본문 바로가기 주메뉴 바로가기
22대 대한민국 국회 국회정보길라잡이 국회의원검색
회원가입 로그인
HOME

정보검색

소장정보 검색

국회도서관 홈으로 정보검색 소장정보 검색

결과 내 검색

동의어 포함

고급검색

인명/단체명

저자정보 상세정보
인명/단체명을 입력하세요.

키워드

  • 대표어

  • 외국어

-

목차보기

표제지

목차

논문요약 15

제1장 서론 17

1. 연구의 배경 및 목적 17

2. 연구의 범위 및 방법 25

3. 논문의 구성 28

제2장 문헌 고찰 30

1. 빌딩 시뮬레이션 도구의 발전 및 필요성 30

2. 시뮬레이션 수행단계별 고찰 37

가. 사전 처리 단계 38

나 시뮬레이션 단계 42

다. 사후 처리 단계 47

3. 성능 시뮬레이션의 쟁점사항 54

가. 시뮬레이션 툴의 정확성 문제 54

나 시뮬레이션 툴의 정보 입도 수준 56

다. 상호운용성 58

라. 성능 시뮬레이션의 불확실성 문제 59

마. 다기준 의사결정 문제 66

4. 실제 사례를 통한 성능 시뮬레이션의 문제점 72

가. 시뮬레이션 정보수집 73

나. 시뮬레이션 모델링 78

다. 결과 분석 89

제3장 시뮬레이션 입력정보의 불확실성 93

1. BIM to BEM 상호운용성 93

2. 데이터 중심의 BIM to BEM 102

가. 미들웨어 형태의 반자동 인터페이스 개발의 필요성 105

나. 인터페이스 개발 108

다. 개발된 인터페이스를 이용한 에너지 성능 사례 분석 116

라. 데이터 중심의 BIM to BEM의 문제점 124

3. 프로세스 중심의 BIM to BEM 128

가. 웹 기반 프로세스 모델을 이용한 에너지 시뮬레이션 129

나. WWW ＋ BPM ＋ 에너지 모델링 137

제4장 몬테카를로 시뮬레이션 146

1. 확률적 사후 처리 방법 146

가. 불확실성 분석의 필요성 146

나. 불확실성 분석의 프로세스 150

2. 샘플링 방법과 모집단 추정방법 153

가. 샘플링 방법 (sampling method) 154

나. 모수적 vs. 비모수적 방법 159

다. 시뮬레이션 모델 및 입력변수 160

라. 민감도 분석 162

마. 준 랜덤 추출 방법의 검증 165

바. 통계적 추정 (모수적 vs. 비모수적) 170

3. 사례분석 1: 최적의 외피 설계 대안 결정 175

가. 대상 건물 및 시뮬레이션 모델 175

나. 외피 설계 대안 및 불확실한 입력변수 177

다. 몬테카를로 시뮬레이션 및 수행 결과 179

4. 사례분석 2: HVAC 시스템 대안 결정 185

가. 대상 건물 및 시뮬레이션 모델 185

나. 불확실한 입력변수 186

다. 민감도 분석 187

라. 불확실성 전파 및 결과 분석 191

제5장 확률적 에뮬레이터 모델개발과 최적설계 194

1. 확률적 에뮬레이터 정의 및 구현 방법 196

2. 확률적 에뮬레이터 및 최적설계를 위한 시뮬레이션 모델 202

3. 확률적 에뮬레이터 구축 및 검증 206

가. 훈련데이터 (training data-set) 수집 206

나. 가우시안 프로세스 회귀모델 208

다. 확률적 에뮬레이터 검증 및 불확실성 분석 215

4. 확률적 최적설계 219

가. 확률적 최적설계의 구현 219

나. 최적화 결과 및 검증 225

제6장 베이지안 의사결정 231

1. 베이지안 의사결정 및 추론 방법의 소개 231

가. 베이지안 의사결정 231

나. MCMC (Markov Chain Monte Carlo) 233

2. HVAC 시스템 대안 결정을 위한 베이지안 의사결정 235

3. 베이지안 추론 결과 243

제7장 결론 248

