Tối ưu hóa ước tính mức tiêu thụ năng lượng trong các tòa nhà dựa trên các thuật toán trí tuệ nhân tạo

Trang 1

Đại Học Quốc Gia TP Hồ Chí Minh TRƯỜNG ĐẠI HỌC BÁCH KHOA

LE TAN TAI

TOI UU HOA UOC TINH MUC TIEU THU NANG LUONG TRONG CÁC TỊA NHÀ DỰA TRÊN CÁC THUẬT TỐN

TRÍ TUỆ NHÂN TẠO Chuyên ngành : QUÁN LÝ XÂY DỰNG Mã số ngành : 60.58.03.02

LUẬN VĂN THẠC SĨ

TP HO CHI MINH, thang 01 nim 2020

Trang 2

ĐẠI HỌC QUOC GIA THÀNH PHƠ HỖ CHÍ MINH

Cán bộ Hướng dẫn khoa học : TS Trần Đức Học

Luận Văn Thạc Sĩ được bảo vệ tại: Trường Đại học Bách Khoa thành phố Hồ Chí

Minh, ngay 11 thang 1 nam 2020

Thanh phần Hội đồng đánh giá luận văn thạc sĩ gồm:

1 TS Lê Hồi Long

PGS.TS Lương Đức Long

TS Đinh Cơng Tịnh TS Phạm Vũ Hồng Sơn

TS Dang Ngoc Chau

yk

Yb

CHU TICH HOI DONG TRUONG KHOA

KY THUAT XAY DUNG

Trang 3

Tp HCM, ngày tháng nam 20

NHIEM VU LUAN VAN THAC Si

Ho tén hoc vién: LE TAN TAI MSHV: 1770424

Ngay, thang, nam sinh: 05 — 07 - 1994 Noi sinh: Quy Nhon

Chuyên ngành: Quản Lý Xây Dựng Mã số: 60580302

1- TÊN ĐÈ TÀI:

TOI UU HOA UOC TINH MUC TIEU THU NANG LUQNG TRONG CAC TỊA NHÀ DỰA TRÊN CÁC THUẬT TỐN TRÍ TUỆ NHÂN TẠO 2- NHIỆM VỤ LUẬN VĂN:

- Xác định được những nhân tố ảnh hưởng đến nhu cầu tiêu thụ năng lượng của các tịa nhà chung cư tại TP Hơ Chí Minh

- Đánh giá, xếp hạng các nhân tơ từ đĩ đưa ra được những nhân tổ ảnh hưởng nhất đến nhu câu tiêu thụ năng lượng của các tịa nhà chung cư

_- Xây dựng mơ hình ước tính mức tiêu thụ năng lượng của các tịa nhà chung cư băng các thuật tốn trí tuệ nhân tạo

- Đề xuất mộ hình nhằm tối ưu hĩa ước tính mức tiêu thụ năng lượng của các tịa nhà chung cư băng cách kết hợp các mơ hình trí tuệ nhân tạo

3- NGÀY GIAO NHIỆM VỤ: 19/08/2019

4- NGÀY HỒN THÀNH NHIỆM VỤ: 08/12/2019

5- HO VA TEN CAN BO HUONG DAN: TS TRAN DUC HOC

CAN BO HUONG DAN CHU NHIEM BO MON

TS Trần Đức Học TS Đỗ Tiến Sỹ

Trang 4

Lời đầu tiên, tơi xin chân thành cảm ơn sâu sắc đến đến TS Trần Đức Học,

Thay đã tận tình hướng dẫn và đĩng gĩp nhiều ý kiến quý báu trong suốt quá trình tơi thực hiện luận văn Những ý kiến gĩp ý, hướng dan cia Thay 1a rat quan trong cho thành cơng của luận văn này

Xin chân thành cảm ơn quý Thầy, Cơ Khoa Kỹ Thuật Xây Dựng - bộ mơn Thỉ Cơng và Quản lý Xây dựng đã truyền đạt những kiến thức bỏ ích trong suốt thời gian tơi học chương trình cao học

Xin cảm ơn các anh chị, bạn bè cùng lớp 2017 và những người bạn, anh chị em

đồng nghiệp đã chia sẻ kinh nghiệm và dành thời gian hỗ trợ tơi thực hiện tốt giai đoạn

khảo sát dữ liệu trước khi tiến hành nghiên cứu Các chia sẻ về kiến thức và kinh

nghiệm của các anh chị, các bạn đã được ghi nhận vào thành quả của luận văn

Và cuỗi cùng, tơi xin đặc biệt cảm ơn đến những người thân trong gia đình đã luơn đồng hành, động viên hỗ trợ về mọi mặt để tơi yên tâm hồn thành tốt luận văn này

T1p HCM,ngày tháng năm 20

Trang 5

Hiện nay, tiết kiệm năng lượng là một trong những vẫn đề cấp thiết khơng chỉ trong phạm vi từng quốc gia mà đã trở thành vấn đề của tồn thế giới Thay đổi khí hậu và tăng giá các loại năng lượng cùng với chất lượng cuộc sống con người ngày càng cao nên càng phụ thuộc nhiều vào các nguồn năng lượng Thiết kế của các tịa

nhà hiện nay khơng chỉ phải tạo sự tiện nghĩ, thoải mái cho người sử dụng mà cịn tối

ưu hĩa sử dụng năng lượng và giảm thiểu tơi đa tác động xấu đối với mơi trường Luận văn trình bày kết quả cuộc khảo sát những nhân tố ảnh hưởng đến nhu cầu tiêu thụ năng lượng của tịa nhà chung cư Cuộc khảo sát được thực hiện thơng qua bảng câu hỏi khảo sát và phân tích số liệu thống kê Kết quả khảo sát đã xếp hạng được các tiêu chí ảnh hưởng đến nhu cầu tiêu thụ năng lượng của tịa nhà chung cư Luận

văn đã chỉ ra 12 nhân tố ảnh hưởng nhất đến nhu cầu tiêu thụ năng lượng của tịa nhà

chung cư

Tiếp theo luận văn đã xây dựng mơ hình mơ hình dự đốn mức tiêu thụ năng lượng của tịa nhà chung cư bằng 6 thuật tốn về trí tuệ nhân tạo Sử dụng kiểm chứng chéo 10-fold để giảm thiểu sai số liên quan đến lẫy mẫu ngẫu nhiên trong quá trình đào tạo Đánh giá các mơ hình đơn thơng qua các chỉ số tổng hợp SI Từ đĩ kết hợp các mơ

hình cĩ hiệu suất tốt nhất lại để tối ưu hĩa mơ hình dự đốn mức tiêu thụ năng lượng

Trang 6

county but also of the world Because climete change and incresing prices of energy, along with improvement of the quality of life, so more and more depend on energy The design of current buildings not only creates comfort and convenience for people but also optimizes energy and minimizes negative impacts on the environment

This thesis show the results of the survey on factors affecting the energy consumption needs of apartment buildings The survey was conducted through survey questionnaires and statistical analysis The survey results have ranked the criteria affecting the energy consumption needs of the apartment building The thesis has showed 12 factors that most affect the energy consumption needs of apartment buildings

Trang 7

Tơi xin cam đoan luận văn này do chính tơi thực hiện dưới sự hướng dẫn của TS Trần Đức Học Các số liệu sử dụng phân tích trong luận văn cĩ nguồn gốc rõ ràng, được thu thập từ quá trình khảo sát thực tế và được cơng bố theo đúng quy định

TpHCM, ngày tháng năm 20

Trang 8

MỤC LỤC

CHƯƠNG 1 DAT VAN ĐẺ NGHIÊN CỨU - + 55: 5s £zvzszxererree 8 1.1 GIỚI THIỆU CHỮƯNG :- 2 2 222 SE #EE£E+Ev2EtrEtExzrkrkerxerxerrrrsrred 8 1.2 ĐẶT VẤN ĐỀ NGHIÊN CỨU - ¿2S #EEEE£ESEEEEEErkersrkrsered 8 1.3 MỤC TIÊU NGHIÊN CÍỨU -¿- ¿©5529 #EE£EEE+zErxerrrrrkre 9 1.4 PHẠM VI NGHIÊN CỨU . ¿+ 55 S9EE2EE£xEEEEEEEEEEExrtrrkerrrrerrrie 9 1.5 ĐĨNG GĨP DỰ KIÊN CỦA NGHIÊN CỨU . .- 2-5555 5525 9

