Metodología de selección de variables de entrada basada en IA explicativa (XAI) para predecir el consumo de energía
Autores: Sim, Taeyong; Choi, Seonbin; Kim, Yunjae; Youn, Su Hyun; Jang, Dong-Jin; Lee, Sujin; Chun, Chang-Jae
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Metodología de selección de variables de entrada basada en IA explicativa (XAI) para predecir el consumo de energía
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Metodología
Variables de entrada
XAI
Predicción del consumo de energía
Modelo de predicción
Seúl
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 30
Citaciones: Sin citaciones
Esta investigación propone una metodología para la selección de variables de entrada basada en Inteligencia Artificial Explicable (XAI) para la predicción del consumo de energía. Con este propósito, se seleccionó el modelo de predicción del consumo de energía (R = 0.871; MAE = 2.176; MSE = 9.870) recopilando los datos de energía utilizados en la construcción de un edificio de una universidad en Seúl, República de Corea. Aplicando XAI a los resultados del modelo de predicción, las variables de entrada se dividieron en tres grupos según la expectativa de la puntuación de clasificación.
Descripción
Esta investigación propone una metodología para la selección de variables de entrada basada en Inteligencia Artificial Explicable (XAI) para la predicción del consumo de energía. Con este propósito, se seleccionó el modelo de predicción del consumo de energía (R = 0.871; MAE = 2.176; MSE = 9.870) recopilando los datos de energía utilizados en la construcción de un edificio de una universidad en Seúl, República de Corea. Aplicando XAI a los resultados del modelo de predicción, las variables de entrada se dividieron en tres grupos según la expectativa de la puntuación de clasificación.