부록 253

〈부록 1〉 불확실한 입력변수 선정 및 민감도 분석에 따른 우선순위 결과 253

참고문헌 264

ABSTRACT 284

표목차

표 2-1. K 본사 사옥 건축 개요 73

표 2-2. 모델링을 위한 정보 수집 현황 74

표 2-3. 시스템 모델링 85

표 2-4. 1차 에너지 사용량 및 비율 91

표 2-5. 건축물에너지 효율등급 92

표 3-1. BIM 저작 도구 103

표 3-2. 인터페이스 프로그램 104

표 3-3. 정밀 에너지 해석 프로그램 104

표 3-4. 인터페이스 프로그램의 프로토타입 109

표 3-5. 구조체의 열적 속성 정보 119

표 3-6. 인체/조명/기기/HVAC 스케쥴 (평일 기준) 120

표 3-7. 기존 정보 처리 환경 vs. 프로세스 중심의 정보 환경 131

표 4-1. 구조체 및 창문 속성 정보의 불확실성 156

표 4-2. 시뮬레이션 상세 입력 정보 및 지표면 온도 및 반사율의 불확실성 157

표 4-3. 실내 발열 요소/HVAC/침기의 불확실성 157

표 4-4. 선별방법에 의해 선정된 민감한 입력변수 163

표 4-5. 냉/난방 에너지 사용량에 따른 군집 분석 결과 166

표 4-6. 이표본 K-S 검증결과 (난방) 168

표 4-7. 이표본 K-S 검증결과 (냉방) 168

표 4-8. 일표본 K-S 검증 결과 (난방에너지 사용량) 171

표 4-9. 일표본 K-S 검증 결과 (냉방에너지 사용량) 171

표 4-10. 에너지 해석 조건 176

표 4-11. 외피 설계 대안 177

표 4-12. 불확실한 변수의 평균 및 표준편차 178

표 4-13. 난방 에너지 사용량 비교 결과 180

표 4-14. 누적 확률 기준에 따른 난방 에너지 사용량 비교 결과 180

표 4-15. 냉방 에너지 사용량 비교 결과 181

표 4-16. 누적 확률 기준에 따른 냉방 에너지 사용량 비교 결과 182

표 4-17. 냉·난방 에너지 사용량 비교 결과 183

표 4-18. 누적 확률 기준에 따른 냉·난방 에너지 사용량 비교 결과 183

표 4-19. HVAC 시스템 대안 185

표 4-20. HVAC 시스템 대안별 민감한 입력변수 188

표 4-21. 불확실성 분석 결과 191

표 5-1. 에너지 해석을 위한 확정적 입력변수 203

표 5-2. 인체/조명/기기/HVAC 스케쥴 204

표 5-3. 불확실성 전파를 통한 에너지 분석 결과 207

표 5-4. 냉/난방 에너지 사용량에 대한 사후분포 추정 결과 210

표 5-5. 평균 예상 온열감에 대한 사후분포 추정 결과 210

표 5-6. k-묶음 교차 검증 (CV) 결과 215

표 5-7. 불확실성 분석 결과 (시뮬레이션 vs. 확률적 에뮬레이터) 217

표 5-8. 설계변수들의 경계조건 221

표 5-9. 최적 설계안 (지배 파레토 개체 집합) 226

표 5-10. 파레토 지배 개체해의 검증 결과 229

표 6-1. 의사결정 목적 235

표 6-2. 초기투자비용의 확실등가 238

표 6-3. 총 에너지 사용량의 확실등가 239

표 6-4. 초기투자비용의 곡선접합 결과 239

표 6-5. 총 에너지 사용량의 곡선접합 결과 240

표 6-6. 확률등가를 이용한 가중치 결과 241

표 6-7. 기대효용 및 HVAC 시스템 의사결정 결과 242

표 6-8. 사후분포의 결과 (베타분포) 245

그림목차

그림 2-1. 빌딩 시뮬레이션 도구의 수학적 모사 31

그림 2-2. 빌딩 시뮬레이션 툴의 발전 32

그림 2-3. 빌딩 시뮬레이션 구조 (입력, 수학적 모델, 출력) 33