1.5.1 Về mặt học thuật - - - - ch ng re 9

1.5.2 Về mặt thre tin ccccccsccssscssscessscssesestessscssessssssessssestssssetssssssseseee 10 CHƯƠNG 2 TƠNG QUANN ¿525 5S E* 3E vEEEEEEEExE1EEEEEEErrkrkrrkee 11 2.1 TƠNG QUAN VỀ HỆ THƠNG NĂNG LƯỢNG VIỆT NAM 11

2.2 TƠNG QUAN VỀ KHAI PHÁ DỮ LIỆU (DATA MINING) 12

2.2.1 Định nghĩa c1 1100211 1 v1 ng HT kg ng vn kh 12 2.2.2 Các phương pháp khai phá dữ liệu .- 5 5 S22 12

2.3 MẠNG THÂN KINH NHÂN TẠO (ANN§) 5c csccccssrceeo 13 2.3.1 Giới thiỆU: + 13t Exvx St HE RE 111 71111111111 13

2.3.2 Thuật tốn mơ hình mạng thần kinh nhân tạo: .- - 5+ +: 14

2.4 CÂY PHÂN LOẠI HƠI QUY (CARTT) .- 5: + s 2*+sz£+>x+£szzcse2 15 2.4.1 Giới thiỆU: - k1 13 E1 TH HE E111 1111111111111 ren 15 2.4.2 Thuật tốn mơ hình cây phân loại hồi quy: . - s55: 15 2.5 TỰ ĐỘNG PHÁT HIỆN TƯƠNG TÁC CHI-SQUARED (CHAID) 16

2.5.1, GIỚI thIỆU : 75c cọ ng nu ve 16

2.5.2 Thuật tốn mơ hình tự động phát hiện tương tác chi-squared 16

2.6 HƠI QUY TUYẾN TÍNH ((LR) + ¿+ 2% EE£E*E£EEEE+EEEszxeErxrxee 17

Trang 9

2.6.2 Thuật tốn mơ hình hồi quy tuyến tính: -2- 555255: 17 2.7 HOI QUY TUYEN TINH TONG QUÁT (GENLTN) - 18 2.7.1 GiGi thius iccecccccscecsssesssscssesessessssesessssssssssseesssssssssssssssssssssssssseseess 18

2.7.2 Thuật tốn mơ hình hỏi quy tuyến tính tổng quát: 18

2.8 MAY HO TRO VECTƠ (SVM) Sàn nv SE evErErkrkrkerrrkeed 18

;5.8Nc 0 8n :.- 18

2.8.2 Thuật tốn mơ hình mãy hỗ trợ vectơ: ¿-5 5255 c2cscss c2 19

2.9 MƠ HÌNH KẾT HỢP (ENSEMBLE MODEL) 2-5555 552 20 2.9.1 Giới thiệu : ¿ 6 tt ExHx ThS EEExEY E111 E111 kg 20 2.9.2 Thuật tốn mơ hình kết hợp : + ¿5 52 2x3 2 vEErkevsrsrerkrsee 20 2.10 PHƯƠNG PHÁP CROSS VALIDATION (KIEM CHUNG CHEO) 21 2.10.1 GiGi thiSus cceccecceccescsssessessessessessessesessessssssssessesssssesssssessessssssseeseeseen 21

2.10.2 Ap dụng phương pháp kiểm chứng chéo: - 52-5 +25 21

CHƯƠNG 3 PHƯƠNG PHÁP NGHIÊN CỨU - -2525c+cxeexecv2 23

3.1 QUY TRÌNH NGHIÊN CỨU - - - E9 9EEEEEE+EEESE+EeEsEsrsrereei 23

4.1.1 Cai ẨOạđ Ì: .- - cọ nọ ni nh cv 23

sac 2 ằằ 24

3.2 PHƯƠNG PHÁP THU THẬP DỮ LIỆU -. ¿55 5252: 24

3.2.1 Xác định những nhân tố ảnh hưởng đến nhu câu tiêu thụ năng lượng của căn hộ chung CƯ: - 111v 19911119 3 1 8 1 ng HH ng Hy kh 24

Trang 10

CHƯƠNG 4 THU THẬP VÀ PHÂN TÍCH DỮ LIỆU GIAI ĐOẠN 1 31

4.1 THU THẬP DỮ LIỆU -¿-¿- 5: 5% E2 SE EEEEEEEEEErErrrtrrkrkrsrrrkrei 31

4.2 ĐẶC ĐIÊM CỦA MẪU NGHIÊN CỨU + - 5+ 2 ++s+££szs+2 31

4.2.1 Sỗ năm kinh nghiệm ¿- - ¿Sở + £E#EE£ EEEEEEEEEEEEEEEEkrkrrsrrris 31 4.2.2 Chuyên ngành và lĩnh vực 1am VIEC .ccsssceeesssseseeesssstseeeesensaeens 32

4.3 KIÊM ĐỊNH CROMBACH”S ALPHA - 5-5 2s svEx+xvxszv+rsrxrsee 33 4.3.1 Nhĩm nhân tố liên quan đến khí hậu 2s s+s+xsz+z 33 4.3.2 Nhĩm nhân tố liên quan đến thiết bị sử dụng điện -.- 34

4.3.3 Nhĩm nhân tố liên quan đến đặc điểm tịa nhà - - 34

4.3.4 Nhĩm nhân tố liên quan đến đặc điểm căn hộ .-.cs 5s ssssv2 35

4.3.5 Nhĩm nhân tố khác - :- ¿+ 5® EEEx#EEErEErxerxerxrrersrrsersrree 36 4.4 XÉP HẠNG MỨC ĐỘ ẢNH HƯỞNG CÁC NHÂN TĨƠ 37

CHUONG 5 THU THẬP DỮ LIỆU VÀ XÂY DỰNG MƠ HÌNH DỰ BÁO GIAI

297.0100077 :11 39 5.1 THU THẬP DỮ LLIỆU -: + 52t St SEEEEEEEEEEErEerxrkrrrrsrrsrrrsee 39 5.2 CÂU TRÚC XÂY DỰNG MƠ HÌNH ¿55c 252252 cecrseeo 41

5.2.1 Sơ đồ quy trình thực hiện : ¿52 13v vEckerrkrkrkerrrxred 41

5.2.2 Phương pháp đánh giá hiệu suất mơ hình : -. 5: +5: 42 5.3 THỰC HIỆN MƠ HỈÌNH: ¿+ 252 SE EEEExEErErkkrkerkrrrrvrrs 43

5.3.1 Phan chia và nhập dữ lIỆU: - 1S SH hy vn 43

5.3.2 Thơng số mơ hình : + 2% E3 9EEEEEEE#EEEEEE+EeEEEErkrkerrrkred 45

5.3.3 Xây dựng mơ hình bằng SPSS Modeler: . - - c5 5 sec szxsei 46

5.4 KÉT QUÁ MƠ HÌNH ĐƠN: 52 1S vEvSEEEEEEESEErrkrkrkrrrkrei 47

5.4.1 Tập DataSetf Ì: c LH HT ng ng 47

Trang 11

5.4.3 Tap DataSet 3: oo -‹(cxaiaấảí44 a 48

5.4.4 Tap DataSet 4: na (ai 48

3.4.5 Lập DataSef Š: ch ng ng 48 3.4.6 Lập DataS€† Õ: HH HH TH ng ng 49 5.4.7 Tap DataSet e 49 5.4.8 Tap DataSe† ổ: cung Hàn ng ng ng gà 49 A80 n8 50 3.4.10 Tập DataSet lŨ: in HH ng kg ng kh 50 5.4.11 Tổng hợp kết quả chỉ số đánh giá: - ¿5 5s sec 50 5.4.12 Tổng hợp kết quả hệ số dự báo tầm quan trọng: -:-‹- 51

5.5 KET QUA MO HINH TONG HỢP: .- 25s 2 S3 EvE5EEEsErrrxrei 54

5.5.1, Phương pháp : - c1 ng ng ng kh 54

8 ‹ 1i 56

“Z8 58

5.5.4 So sánh giữa các mơ hình đơn và mơ hình kết hợp: 59

Trang 12

DANH MUC BANG BIEU

Bang 3.1 Cac nhan t6 anh hưởng đến nhu cấu tiêu thụ năng lượng của căn hộ

CHUNG CU n8 «a.-4 4 25

Bảng 3.2 Phân nhĩm các nhân tố ảnh hưởng đến nhu cẫu tiêu thụ năng lượng của 2891908010101 1u0 2N 4 27

