθησης στην ενεργειακή πρόβλεψη των κτιρίων, αλλά αυτές είναι περιορισμένες. Και παρόλο που αποτελούν μόνο το 8% όλων των κτιρίων, τα μη οικιακά κτίρια αντιπροσωπεύουν το 20% των συνολικών εκπομπών CO2 του Ηνωμένου Βασιλείου».
Από την πλευρά του, ο κ. Edwin Wealend της συμβουλευτικής Cundall πρόσθεσε: «Τελικά, ελπίζουμε να βασιστούμε στις τεχνικές που αναπτύχθηκαν σε αυτό το έργο για να προβλέψουμε την πραγματική ενεργειακή κατανάλωση. Με την πρόβλεψη της κατανάλωσης ενέργειας και των εκπομπών μη οικιακών κτιρίων γρήγορα και με ακρίβεια, μπορούμε να εστιάσουμε σε ένα περισσότερο σημαντικό έργο: στη μείωση της κατανάλωσης ενέργειας φτάνοντας στο καθαρό μηδέν”
*Αναδημοσίευση από το επίσημο σάιτ του Πανεπιστημίου του Λάφμπορο: https://www.lboro.ac.uk/science/news/2021/new-ai-system-predicts-building-energy-rates-in-less-than-a-second.html.