그림 2-4. 건물 전체 생애주기 동안 의사결정 효용과의 관계 35

그림 2-5. 시뮬레이션 성능 평가 프로세스 37

그림 2-6. 사전 처리 단계에서의 빌딩 시뮬레이션 툴의 프로세스 (DAE:Differential Algebraic Equation) 41

그림 2-7. 건물 에너지 성능 평가 방법이 지녀야 할 특성 44

그림 2-8. 맥락인식 증강현실을 이용한 동적 정보 제공 프로세스 48

그림 2-9. 맥락인식 증강현실 결과 49

그림 2-10. 핑퐁과 어니온 접근 방법 51

그림 2-11. 인과적 방식과 비인과적 방식 52

그림 2-12. 정보 수준과 시뮬레이션 오류의 상관관계 58

그림 2-13. 모델링과 시뮬레이션 프로세스 60

그림 2-14. 결정적 접근과 확률적 접근 64

그림 2-15. 시뮬레이션 프로세스 동안 의사결정 프로세스 67

그림 2-16. 계층분석적 의사결정방법의 표준 계층 70

그림 2-17. K 본사 사옥 – 전체 건물 3D 형상 72

그림 2-18. 시뮬레이션 툴을 이용한 건물 형상 모델링 과정 78

그림 2-19. 본관동 모델링 79

그림 2-20. 연구동 모델링 79

그림 2-21. 교육동 모델링 80

그림 2-22. 생활관 모델링 80

그림 2-23. Revit을 이용한 건물 형상 모델링 (교육동) 82

그림 2-24. DesignBuilder을 이용한 건물 형상 모델링 83

그림 2-25. EnergyPlus모델 (OpenStudio) 85

그림 2-26. EnergyPlus 모델의 시스템 계통도 86

그림 2-27. 본관동 시뮬레이션 결과 89

그림 2-28. 교육동 시뮬레이션 결과 89

그림 2-29. 연구동 시뮬레이션 결과 90

그림 2-30. 생활관 시뮬레이션 결과 90

그림 3-1. 통합 정보 환경 (BIM 이전 vs.BIM 이후) 94

그림 3-2. BIM to BEM 상호운용성을 위한 인터페이스 96

그림 3-3. 통합 프로세스 성능평가의 접근 방법 99

그림 3-4. 데이터 중심 정보 교환 방법 102

그림 3-5. 인터페이스 입출력 구조 (IFC → IDF) 108

그림 3-6. IfcRelSpaceBoundary의 위상체계 111

그림 3-7. IfcSite의 위상체계 112

그림 3-8. IfcMaterialLayerSet의 위상체계 114

그림 3-9. 인터페이스 프로그램을 이용한 형상 모델 전환 118

그림 3-10. 인터페이스 프로그램을 이용한 에너지 해석 결과 122

그림 3-11. 설계과정에서의 건물에너지 시뮬레이션 활용 126

그림 3-12. 웹 기반 프로세스 에너지 해석 모델 132

그림 3-13. 웹 기반 프로세스 모델을 이용한 두 영역의 상호운용 136

그림 3-14. 프로세스 모델의 서버/클라이언트 구조 137

그림 3-15. 작업흐름과 웹을 통한 정보교환 방법 138

그림 3-16. 건물 형상 정보 입력 예 139

그림 3-17. 에너지 해석 프로그램 정보 입력 예 140

그림 3-18. 스케쥴 정보 입력 예 141

그림 3-19. 실내 발열 및 자재 정보 입력 예 143

그림 3-20. HVAC 시스템 입력 정보 예 143

그림 3-21. 하부 프로세스의 BPM 코딩 화면 예 (건물 형상 정보) 144

그림 4-1. 건물 에너지 해석의 불확실성 147

그림 4-2. 불확실성의 특징 149

그림 4-3. 일반적인 불확실성 분석 절차 153

그림 4-4. 샘플링 방법의 상호 비교 159

그림 4-5. 시뮬레이션 모델 161

그림 4-6. 선별 방법 (Screeningmethod) 결과 165

그림 4-7. 군집 분석 결과 167