Bảng 4.1 Thống kê số năm kinh nghiệm của người tham gia khảo sát 31

Bảng 4.2 Thống kê chuyên ngành và lĩnh vực làm việc của người tham gia khảo ốc .Ầ Ề.ẻềẦẦằốằằee 32 Bảng 4.3 Hệ số Crombach”s alpha cho tường nhĩm nhân tố - 33

Bảng 4.4 Hệ số Crombach's alpha nhĩm nhân tơ liên quan đến khí hậu 33

Bảng 4.5 Hệ số Crombach's alpha nhĩm nhân tố liên quan đến thiết bị sử dụng ỞIỆN Q0 HH KH g b E g B ĐE EEEEEEE 34 Bảng 4.6 Hệ số Crombach”s alpha nhĩm nhân tơ liên quan đến đặc điểm tịa nhà ¬— ¬ ` 35

Bang 4.7 Hé s6 Crombach’s alpha nhom nhân tố liên quan đến đặc điểm căn hộ ¬ 36

Bảng 4.8 Hệ số Crombach”s alpha nhĩm nhân tố khác 2s: z5 36 Bảng 4.9 Kết quả xếp hạng mức độ ảnh hưởng của các nhân t 37

Bảng 5.1 Những nhân tố ảnh hưởng nhất đến nhu cầu tiêu thụ năng lượng trong 2891908010101 1u0 2N 4 39

Bảng 5.2 Mơ tả đữ liệu -.i cà nh S3 SE 2111271 1111110111111 trrrkd 40 Bảng 5.3 Thiết lập thơng số mặc định trong Clementine -:-:- 45

Bảng 5.4 Kết quả chỉ số đánh giá mơ hình với tập Testing 1 47

Bảng 5.5 Kết quả chỉ số đánh giá mơ hình với tập Testing 2 -. 47

Bảng 5.7 Kết quả chỉ số đánh giá mơ hình với tập Testing 4 .- 48

Bảng 5.9 Kết quả chỉ số đánh giá mơ hình với tập Testing 6 . 49

Bảng 5.10 Kết quả chỉ số đánh giá mơ hình với tập Testing 7 .- 49

Trang 13

Bảng 5.12 Kết quả chỉ số đánh giá mơ hình với tập Testing 9 - 50

Bảng 5.14 Kết quả chỉ số đánh giá mơ hình đơn -¿- 5-5-5255 52cccxczcs2 50 Bảng 5.15 Kết quả chỉ số đánh giá mơ hình tổng hợp với tập Testing 1 56

Bảng 5.16 Kết quả chỉ số đánh giá mơ hình tổng hợp với tập Testing 2 56

Bảng 5.17 Kết quả chỉ số đánh giá mơ hình tơng hợp với tập Testing 3 56

Bảng 5.25 Kết quả tơng hợp chỉ số đánh giá mơ hình tổng hợp 58

Trang 14

DANH MỤC HÌNH VẼ

Hinh 1.1 Ti trong tiéu thụ năng lượng của Việt Nam 2018 - +s s2 8

Hình 2.1 Tốc độ tăng trưởng điện thương phẩm và GDP (%) - 11

Hình 2.2 Tổng quan vé cac bude trong qua trinh KDD oo eee 12 Hinh 2.3 /084:1.0.0) 000177 :::1F 14 Hình 2.4 Ví đụ cây quyết định - se th SE TY HT cgrtrtnkgrrvrkg 15 Hình 2.5 Mơ hình hồi quy đơn . - ¿- - Sc S9* 3E EkEEEEEEEEESEEEEEEkrkrrkrkrsered 17 Hình 2.6 Máy hỗ trợ vectơ hồi duyy - 2 St kE‡ESEEEEEEEEEEEEEEkrkerkrrrrkrie 19 Hình 2.7 Phương pháp xác thực chéo 10 lần - 5s *cv+Esrxrksrsrerrered 22 Hình 3.1 Quy trình nghiên cứu giai đoạn Ì s12 Ssssssessersse 23 Hình 3.2 Sơ đồ khối mơ hình ức tính mức tiêu thụ năng lượng 24

Hình 4.1 Biểu đồ cơ cấu số năm kinh nghiệm của người tham gia khảo sát .31

Hình 4.2 Biêu đồ cơ cầu chuyên ngành và lĩnh vự làm việc của người tham gia 200081 n8 32

Hình 5.1 Sơ đồ các bước xây dựng mơ hình dự báo bằng SPSS Modeler 41

Hình 5.2 Phân chia tập dữ liệu với IŨ- ÍỌd - 25 S31 3 vsirvesersrsesee 43 Hình 5.3 Gán tập Traning DataSet l vào Clementine ‹ «+ ss+2 44 Hình 5.4 Xây dựng mơ hình đơn 5 2c 11v 1n ng vn 46 Hình 5.5 Tổng hợp hệ số dự báo tầm quan trọng mơ hình ANNs 51

Hình 5.6 Tổng hợp hệ số dự báo tầm quan trọng mơ hình CART 52

Hình 5.7 Tơng hợp hệ số dự báo tâm quan trọng mơ hình CHAID 52

Hình 5.8 Tổng hợp hệ số dự báo tầm quan trọng mơ hình LR 53

Hình 5.9 Tổng hợp hệ số dự báo tầm quan trọng mơ hình GENLIN 53

Hình 5.10 Tổng hợp hệ số dự báo tầm quan trọng mơ hình SVM 54

Hình 5.11 Xây dựng mơ hình kết hợp - +: 52-5: 2s 2£k‡EEkszErsrrred 55 Hình 5.12 Biểu đồ hệ số tương qua tuyến tính R giữa các mơ hình 59

Hình 5.13 Biêu đồ phần trăm sai số trung bình MAPE giữa các mơ hình 60

Trang 15

CHUONG 1 DAT VẤN ĐÈ NGHIÊN CỨU 1.1 GIỚI THIỆU CHUNG

Hiện nay, tiết kiệm năng lượng là một trong những vẫn đề cấp thiết khơng chỉ trong phạm vi từng quốc gia mà đã trở thành vẫn đề của tồn thế giới [1] Thay đổi khí hậu và tăng giá các loại năng lượng cùng với chất lượng cuộc sống con người ngày càng cao nên càng phụ thuộc nhiều vào các nguồn năng lượng đã tạo ra những thách thức cho đội ngũ kiến trúc sư, kỹ sư phải khơng ngừng sáng tạo và cải tiến các thiết kế trong

ngành xây dựng Thiết kế của các tịa nhà hiện nay khơng chỉ phải tạo sự tiện nghĩ, thoải

mái cho người sử dụng mà cịn tối ưu hĩa sử dụng năng lượng và giảm thiểu tối đa tác động xấu đối với mơi trường

Trên thế giới, năng lượng sử dụng trong các tịa nhà chiếm đến 27% của tổng năng

lượng [2] Ở Việt Nam tỷ lệ này là 27% [3] Riêng đối với Mỹ và các nước Châu Âu tỷ

lệ này chiếm đến 40% [4] Do đĩ, việc ước tính mức tiêu thụ năng lượng trong các tịa

nhà cĩ ý nghĩa rất quan trọng trong việc tối ưu hĩa hiệu suất sử dụng năng lượng nhằm mục đích tiệt kiệm năng lượng và giảm thiêu tác động đơi với mơi trường

2018 Khác 7% Vận chuyển 2% Cơng nghiệp 42% Nhà ở 27%

Hình 1.1 TỶ trọng tiêu thụ năng lượng của Việt Nam 2018

1.2 DAT VAN ĐÈ NGHIÊN CỨU

Trang 16

được thay đơi theo từng loại cơng trình [Š] Ngồi ra, các yếu tố về điều kiện thời tiết cũng gây ảnh hưởng khơng nhỏ đối với nhu cầu sử dụng năng lượng của tịa nhà [1]

Do sự phức tạp ấy nên việc ước tính chính xác mức tiêu thụ năng lượng trong tịa

nhà gặp nhiều khĩ khăn Trong những năm gần đây, đã cĩ rất nhiều nghiên cứu về

phương pháp dự đốn đã được đề xuất và áp dụng rộng rãi cho rất nhiều ngành nghề Những phương pháp này bao gồm các phương pháp kỹ thuật, thống kê và trí tuệ nhân

tạo

1.3 MỤC TIÊU NGHIÊN CỨU

Mục tiêu tổng quát của đề tài: tối ưu hĩa ước tính mức tiêu thụ năng lượng trong

các tịa nhà dựa trên các thuật tốn trí tuệ nhân tạo

Mục tiêu cụ thê của đề tài:

+ Xác định các nhân tố ảnh hưởng đến mức tiêu thụ năng lượng trong tịa nhà + Phân tích và xác định những nhân tơ ảnh hưởng nhất đến mức tiêu thụ năng

lượng trong tịa nhà chung cư

+_ Đưa ra mơ hình ước tính mức tiêu thụ năng lượng trong tịa nhà chung cư bằng thuật tốn trí tuệ nhân tạo

+ Để xuất mơ hình tơi ưu hĩa ước tính mức tiêu thụ năng lượng trong tịa nhà chung cư bằng cách kết hợp các thuật tốn trí tuệ nhân tạo

1.4 PHẠM VINGHIÊN CỨU

Phạm vị nghiên cứu được thực hiện trong giới hạn, như sau:

- - Dữ liệu được lay tai cac toa nha chung cu 6 thanh phố Hồ Chí Minh

- _ Các đối tượng khảo sát, gồm:

+_ Cư dân sinh sống ở chung cư + Kỹ sư xây dựng

+ Kỹ sư điện

+ Kiến trúc sư

1.5 ĐĨNG GĨP DỰ KIÊN CỦA NGHIÊN CỨU 1.5.1 Về mặt học thuật

Trang 17

Đưa ra các mơ hình ước tính mức tiêu thụ năng lượng của các tịa nhà chung cư

bằng các thuật tốn trí tuệ nhân tạo

Đề xuất mơ hình nhằm tối ưu hĩa ước tính mức tiêu thụ năng lượng của các tịa

nhà chung cư bằng cách kết hợp các thuật tốn trí tuệ nhân tạo 1.5.2 Về mặt thực tiễn

Đề tài giúp giải quyết được bài tốn quản lý và tiết kiệm năng lượng trong các tịa

nhà chung cư Đưa ra mơ hình tối ưu hĩa ước tính mức tiêu thụ năng lượng điện trong

các căng hộ chung cư thơng qua các nhân tố chính ảnh hưởng tới nĩ

Gĩp phần nâng cao hiệu quả về quản lý, thiết kế, thi cơng nhằm tiết kiệm năng

lượng, chung tay bảo vệ mơi trường vì sự phát triển bền vững của thế giới nĩi chung và Việt Nam nĩi riêng

Đề xuất những giải pháp về kiến trúc, xây dựng nhằm tiết kiệm năng lượng trong quá trình vận hành tịa nhà

Trang 18

CHUONG 2 TONG QUAN

2.1 TONG QUAN VE HE THONG NANG LUONG VIET NAM

Trong hơn hai thập kỷ vừa qua, Việt Nam là một trong những nước cĩ tốc độ tăng trưởng kinh tế cao hàng đầu thế giới, tổng sản phẩm quốc nội (GDP) bình quân đầu

người đã tăng gấp 20 lần từ 114 USD trong năm 1990 lền 2.109 USD trong năm 2015,

đây là một cột mốc quan trọng đề Việt Nam trở thành quốc gia cĩ thu nhập trung bình Tăng trưởng kinh tế là một trong những yếu tơ quan trọng nhằm cải thiện đời sống của người dân Chính phủ Việt Nam ưu tiên hàng đầu cho việc phát triển nền kinh tế; tuy nhiên, chiến lược của Chính phủ Việt Nam đã nhân mạnh rằng phát triển kinh tế nhanh

phải đi đơi với phát triển bền vững [3]

Trong thời gian gần đây, thay đổi khí hậu là vẫn đề quan trọng và ảnh hưởng khơng

chỉ riêng ở Việt Nam mà cịn trên tồn thế giới Từ đĩ, tiết kiệm và tối ưu hĩa là một

trong những định hướng hàng đầu của mọi ngành trong đĩ cĩ ngành năng lượng và xây dựng Trong bối cảnh nguồn tài nguyên thiên nhiên ngày càng cạn kiệt, kéo theo vật giá leo thang trong đĩ cĩ giá điện càng tăng làm cho vẫn đề sử dụng năng lượng nĩi chung và năng lượng điện trong căn hộ nĩi riêng ở Việt Nam trở nên ngày càng cấp thiết

Tình hình cung cấp điện năng ở Việt Nam đều cĩ xu hướng tăng quá từng năm Theo báo cáo của Tập đồn Điện lực Việt Nam (EVN), sản lượng điện sản xuất và mua

nam 2018 dat 212.9 ty kWh, vuot ké hoach 2.4 ty kWh va tang 10.36% so voi nam 2017

16 13.88 14 12 10 x 8 4 52 5.4 : 2 0 2010 2011 2012 2013 2014 2015 2016 2017 2018 —— Điện thương phẩm —=GDP

Hình 2.1 Tốc độ tăng trưởng điện thương phẩm và GDP (%)

Trang 19

Tuy nhiên, xét về tổng thể, tốc độ tăng trưởng của điện thương phẩm luơn cao

gấp đơi so với tốc độ tăng trưởng GDP, nĩ chỉ ra rằng nhu cầu điện năng để tạo giá trị

xã hội tương đối cao Vì vậy, sử dụng năng lượng một cách hợp lý và tiết kiệm là vẫn

đề cấp thiết cho sự phát triển nền kinh tế của Việt Nam

2.2 TONG QUAN VE KHAI PHA DU LIEU (DATA MINING)

2.2.1 Dinh nghia

Khai phá dữ liệu là q trình tính tốn để tìm ra các mẫu trong các bộ dữ liệu lớn liên quan đến các phương pháp tại giao điểm của máy học, thống kê và các hệ thống cơ sở đữ liệu Đây là một lĩnh vực liên ngành của khoa học máy tính [7-10] Mục tiêu tổng

thể của quá trình khai thác dữ liệu là trích xuất thơng tin từ một bộ dữ liệu và chuyển nĩ

thành một câu trúc dễ hiểu để sử dụng tiếp [7] Ngồi bước phân tích thơ, nĩ cịn liên

quan tới cơ sở dữ liệu và các khía cạnh quản lý dữ liệu, xử lý dữ liệu trước, suy xét mơ hình và suy luận thong kê, các thước đo thú vị, các cân nhắc phức tạp, xuất kết quả về

các cầu trúc được phát hiện, hiện hình hĩa và cập nhật trực tuyến [7] Hình 2.2 thể hiện

khai thác dữ liệu là bước phân tích của quá trình "khám phá kiến thức trong cơ sở dữ liệu" hoặc quá trình KDD [101]

mm " ti Ses Data Mining aN 7 an | L7 ` 4 Transformed Sp Data H te Date (Preprocessing) Patterns Preprocessed Data

Hinh 2.2 Téng quan về các bước trong quá trình KDD 2.2.2 Các phương pháp khai phá dữ liệu

Trang 20

e Phân loại (Classifcation): là nhiệm vụ tổng quát hĩa cấu trúc đã biết để áp dung cho đữ liệu mới Ví dụ: chương trình e-mail cĩ thể cố gắng phân loại e- mail là "hợp pháp” hoặc "thư rac"

se Hồi quy (Regression): cé gang tim mét hàm mơ hình hĩa dữ liệu với ít lỗi nhất, để ước tính mối quan hệ giữa các dữ liệu hoặc bộ dữ liệu

e_ Phân nhĩm (Clustering): là nhiệm vụ khám phá các nhĩm và cẫu trúc trong

dữ liệu theo cách nào đĩ hoặc cách "tương tự”, mà khơng sử dụng các cầu

trúc đã biết trong dữ liệu

e_ Tổng hợp (Summarization): cung cấp một cách biểu diễn thu gọn hơn của tập

đữ liệu, trực quan hĩa và lập báo cáo

e_ Mơ hình ràng buộc (Dependency modeling): tìm kiếm mối quan hệ giữa các biến Ví dụ, một siêu thị cĩ thể thu thập dữ liệu về thĩi quen mua hàng của khách hàng Sử dụng học tập quy tắc kết hợp, siêu thị cĩ thể xác định sản phẩm nào thường được mua cùng nhau và sử dụng thơng tin này cho mục