그림 4-8. 준 랜덤 추출방법의 검증 169

그림 4-9. 난방 에너지의 확률 밀도 함수 173

그림 4-10. 냉방 에너지의 확률 밀도 함수 174

그림 4-11. 시뮬레이션 모델 176

그림 4-12. 누적 확률 밀도 함수를 이용한 난방 에너지 사용량 비교 181

그림 4-13. 누적 확률 밀도 함수를 이용한 냉방 에너지 사용량 비교 182

그림 4-14. 누적 확률 밀도 함수를 이용한 냉/난방 에너지 사용량 비교 184

그림 4-15. EnergyPlus 모델 186

그림 4-16. Morris 분석 결과 190

그림 4-17. 대안 별 불확실성 분석 결과 192

그림 5-1. 시뮬레이션 모델 202

그림 5-2. 정규분포모형을 이용한 모수 추정 결과 208

그림 5-3. MAP와 MCMC을 이용한 미지파라미터 추정 결과 212

그림 5-4. MAP와 MCMC을 이용한 미지파라미터 추정 결과 214

그림 5-5. 누적확률밀도함수를 이용한 EnergyPlus와 가우시안 프로세스 회귀모델 결과의 비교 218

그림 5-6. 결정적 최적설계와 확률적 최적설계의 비교 219

그림 5-7. 확률적 최적설계 프로세스(가우시안 프로세스 회귀 모델과 + 유전자 알고리즘) 223

그림 5-8. 확률적 최적해 결과 (지배 개체해 vs. 피지배 개체해) 227

그림 5-9. 지배 파레토 개체 집합 (13개) 228

그림 6-1. 확실등가 방법을 이용한 효용함수 계산 237

그림 6-2. 확률등가방법을 이용한 가중치 계산 237

그림 6-3. 의사결정자 3의 곡선 접합 결과 241

그림 6-4. 미지 파라미터의 사후분포 결과 245

그림 6-5. 베이지안 추론을 이용한 기대 효용 결과 246

그림 6-6. 기대 효용 결과를 이용한 HVAC 시스템 의사결정 결과 247

초록보기

 최근, 시뮬레이션 모델링은 성능 목적들에 적합한 요구조건들을 확보하기 위해 다양한 전문가들의 지식, 주관적인 경험, 그리고 정보들이 통합된 지속적인 문제 해결 과정 (continuous problem solving process)이다. 이러한 문제 해결 과정은 컴퓨터 전산처리 속도, 뛰어난 해석 알고리즘의 등장, 정보 통합 환경 또는 IT 산업의 발달 등으로 인해 '매뉴얼 또는 경험'에 의한 직관적인 의사결정 환경에서 '컴퓨터 해석 시뮬레이션 툴'을 이용한 객관적이고 투명한 성능예측으로 전환되고 있다. 시뮬레이션 모델은 우선적으로 특정한 소수 전문가들의 '휴리스틱 (Heuristic) 접근' 또는 다수 전문가들의 지식과 데이터 등을 이용하여 동적인 시뮬레이션 프로세스에 따라 요구 조건들 [목적 (objective, goal), 성능지시자 (performance indicator), 그리고 대안 공간 (option space) 등]에 대한 분석 시나리오를 선정해야 된다. 그리고 선정된 분석 시나리오들에 근거하여, 시뮬레이션 수행자들은 시뮬레이션 모델을 완성하고, 유의한 성능 예측 평가를 진행할 수 있다. 이때, 시뮬레이션 기반의 문제 해결은 '성능 목적 또는 경계 조건'에 의거 (분석 시나리오 만드는 과정임)하여 유의한 모델을 완성하는데 있어, 제한된 시간과 비용 내에 분산된 도메인 영역의 정보 환경을 결합하는 과정을 요구한다. 그리고 시뮬레이션 툴은 상기한 모델링뿐만 아니라, 올바른 예측 결과 및 대안들의 의사결정을 위해 신뢰성 있는 사후처리과정 (post-processing)이 필요하다. 환언하면, 시뮬레이션 기반의 문제해결은 분석 시나리오에 따른 모델링 과정에서 의사결정까지의 연속적인 과정이며, 이는 합리적인 문제해결 도구로서의 능력을 갖추어야 함을 의미한다.

본 논문에서는 상기한 시뮬레이션 프로세스 동안 건물 에너지 분석에 대한 합리적인 의사결정 도출을 목적으로 크게 3 단계 ([1] 사전 처리 단계, [2] 시뮬레이션 단계, [3] 사후 처리 단계)로 구분하였으며, 기존 연구 및 문헌들을 참고하여 각 단계의 불확실성 문제점들과 그 해결방법에 대한 본 저자의 노력들을 기술하는 것이 주목적이다. 첫 번째로, 사전 처리는 박사 논문 3장의 내용으로 상이한 도메인 영역들 (예를 들면, 설계자와 에너지 시뮬레이션니스트) 간의 정보 및 지식 교환을 통해 시뮬레이션 입력 정보를 획득하는 단계이다. 위 단계는 성능 목적, 지시자, 분석 대상의 시뮬레이션 입력정보를 결정하는 것으로 다양한 지식과 정보를 유연한 흐름으로 결합함으로써, 손쉬운 시뮬레이션 수행을 유도함에 그 목적이 있다. 이는 지식의 불확실성을 감소하는 단계로 이해될 수 있으며, 본 논문에서는 웹 기반 시뮬레이션 프로세스를 이용한 건물 에너지 모델링 방법을 소개한다. 두 번째로, 시뮬레이션 단계는 에너지 결과를 얻기 위한 시뮬레이션 수행으로 결정적 접근과 확률적 접근으로 크게 구분된다. 본 논문의 4장은 아직도 모델링 입력정보에 남아있는 불확실성 문제들을 해결하기 위한 확률적 사후 처리 방법 (예를 들면, 몬테카를로 시뮬레이션)을 제안하고, 다양한 사례분석을 통해 그 이점 및 단점에 대해 기술한다. 그리고 확률적 사후 처리 방법의 단점을 극복하기 위해, 본 논문의 5장은 가우시안 프로세스를 이용한 확률적 에뮬레이터 모델을 제안하고, 확률적 에뮬레이터 모델의 적용가능성 및 발전 방향에 대해 기술한다. 마지막으로, 사후 처리 단계에서는 본 논문의 6장으로 시뮬레이션 모델을 통해 도출된 성능 결과를 바탕으로 합리적인 대안결정을 유도하기 위해 다기준 의사결정을 실시한다. 특히, 기존 논문 및 문헌들에서 제시한 의사결정 방법의 문제점을 지적하고, 이를 보완하기 위해 확률적 의사결정 및 추정 방법을 적용하였다. 따라서, 본 논문에서는 시뮬레이션 프로세스 동안 건물 에너지 성능평가의 불확실성과 그 문제점, 그리고 해결방안들에 대해 자세히 기술하고자 한다.

참고문헌 (204건) : 자료제공( 네이버학술정보 )