đích tiếp thị Điều này đơi khi được gọi là phân tích giỏ khách hàng

se Dị tìm biến đổi và độ lệch (Change and Deviation Dectection): xác định các

mau đữ liệu bất thường, cĩ thể là lỗi cần chú ý hoặc lỗi dữ liệu cần điều tra

thêm

2.3 MẠNG THÂN KINH NHÂN TẠO (ANNS) 2.3.1 Giới thiệu:

Mạng thần kinh nhân tạo (Artificial Neural network) là mơ hình tốn học hay mơ hình tính tốn được xây dựng dựa trên mạng nơ-ron sinh học Nĩ bao gồm một nhĩm các nơ-ron nhân tạo (nút) nỗi với nhau, xử lý thơng tin bằng cách truyền theo các kết

nỗi và tính gia tri moi tai cac nut

Trang 21

Input layer Hidden layer Output layer Input variable 1|_ Input variable 2 X Input variable u Hình 2.3 Mơ hình ANN Câu trúc mạng nơ-ron nhân tạo bao gơm 3 phân:

e_ Lớp đầu vào: nhận thơng tin từ ngồi vào mơ hình

e Lop ân: thực hiện tất cả các tính tốn

Trong mạng nơ-ron đa lớp, lớp đầu tiên là tập hợp các nút dữ liệu đầu vào về đặt điểm của căn phịng, sẽ cĩ một hay nhiều lớp ân chứa các nút tính tốn và một lớp đầu ra chứa một nút biểu thị mức tiêu thụ năng lượng

Thuật tốn học tập được sử dụng rộng rãi và hiệu quả nhất để huẫn luyện mạng

thần kinh đa lớp là thuật tốn lan truyền ngược Ngưỡng kích hoạt của từng nơ-ron trong lớp ấn được tính như sau:

net, = » Wx j 0; VA Ve = ƒ(nety)

Trong do net; la ngudng kich hoạt của nơ-ron thứ &, 7 là tập các nơ-ron ở lớp trước, wy là trọng số kết nỗi giữa nơ-ron & và nơ-ron j, ø; là đầu ra của nơ-ron j, và y; là hàm truyền

1

neti) = Ty ent

Cơng thức huấn luyện và trọng số cập nhật w¿y trong từng chu kỳ / là

Wyj(t) = Wey (t — 1) + Awx;(£)

Gia tri thay d6i Awg(t) duoc tinh nhu sau:

Trang 22

Aw,;(t) = iỗp;0„; + œwx;(t — 1)

Trong đĩ ø là tham số tốc độ huấn luyện, 6); sai s6 lan truyền, ø„; là kết quả đầu ra

của nơ-ron j cho lần thứ p, ø là tham số khuếch đại, và w(7-1) là giá trị thay đổi cho wy

trong chu kỳ trước

2.4 CAY PHAN LOẠI HOI QUY (CART)

2.4.1 Giới thiệu:

Cây phân loại và hồi quy là một phương pháp cây quyết định để xây dựng cây phân loại hồi quy theo loại biến phụ thuộc của nĩ, vừa cĩ thể theo kiêu phân loại hoặc

kiểu số [11] Với các trường dự đốn như nhau cĩ thể sử dụng nhiều lần ở các cấp cây

khác nhau Phương pháp cây quyết định vượt trội hơn các mơ hình kỹ thuật khác về tính

logic của nĩ [12]

Nguyên tắc cơ bản của cây quyết định là chia dữ liệu gốc ra thành các tập con dựa trên việc phân loại thuộc tính sao cho các mẫu trong tập con đĩ cĩ sự đồng nhất cao hơn

tập trước nĩ [13] Quả trình này lặp đi lặp lại một cách đệ quy, quá trình này hồn thành khi khơng thê tiếp tục việc phân tách dữ liệu được nữa, hay khi một phân loại đơn cĩ

thể áp dụng cho từng phần tử của tập con

Tuổi < 20 Đúng | Sai Ỷ Vv Trà sữa Giới tính — Cà phê Trà sữa Hình 2.4 Ví dụ cây quyết định

2.4.2 Thuật tốn mơ hình cây phân loại hồi quy:

Trang 23

Chỉ số Gini g(t) tại một nút / trong mơ hình cây quyết định, được xác định theo phương

trình sau:

gŒ) = È_pglt)p(|Ð

j#i

Trong đĩ ¿ và 7 là các loại trường mục tiêu

it , Q)NjŒ)

pGlt) = 2: pit) = va p(t) = šjpÚ,©

Trong d6 p(j) la giá trị xác suất trước cho loại j, Nj(t) 1a s6 long mau trong loai j của nút t, va N; la số lượng mẫu của loại j của nút gốc Khi chỉ số Gini được sử dung dé cải thiện sau quá trình phân tách trong quá trình cây phát triển, chỉ các mẫu trong nút và nút gốc với giá trị hợp lệ cho bộ dự đốn phân tách được sử dụng để tính N,(t) va Nj Nội dung thuat toan SVM:

2.5 TU DONG PHAT HIEN TUONG TAC CHI-SQUARED (CHAID)

2.5.1 Gidi thiéu :

Kỹ thuật tự động phát hiện tương tác Chi-squared là một kỹ thuật cây quyết định dé phân loại dữ liệu được phát triển bởi Kass [14] Nĩ kiểm tra tính độc lập bằng cách sử dụng kiểm định Chi-square dé đánh giá việc tách một nút cĩ cải thiện độ đồng nhất

dữ liệu đáng kê hay khơng Cụ thể, bộ đự đốn cĩ liên kết mạng nhất (theo gia tri p-

value) voi bién trả lời tại mỗi nút được sử dụng làm nút chia Nếu bộ dự đốn được kiểm định cho thấy khơng cĩ sự cải thiện đáng kê về mặt thống kê, thì khơng cĩ sự phân tách

nào được thực hiện và thuật tốn dừng lại

2.5.2 Thuật tốn mơ hình tự động phát hiện tương tác chi-squared

Tự động phát hiện tương tác Chi-squared tồn diện được phát triển để giải quyết

các hạn chế của CHAID [15] Tuy nhiên, kỹ thuật CHAID tồn diện cĩ thể khơng tối

ưu hĩa phân tách cho các biến dự báo vì nĩ dừng việc hợp nhất các biến phân loại ngày khi xác định tất cả các biến phân loại cịn lại khác nhau đáng kẻ Kỹ thuật CHAID tồn

diện tránh việc mơ hình quá khớp trên cây đã phát triển đầy đủ vào dữ liệu để huấn luyện

Trang 24

với biễn mục tiêu Do đĩ, CHAID tồn diện tìm ra sự phân tách tốt nhất cho mỗi bộ dự

đốn và chọn bộ dự đốn nào để phân tách dự trên gia tri p-value đã điều chỉnh

2.6 HỊI QUY TUYẾN TÍNH (LR) 2.6.1 Giới thiệu:

Trong thống kê, hồi quy tuyến tính là phương pháp phân tích quan hệ giữa biến phụ thuộc Y với một hay nhiều biến độc lập X Trong trường hợp chỉ cĩ một biến độc

lập mơ hình được gọi là hồi quy đơn Và trường hợp cĩ hơn một biến độc lập thì mơ hình được gọi là hồi quy đa bién [16]

-26 -10 10 20 30 40 50 60

Hình 2.5 Mơ hình hồi quy đơn

Hồi quy tuyến tính là phương pháp phân tích hồi quy được nghiên cứu nghiêm ngặc và áp dụng một cách rộng rãi trên nhiều lĩnh vực khác nhau [17] Hầu hết các ứng

dụng thuộc một trong hai loại sau:

vào

2.6.2 Thuật tốn mơ hình hồi quy tuyến tính:

Mơ hình hồi quy tuyến tính đa biến (LR) là một phần mở rộng của hồi quy đơn, nĩ xác định mối quan hệ giữa hai hoặc nhiều biến [18] Cơng thức chung của mơ hình

`

là:

Trang 25

n

Y=Bot+) BX te i=1

Trong mơ hình đề xuất, Y là mức tiêu thụ năng lượng của căn hộ chung cư, Ø là hằng SỐ, 8: là hệ số hồi quy (I= l1, 2, ., n), e là sai số, và X¡ đại diện cho các nhân tố cụ thể Mơ hình hồi quy tuyến tính áp dụng bốn phương pháp hồi quy tuyến tính đa biến bằng cách sử dụng bình phương cực tiểu: stepwise, forward và backward

2.7 HOI QUY TUYEN TINH TONG QUAT (GENLIN)

Mơ hình tuyến tính tổng quát được phát triển bởi Nelder and Wedderburn [19] Mơ hình cĩ thê phân tích các phân phối xác suất khác nhau (như là phân phối chuẩn, nhị thirc, Poison va gamma) cho mot bién phụ thuộc sử dụng hàm liên kết làm mơ hình tính tốn để xác định mối quan hệ giữa các yếu tơ dự báo tuyến tính và hàm phân phối trung bình

2.7.2 Thuật tốn mơ hình hồi quy tuyến tính tổng quát:

Mơ hình tuyến tính tong quat linh hoat hon va co mỗi quan hệ thực tế hơn so với hồi quy đơn Mẫu phân phối giả định của các điểm đữ liệu và mỗi quan hệ giữa X và Y được xác định theo phương trình sau:

n = g(EŒ)) = X;8, + 0,Y~F

Trong đĩ rị là bộ dự đốn tuyến tính, O là biến bù, X; là biến độc lập, P: là hệ số độ

dốc và F là phân phối của Y

Ba thành phần của mơ hình tuyến tính tổng quát là một biến kết quả Y với phân phối ngẫu nhiên cụ thê và giá trị kỳ vọng ¿ và phương sai ø2 (E(Y) = u) Một hàm liên

kết ø(.) với giá trị kỳ vọng () của Y để biến đổi các giá trị dự đốn của 7/7 = g0}; và

một mơ hình cấu trúc tuyến tính

2.8 MÁY HỖ TRỢ VECTƠ (SVM)

Trang 26

vecto epsilon [21] dé tim mét ham f(x) cĩ độ lệch e tối đa được thu thập từ các dữ liệu

dau ra yi

2.8.2 Thuật tốn mơ hình mãy hỗ trợ vectơ:

Trong máy hỗ trợ vectơ hồi quy, đầu vào đầu tiên được ánh xạ và một vùng đặc tính khơng gian-m bằng cách sử dụng hàm phi tuyến như sau:

f(,@) = (a,x) + bvéiwex,bex

Chất lượng của hàm ƒ{x) cĩ thể được ước tính dựa trên tổn thất của ham L(x) nhu sau:

- _ 0 if ly—f@o)| se

L, = lyf o)] = ty — f(x%,o)| otherwise

+ \V Observed , Lj —®— Predicted

Hình 2.6 Máy hỗ trợ vectơ hồi quy

Đặc tính mới nhất của hỗ trợ vectơ hồi quy là sử dụng tổn thất khơng nhạy cảm e dé tinh tốn hàm hồi quy tuyến tính cho khơng gian đặc tính cao hơn đồng thời giảm độ phức tạp của mơ hình bằng cách giảm thiểu ||@||? Hàm này được đưa ra bằng cách lây

tổng khơng âm của các hàm & va &", trong do i = 1, ,z được sử dụng để xác định các

Trang 27

tt

1

min ||ell? + € Ư (6, + £?)

i=1

¥,-f(%,o) Set+ & voi 4 f(x%,w)-y, set

fu GF = 0,i = 1, ,Tt

Trong đĩ: Hằng số C >0 xác định sự đánh đổi giữa độ phẳng của f(x,w) va dung sai cho độ lệch lớn hơn so VỚI e

2.9 MƠ HÌNH KÉT HỢP (ENSEMBLE MODEL) 2.9.1 Giới thiệu :

Mơ hình kết hợp là một quá trình trong đĩ nhiều mơ hình khác nhau được tạo ra để dự đốn, bằng cách sử dụng nhiều thuật tốn mơ hình khác nhau hoặc sử dụng các bộ dữ liệu đào tạo khác nhau Mơ hình kết hợp sau đĩ sẽ tổng hợp dự đốn của từng mơ

hình cơ bản và đưa ra kết quả cho một lần dự đốn cuối cùng Việc sử dụng mơ hình kết

hợp là để giảm lỗi tơng quát hĩa của dự đốn

Cĩ 3 phương pháp kết hợp mơ hình dự báo được sử dụng phổ biến là:

e Phương pháp bagging: Xây dựng một lượng lớn các mơ hình (thường là cùng

loại) trên những mâu phụ khác nhau từ tập dự liệu huân luyện

e Phương pháp boosting: Xây dựng một lượng lớn các mơ hình (thường là cùng loại) Mơi mơ hình sau sẽ học cách sửa những lơi của mơ hình trước (dữ liệu mà mơ hình trước dự đốn sai) tạo thành một chuơi Nhược điềm của chiên lược này là yêu cầu dữ liệu huẫn luyện phải rất lớn

e©_ Phương pháp stacking: Xây đựng một số các mơ hình (thường là khác loại) và một mơ hình giám sát, mơ hình này sẽ học cách kết hợp kết quả dự báo của một sơ mơ hình một cách tơt nhât

2.9.2 Thuật tốn mơ hình kết hợp :

Các mơ hình được xếp hạng dựa vào quá trình dự đốn và sau đĩ các mơ hình cĩ

tỷ lệ dự đốn tốt nhất được kết hợp lại tạo thành mơ hình kết hợp Phương pháp kết hợp

Trang 28

n

gel) = ) G #96)

j=l

Trong do c; chira cac hé s6 két hop tuyén tinh, 1a gia trị trung bình của trọng số khác nhau

2.10 PHUONG PHAP CROSS VALIDATION (KIEM CHUNG CHEO)

Kiểm chứng chéo cịn được gọi là ước lượng xoay hoặc kiểm kiểm tra ngồi mẫu [22] Phương pháp sử dụng chủ yếu trong các mơ hình dự đốn nhằm đánh giá các hiệu

suất chính xác của mơ hình khi hoạt động trên thực 6

Một mơ hình thường được cung cấp một tập dữ liệu đã biết về kết quả dé huấn

luyện (tập dữ liệu huấn luyện) và tập dữ liệu khơng xác định dựa và đĩ mơ hình được kiểm tra

Mục tiêu của xác thực chéo là kiểm tra khả năng dự đốn đữ liệu mới của mơ hình,

để tránh các vẫn đề như overfitting hay selection bias [23]

2.10.2 Áp dụng phương pháp kiếm chứng chéo:

Các nghiên cứu thường áp dụng thuật tốn xác thực chéo k lần để giảm thiểu sai số liên quan đến lấy mẫu ngẫu nhiên của việc đào tạo Kohavi đã xác nhận rằng thử nghiệm 10 lần đem lại thời gian tính tốn và phương sai tối ưu [22] Phương pháp này phân chia tập mẫu dữ liệu thành 10 tập con, tiến hành xây dựng và xác thực mơ hình 10

lần, chọn 1 tập dữ liệu khác để kiểm tra, huấn luyện mơ hình bằng 9 tập dữ liệu và sử

dụng tập cịn lại để kiểm tra tính chính xác của mơ hình Độ chính xác của mơ hình được

Trang 30

CHƯƠNG 3 PHƯƠNG PHÁP NGHIÊN CỨU

3.1 QUY TRÌNH NGHIÊN CỨU

3.1.1 Giai đoạn 1:

Mục tiêu tìm ra được các nhân tơ ảnh hưởng nhât đên nhu câu tiêu thụ năng lượng của căn hộ chung cư

Nghiên cứu tài liệu trong và ngồi nước

Xác định vân đê nghiên cứu ị

Hình 3.1 Quy trình nghiên cứu giai đoạn 1 Xác định các yêu tơ ảnh hưởng

đên nhu câu tiêu thụ năng lượng

của căn hộ chung cư

ị Xây dựng bảng câu hỏ! trắc nghiệm | Tiến hành khảo sát ý kiên ị

Tham khảo ý kiên

của các chuyên gia

Tổng hợp, kiểm định và phân tích băng phương pháp thơng kê băng

phân mêm chuyên dụng

ị

Đưa ra các nhân tố chính ảnh

hưởng đên nhu câu tiêu thụ năng lượng trong căn hộ chung cư

Trang 31

3.1.2 Giai đoạn 2:

Xây dựng, so sánh các mơ hình dự đốn từ đĩ đưa ra mơ hình tối ưu dự đốn mức

tiêu thụ năng lượng trong căn hộ chung cư dựa vào những nhân tơ quan trọng ở giai