참고문헌 목록에 대한 테이블로 번호, 참고문헌, 국회도서관 소장유무로 구성되어 있습니다.
번호 참고문헌 국회도서관 소장유무
1 (2011), 빌딩 시뮬레이션의 새로운 동향, 한국건축친환경 설비학회 추계학숨발표대회 논문집, pp.173-176 미소장
2 (2013), BIM： 건축설계 및 엔지니어링,빌딩스마트협회, ISBN 978-89-6225-000-093540, 기문당 미소장
3 (2008a), 유전자 알고리즘. 파레토 최적, 환기 시뮬레이션을 정합한 환기 시스템 최적설계. 대한건축학회논문집 제 24권 1호. pp.237-245 미소장
4 몬테카를로 방법을 이용한 공동주택 환기 전략의 불확실성 분석 소장
5 확률적 모델을 이용한 재실 인원 예측 소장
6 (2009b), Nodal flow network 시뮬레이션과 공동주택 환기실험의 비교 분석, 대한건축학희논문집 제25권 12호，pp.437-444 미소장
7 맥락인식 증강현실 및 제스쳐 패턴 기술의 이중외피 적용 소장
8 Nodal Flow Network 시뮬레이션 모델의 보정 소장
9 재실자 예측과 핑퐁 방법을 통한 환기 시스템 최적제어 시뮬레이션 소장
10 (2011b), BIM 기반 에너지 성능평가의 상호운용성과 불확실성. 대한건축학회는문집 제27권 6호, pp.247-255 미소장
11 패턴 서치 알고리즘과 유전자 알고리즘을 이용한 이중외피 시스템의 최적제어 소장
12 몬테카를로 빌딩 시뮬레이션의 샘플링 방법과 모집단 추정 소장
13 재실자 반응이 고려된 에이전트 빌딩 에너지 시뮬레이션 소장
14 규범적 건물성능 평가방법 소장
15 BIM 에너지 시뮬레이션 인터페이스 개발과 검증 소장
16 설계단계에서 동적 건물 에너지 성능분석의 쟁점들 소장
17 BIM 기반 시뮬레이션 모델의 상호운용성을 이용한 건물 에너지 성능평가 소장
18 (1999), 다기준 의사결정론, 세종출판사. 미소장
19 에너지 관리 공단 (2011), 건축물의 에너지 절약 설계기준 해설서, 국토해양부고시 제2010-1031호 미소장
20 이중외피 시스템의 정적 및 동적 제어 전략 소장
21 Control Levels of a Double-Skin Facade 네이버 미소장
22 (2003), 앞서가는 리더들의 계충분석적 의사결정, 동현출판사 미소장
23 SAREK, (2004), 설비공학편람, 제 2권 공기조화，대한설비공학회 미소장
24 (2003), A decision-making tool to support integration of sustainable technologies in refurbishment projects, 8th International IBPSA Conference, Eindhoven, Netherlands, August 11-14,pp.55-62 미소장
25 ASHRAE, (2004), ASHRAE STANDARD, Ventilation for Acceptable Indoor Air Quality, ANSI/ASHRAE/IESNA Standard 62.1-2004. 미소장
26 ASHRAE, (2007), ASHRAE Standard, Energy Standard for Buildings Except Low-Rise Residential Buildings, ANSI/ASHRAE/ IESNA Standard 90.1-2007 미소장
27 ASHRAE, (2009), ASHRAE Handbook Fundamentals. Atlanta: American Society of Heating, Refrigerating and Air-Conditioning Engineers, Inc. 미소장
28 (1994), An overview of the COMBINE project [online]. In:ECPPM Conference, Dresden, Germany, 1994. Available from: httpV/erg.ucd.ie/combine/papers.html [Accessed 27 April 2002] 미소장
29 (1995), COMBINE 2, Final Report. Commission of the European Communities, Brussels, Belgium. Available from: http：//dcomtarch.gatech>edu/bt/Combine/my_www/docunient.htm 미소장
30 Trends in building simulation 네이버 미소장
31 (2004), Simulation for better building design, Building and Environment, Vol. 38, pp.875-877 미소장
32 Quantification methods of technical building performance 네이버 미소장
33 (2009), Building simulation and beyond: technologies that work (almost), College of Architecture lecture, Georgia Institute of Technology, Oct. 29. 2009 미소장
34 (2006), Managing uncertainty in engineering design using imprecise probabilities and principles of information economics, Ph.D thesis, Georgia Institute of Technology 미소장
35 (2009), “Architect Friendly” : A comparison of ten different building performance simulation tools, Proceedings of the 11th IBPSA Conference, July. 27-30, Glasgow, Scotland, pp. 204-211 미소장
36 A Survey of Augmented Reality 네이버 미소장
37 Recent advances in augmented reality 네이버 미소장
38 (2000), Multi-Criteria Decision-Making Process for Buildings, American Institute of Aeronautics and Astronautics Conference, Las Vegas, Nevada, July 24-28，pp. 1-8 미소장
39 (2001), Acquisition of Building Geometry in the Simulation of Energy Performance. In R. Lamberts et al. (eds). Building Simulation 2001, Proc. intern, conf., Rio de Janeiro, Vol. 1: 305- 311. ISBN 85-901939-2-6. 미소장
40 (2003)，Improving building energy performance simulation with software interoperability, Proceedings of the 8th IBPSA Conference, August 11-14, Eindhoven, Netherlands, pp. 87-92 미소장
41 (2010), BIM that supports life cycle of buildings, BuildingSMART Korea International Forum 2010, Seoul, Korea, April 21. 미소장
42 (1977), Parametric Estimation in Engineering and Science. New York： John Wiley & Sons. 미소장
43 (2005), Performance based international state of the art - pebbu 2nd international sota report. Technical Report 2， CIBdf-Intemational Council for Research and Innovation in Building and Construction—Development Foundation, Rotterdam. 미소장
44 (1966), Manual de Reference du Programme Electre, Note de Synthese et Formaton，No.25, Direction Scientifque SEMA, Paris, France 미소장
45 An Analysis Of Emergency Room Wait Time Issues Via Computer Simulation 네이버 미소장
46 (1994), Reliability assessment of electric power systems using Monte Carlo methods, New York： Plenum Press. 미소장
47 BLIS, (2003), Building Lifecycle Interoperable Software - Hompage. BLIS organization. Available from: http://www.blis-project.org 미소장
48 (2012), Calibrating micro-level models with macro-level data using bayesian regression analysis, Proceedings of the 12th IBPSA Conference, November 14-16, Sydney, Australia， pp.641-648 미소장
49 Adding advanced behavioural models in whole building energy simulation: A study on the total energy impact of manual and automated lighting control 네이버 미소장
50 buildingSmart, (2012), http://www.buildingsmart.org/. last reviewed 06/25/2012 미소장
51 Sensitivity analysis of an environmental model: an application of different analysis methods 네이버 미소장
52 Tackling quantitatively large dimensionality problems 네이버 미소장
53 (1993), The energy kernel system: From and Content, Conference proc. Building Simulation ‘93, IBPSA, Adelaide, Australia 미소장
54 (1995), ‘The Development of an Intelligent, Integrated Building Design System Within the European COMBINE Project’, Proc. Building Simulation ‘95，444-453, Int. Building Performance Simulation Association, Madison USA 미소장
55 Energy simulation in buildings: overview and BLAST example 네이버 미소장
56 (2006), The Impact of the Occupant on Building Energy Simulations, Joint International Conference on Computing and Decision Making in Civil and Building Engineering, Montreal, Canada. 미소장
57 (2010a). Metrics to Assess Design Guidance, submitted to Design Studies. 미소장
58 (2010b), Design Exploration Assessment Methodology: Testing the Guidance of Design Processes,submitted to Journal of Engineering Design.641-648 미소장
59 (1997), Multicriteria Analysis. Springer-Verlag 미소장
60 CIBSE，(1998), Building Energy and Environment Modelling, CIBSE Application Manual AM 11, CIBSE 미소장
61 Energy analysis of the non-domestic building stock of Greater London 네이버 미소장
62 Contrasting the capabilities of building energy performance simulation programs 네이버 미소장
63 (1992)， Process Modeling, Communications of the ACM Vol.35, no.9，pp.75- 90 미소장
64 (1989), Genetic algorithms in multimodal function optimization. MS thesis, TCGA Repot No. 89002. University of Alabama 미소장
65 (2000), A fast elitist non-dominated sorting genetic algorithm for multi-objective optimization: NSGA-Ⅱ, Technical Report No. 200001, Kanpur: Indian Institute of Technology Kanpur, India 미소장
66 (1995). Uncertainty analysis in building thermal modeling. International Symposium SAM095. Belgirate, Italy. 미소장
67 (2001), Uncertainty in prediction of thermal comfort in Buildings, Ph.D. thesis, Tu Delft Netherlands. 미소장
68 Analysis of uncertainty in building design evaluations and its implications 네이버 미소장
69 (2003)，Computational support for the selection of energy saving building components. In: Schellen and van der Spoel, eds. Building simulation '03, 8th international IBPASA conference, 18-21 September, Eindhoven, Netherlands, pp. 1409-1416 미소장
70 (2004), Computational Support for the Selection of Energy Saving Building Component, Ph.D. thesis, Tu Delft Netherlands 미소장
71 Predicting the performance of an office under climate change: A study of metrics, sensitivity and zonal resolution 네이버 미소장
72 (2004), Energy Performance of Buildings; Outline for Harmonised EP Procedures. Final report EU SAVE ENPER project, Task B6. TNO Building and Construction Research, Delft(NL), June 29，2004 (http://www.enper.org) 미소장
73 DOE, (2010a), Building Energy Software Tools Directory [online]. Available from: http://apps1.eere.energy,gov/buildings/tools_directory/Assessed 1 October 2010 미소장