đoạn 1

Dé dùng các mơ hình dự đốn mức độ tiêu thụ năng lượng ta theo các bước sau

đây khi sử dụng bộ tạo mơ hình SPSS của IBM [12]

e Bước l: Nhập dữ liệu đầu vào nút nguồn dựa trên thuật tốn xác thực chéo

® Bước 2: Sử dụng nút dự đốn số để đào tạo đữ liệu

—Cxs >>

CHAID

Dữ liệu đầu vào —( !R )- Đánh giá hiệu quả Kêt hợp các mơ hình Dữ liệu đầu ra

các mơ hình tot nhat

GENLIN SVM

Hình 3.2 Sơ đồ khối mơ hình ức tính mức tiêu thụ năng lượng

3.2 PHƯƠNG PHÁP THU THẬP DỮ LIỆU

3.2.1 Xác định những nhân tơ ảnh hưởng đến nhu cầu tiêu thụ năng lượng của căn hộ chung cư:

Sau khi nghiên cứu các tài liệu liên quan đến năng lượng trong và ngồi nước và thao khảo ý kiến chuyên gia trong các ngành xây dựng, năng lượng, kiến trúc tác giả đưa ra được những nhân tơ ảnh hưởng đến nhu cầu tiêu thụ năng lượng của căn hộ chung

Trang 32

Bảng 3.1 Các nhân tơ ảnh hưởng đến nhu cấu tiêu thụ năng lượng của căn hộ chung cư

STT Nhân tố Tham khảo

1 Nhiệt độ của khơng khí [24], [25], [26]

2 Hướnggiĩ [27], [25], [26], [28]

3 Téc dé gid (cap gid) [24] [25], [26] 4 Buc xa mat trời [24], [25], [26] 5 _ Số lượng máy điều hịa sử dụng [29], [30] 6 Tudi doi da sử dụng của máy điều hịa [29], [30] 7 Số lượng quạt [29], [30]

8 Số lượng máy làm nĩng nước sử dụng [29], [30] 9 Tuổi đời đã sử dụng của máy làm nĩng nước [29], [30] 10 Số bong den str dung [29], [30] 11 Loại bĩng đèn sử dung [29], [30] 12 Kích cỡ tủ lạnh sử dụng [29], [30] 13 Tuổi đời sử dụng của tủ lạnh [29], [30] 14 Số lượng tivi và máy tính sử dụng [29], [30]

15 Số lượng lị nướng, bếp điện sử dụng [29], [30]

l6 VỊ trí tọa lạc của tịa nhà Chuyên gia, [29], [25]

17 Kích thước (chiều ngang, chiều sâu) tịa nhà [31] [28] 18 Diện tích mặt bằng của tịa nhà [31] [26]

19 — Chiều cao của tịa nhà [31] 28] 20 Mật độ các tịa nhà xung quanh [25], [28] 21 Cấu kiện che bĩng (mái hiên, lam chắn nắng ) của tịa nhà [2ã]

22 — Số lượng căn hộ trong tịa nhà Đề xuất

23 — Số lượng tầng của tịa nhà Đề xuất 24 Đặc điểm tường bao ngồi của tịa nhà [27], [28]

25 Việc sử dụng thiết bị cung cấp năng lượng sạch của tịa nhà Chuyên gia 26 Mức độ tiện nghi của tịa nhà Chuyên gia

Trang 33

28 Chiều cao trần (chiều cao thơng thủy) của căn hộ Đề xuất

29 Số lượng cửa số của căn hộ [29] [26] [24]

30 Hướng cửa số của căn hộ Chuyên gia, [28] 31 Loại kính cửa số của căn hộ Chuyên gia, [29]

32 Màu kính cửa số của căn hộ [29] [28]

33 Việc sử dụng các cảm biến người (occupancy sensors) đê bật tắt Chuyên gia

thiệt bị trong căn hộ

34 Số lượng người trong căn hộ Chuyên gia, [29]

35 Nhận thức về tiết kiệm năng lượng của người trong căn hộ Chuyên gia 36 Đơn giá điện quy định của chung cư Đề xuất

37 Thu nhập của hộ gia đình [291.126]

3.2.2 Thiết kế bảng câu hồi:

Bảng câu hỏi là một trong những phương pháp thường được dùng để khảo sat, thu thập đữ liệu cho việc nghiên cứu Các câu hỏi phải rõ ràng và dễ hiểu cho người được

hỏi trả lời, mỗi câu chỉ nên nĩi đến một nội dung và phù hợp với chủ đề nghiên cứu Bảng câu hỏi được thiết kế từ việc tham khảo các nghiên cứu trước Sau đĩ được

đem đi khảo sát ý kiến của các chuyên gia trong các lĩnh vực xây dựng, kiến trúc, năng lượng và phát triên bền vững

Bảng câu hỏi sau đĩ sẽ được hồn chỉnh sau khi chỉnh sửa từ việc tổng hợp ý kiến chuyên gia Tiến hành khảo sát đại trà để thu thập dữ liệu Bảng câu hỏi được gửi tới những người cĩ kiến thức về xây dựng, kiến trúc, năng lượng thơng qua cách gửi trực tiếp bảng cứng và gửi bảng online

Trang 34

Bảng 3.2 Phân nhĩm các nhân tơ ảnh hưởng đến nhu cấu tiêu thụ năng lượng của căn hộ chung cư Mã a ks

biến Nhan to anh

Nhĩm nhân tố anh hưởng liên quan đến khí hậu

L1 Nhiệt độ của khơng khí

L2 Hướng giĩ

I3 Tốc độ giĩ (cấp giĩ)

L4 Bức xạ mặt trời

Nhĩm nhân tố änh hướng liên quan đến thiết bị sử dụng điện

IL1 Số lượng máy điều hịa sử dụng

IL2 Tuổi đời đã sử dụng của máy điều hịa IL3 Số lượng quạt

IL4 Số lượng máy làm nĩng nước sử dụng IL5 Tuổi đời đã sử dụng của máy làm nĩng nước IL6 Số bĩng đèn sử dụng

IL7 Loại bĩng đèn sử dụng

IL.8 Kích cỡ tủ lạnh sử dụng

I9 — Tuổi đời sử dụng của tủ lạnh I.10 — Số lượng tivi và máy tính sử dụng

IL1I Số lượng lị nướng, bếp điện sử dụng

Nhĩm nhân tố ảnh hưởng liên quan đến đặc điểm của tịa nhà

HLI VỊ trí tọa lạc của tịa nhà

HIL2 Kích thước (chiều ngang, chiều sâu) tịa nhà

HIL3 Diện tích mặt bằng của tịa nhà

1.4 Chiều cao của tịa nhà

1.5 Mật độ các tịa nhà xung quanh

HL6 Cấu kiện che bĩng (mái hiên, lam chan nang ) cha tịa nhà

IHI7 Số lượng căn hộ trong tịa nhà

Trang 35

IL9 Đặc điểm tường bao ngồi của tịa nhà

HI.10 Việc sử dụng thiết bị cung cấp năng lượng sạch của tịa nhà

IHLII ˆ Mức độ tiện nghi của tịa nhà

Nhĩm nhân tố ảnh hưởng liên quan đến đặc điểm căn hộ chung cư

IV.I Tổng diện tích của căn hộ

IV.2 Chiều cao trần (chiều cao thơng thủy) của căn hộ

IV3 Sơ lượng cửa sơ của căn hộ

IV.4 Hướng cửa sơ của căn hộ

IV.5 Loại kính cửa sơ của căn hộ

IV.6 Màu kính cửa sơ của căn hộ

IV.7 Việc sử dụng các cảm biến người (occupaney sensors) đề bật tắt thiết bị trong căn hộ

Nhĩm nhân tố ảnh hướng khác

VỊ Số lượng người trong căn hộ

V2 Nhận thức về tiết kiệm năng lượng của người trong căn hộ

V3 Đơn giá điện quy định của chung cư

V.4 Thu nhập của hộ gia đình

3.3 LY THUYET KIEM ĐỊNH THANG ĐO:

Trang 36

Một đo lường được coi là cĩ giá trị (validity) nếu nĩ đo lường đúng được cái cần đo lường Hay nĩi cách khác, đo lường đĩ sẽ khơng cĩ hiện tượng sai số hệ thống và sai

số ngẫu nhiên

+ Sai số hệ thống: sử dụng thang đo khơng cân bằng, kỹ thuật phỏng vẫn kém + Sai số ngẫu nhiên: phỏng vấn viên ghỉ nhằm số đĩ của người trả lời, người

trả lời thay đơi tính cách nhất thời như do mệt mỏi, đau yếu, nĩng giận làm ảnh hưởng đến câu trả lời của họ

Trên thực tế nghiên cứu, chúng ta sẽ bỏ qua sai số hệ thống và quan tâm đến sai số ngẫu nhiên Khi một đo lường vắng mặt các sai số ngẫu nhiên thì đo lường cĩ độ tin cậy (reliability) Vì vậy, một đo lường cĩ giá trị cao thì phải cĩ độ tin cậy cao

Đo lường độ tin cậy bằng hệ số Cronbach’s Alpha [32]:

+ Cronbach đưa ra hệ số tin cậy cho thang đo Chú ý, hệ số Cronbach”s Alpha chỉ đo lường độ tin cậy của thang đo (bao gồm từ 3 biến quan sát trở lên) chứ khơng tính được độ tin cậy cho từng biến quan sát

+ Hés6 Cronbach’s Alpha co gia trị biến thiên trong đoạn [0,1] Về lý thuyết, hệ số này càng cao càng tốt (thang đo càng cĩ độ tin cậy cao) Tuy nhiên điều này khơng hồn tồn chính xác Hệ số Cronbach's Alpha quá lớn (khoảng từ 0.95 trở lên) cho thấy cĩ nhiều biến trong thang đo khơng cĩ khác biệt gì nhau, hiện tượng này gọi là trùng lắp trong thang đo

Tính hệ số tin cậy Cronbach”s Alpha bằng SPSS [32]:

+ Các tiêu chuẩn kiêm định: Nếu một biến đo lường cĩ hệ số tương quan biến tong Corrected Item — Total Correlation > 0.3 thì biến đĩ đạt yêu cầu

+ Mức giá trị hệ số Cronbach’s Alpha:

o_ Từ 0.8 đến gần bằng l: thang đo lường rất tốt

o_ Từ 0.7 đến gần bằng 0.8: thang đo lường sử dụng tốt

o_ Từ 0.6 trở lên: thang đo lường đủ điều kiện

Trang 37

Item — Total Correlation nhỏ hơn 0.3 thì sẽ loại biến quan sát đang xem xét để tăng độ tin cậy của thang đo

3.4 CƠNG CỤ NGHIÊN CỨU 3.4.1 Phần mềm thống kê SPSS:

Vào năm 1968, Norman H.Nie, C.Hadlai Hull và Dale H.Ben đã xây dựng phần mềm với mục đích là sử dụng những số liệu thống để xây dựng các thơng tin cần thiết cho việc đưa ra quyết định và phần mềm SPSS được hình thành từ đĩ, đến nay đã cĩ

phiên bản 20 Luận văn này, phần mềm SPSS duoc str dung dé phan tích dữ liệu khảo

sát đầu vào đề lựa chọn được các tiêu chí xây dựng mơ hình phân tích đưa ra quyết định

3.4.2 Phan mém SPSS modeler (Clementine):

IBM SPSS Modeler 1a m6t tmg dung phần mềm phân tích đữ liệu và khai phá đữ

liệu của IBM Nĩ được sử dụng dé xây dựng các mơ hình dự đốn và thực hiện các

nhiệm vụ phân tích khác Phần mềm cĩ giao diện trực quan cho phép người dùng tận dụng các thuật tốn khai phá đữ liệu và thống kê mà khơng cần lập trình Một trong

những mục tiêu chính của nĩ ngay từ đầu là loại bỏ sự phức tạp khơng cần thiết trong

chuyến đổi đữ liệu và làm cho các mơ hình dự đốn phức tạp trở nên rất dễ sử dụng Phiên bản đầu tiên kết hợp cây quyết định (ID3) và mạng nơ-ron (backprop), cả hai đều cĩ thể được đào tạo mà khơng cĩ kiến thức cơ bản về cách các kỹ thuật đĩ hoạt động

Cơng nghệ khai phá dữ liệu hiện được áp dụng trong quá trình đự đốn của nhiều

lĩnh vực Các nút dự đốn, bao gdm sáu kỹ thuật khai phá dữ liệu: ANNs, CART,

Trang 38

CHUONG 4 THU THAP VA PHAN TICH DU LIEU GIAI DOAN 1

4.1 THU THAP DU LIEU

Số lượng bảng câu hỏi được gửi đi là 236 bảng, thu về được 206 bảng câu hỏi, tỉ

lệ phản hồi là 87.3%, trong đĩ cĩ 6 mẫu được xem là khơng hợp lệ, do đĩ, số mẫu được

cho là hợp lệ để tiến hành phân tích là 200 (84.7%) Đối tượng khảo sát là những người

cĩ kiến thức và kinh nghiệm trong lĩnh vực xây dựng, kiến trúc, năng lượng và phát

triển biển vững

4.2 BAC DIEM CUA MAU NGHIEN CUU

4.2.1 S6 nim kinh nghiém

Bảng 4.1 Thống kê số năm kinh nghiệm của người tham gia khảo sát

“= Dưới 3 năm = Từ 3 - 5 năm = Từ 5 - l0 năm s Trên 10 năm

Trang 39

Trong khảo sát chủ yếu người tham gia cĩ kinh nghiệm trong ngành khoảng từ 0 đến 5 năm (chiếm tơng số hơn 70%) Số người cĩ 5 đến 10 năm kinh nghiệm trong ngành cũng chiếm tỷ trọng cao khoản 22.5% Riêng đối với nhĩm người cĩ trên 10 năm

kinh nghiệm vì khĩ cĩ thể tiếp cận để khảo sát nên nhĩm này chỉ chiếm 7.5%

4.2.2 Chuyên ngành và lĩnh vực làm việc

Bảng 4.2 Thống kê chuyên ngành và lĩnh vực làm việc của người tham gia khảo sát

= Xây dựng “ Kiến trúc = Năng lượng = Phat triển bền vững m Khác

Hình 4.2 Biểu đồ cơ cấu chuyên ngành và lĩnh vự làm việc của người tham gia

khảo sát

Trang 40

năng lượng và phát triển bền vững cũng tham gia vào khảo sát với tỷ trọng lần lượt là 13% và 7.5%

4.3 KIEM DINH CROMBACH’S ALPHA

Những mẫu được thu thập về được kiểm tra và loại bỏ những mẫu khơng đủ dữ liệu hoặc dữ liệu khơng phù hợp Để đánh giá mức độ chặc chẽ giữa các câu hỏi được hỏi trong thang đo cĩ tương quan với nhau trong một khái niệm thì kiểm định Crombach's alpha được sử dụng để giải quyết vấn đề trên

Hệ số alpha nằm trong khoảng 0 đến 1 Với mức chấp nhận Crombach's alpha 1a

0.6 — 0.7 thì được xem là sử dụng được, từ mức 0.8 trở lên thì được xem là tốt

Bảng 4.3 Hệ số Crombach's alpha cho tường nhĩm nhân tố

Nhĩm các nhân tơ liên quan liên quan đến khí hậu 0.775 Nhĩm các nhân tơ liên quan đến thiết bị sử dụng điện 0.892

Nhĩm các nhân tố liên quan đến đặc điểm của tịa nhà 0.877 Nhĩm các nhân tố liên quan đến đặc điểm của căn hộ 0.869

Nhĩm các nhân tố khác 0.697

Các giá trị hệ s6 Crombach’s alpha cua timg nhom nhân tố trong cuộc khảo sát đều

nằm ở mức chấp nhận được (đều > 0.6) cho thấy thang đo lường tương đối tốt

4.3.1 Nhĩm nhân tố liên quan đến khí hậu

Nhĩm nhân tốt này chủ yếu đều cập đến sự ảnh hưởng của yếu tố về khí hậu đến

nhu cầu tiêu thụ năng lượng của tịa nhà chung cư Nhĩm nhân tố này bao gồm : Nhiệt

độ (1.1), hướng gié (1.2), tac độ giĩ (1.3), bức xạ mặt trời (1.4)

Bảng 4.4 Hệ số Crombach”s alpha nhĩm nhân tố liên quan đến khí hậu

Reliability Statistics Cronbach's N of Alpha Items 175 4 Item-Total Statistics Scale Cronbach's

Mean Corrected Alpha if

if Item Scale Variance if Item-Total Item Deleted Item Deleted Correlation Deleted

L1 10.52 5.487 643 687