74 DOE, (2010b). EnergyPlus 6.0 Input/Output Reference: The Encyclopedic Reference to EnergyPlus Input and Output, US Department Of Energy 미소장
75 (2007)，A comparative study of the IFC and gbXML informational infrastructures for data exchange in computational design support environments, Proceedings : Building Simulation, pp. 1530-1537 미소장
76 QUALITY ASSURANCE REVIEWS: HOW THEY DIFFER FROM PEER REVIEWS 네이버 미소장
77 Air, contaminant and heat transport models: integration and application 네이버 미소장
78 (1987), Hybrid Monte Carlo. Physics Letters, B Vol. 195, no.2, pp.216-222 미소장
79 Uncertainty and sensitivity decomposition of building energy models 네이버 미소장
80 (1969), Non-parametric estimate of multidimensional probability density. Theory Probability and its application, No.l, pp.153-158 미소장
81 (1999), A modular, loop-based approach to HVAC energy simulation and its implementation in EnergyPlus. Proceedings of the 6th IBPSA Conference,Kyoto, Japan 미소장
82 Additive Utilities with Incomplete Product Sets: Application to Priorities and Assignments 네이버 미소장
83 Stanford-Binet and WAIS IQ differences and their implications for adults with intellectual disability (aka mental retardation) 네이버 미소장
84 (1998)，Development of the CIB Proactive Program on Performance Based Building Codes and Standards. BCE Doc. 98/232, International Council for Research and Innovation in Building and Construction(CIB), Rotterdam. 미소장
85 (2000), Developments in performanceᅳbased building codes and standards, Forest products journal, Vol. 50, No.7, pp. 12-21 미소장
86 (2006), Sustainable Building Rating Systems Summary, Pacific Northwest National Laboratory 미소장
87 (2003)，Coupling building simulation with agent simulation for exploration to environmentally symbiotic architecture, Proceedings of the 8th IBPSA Conference (International Building Performance Simulation Association), August 11一 14, Eindhoven, Netherlands, pp.363- 370 미소장
88 (1986), Decision theory: an introduction to the mathematics of rationality. Chichester: Ellis Horwood. 미소장
89 2003. Modelling, making inferences and making decisions: The roles of sensitivity analysis. TOP, V이.11, pp.229-251. 미소장
90 An elementary introduction to Bayesian computing using WinBUGS. 네이버 미소장
91 (1995), Markov Chain Monte Carlo-Stochastic Simulation for Bayesian Inference, Chapman and Hall. 미소장
92 gbXML, (2012)，http://www.gbXML.org/. last reviewed, 06/25/2012 미소장
93 (1995), Markov Chain Monte Carlo in Pratice, Chapman and Hall. 미소장
94 (1987), Genetic algorithm with sharing for multi-modal function optimization. Genetic Algorithms and Their Applications : Proceedings of the Second ICGA, Lawrence Erlbaum Associates, Hillsdale, NJ, pp.41-49 미소장
95 Bayes Linear Calibrated Prediction for Complex Systems 네이버 미소장
96 (2007)，A Computer System for Multi-Criteria Comparative Evaluation of Building Envelopes，Proceedings of the 10 IBPSA Conference, Sep.3-6, Beijing, China, pp. 1895-1902 미소장
97 Outpatient clinic scheduling - a simulation approach 네이버 미소장
98 PRIME Decisions: An Interactive Tool for Value Tree Analysis 네이버 미소장
99 (1998), Removing barriers to the use of simulation in the building design professions. Thesis (PhD). University of Strathclyde, Department of Mechanical Engineering, UK. 미소장
100 (2005)，Improving the data available to simulation programs, Proceedings of the 9th IBPSA Conference, Aug. 15- 18, Montreal, Canada, pp. 373-380 미소장
101 Monte Carlo Sampling Methods Using Markov Chains and Their Applications 네이버 미소장
102 (2007), Application of Sensitivity Analysis in Design of Low Energy Office Buildings, DCE Technical Report, Aalborg University 미소장
103 (2003)，Latin hypercube sampling and propagation of uncertainty in analyses of complex systems. Reliability Engineering and System Safety No. 81, pp. 23- 69 미소장
104 (1999)，A comparison of coupled and de-coupled solutions for temperature and airflow in a building, ASHRAE Transactions,Vol. 105，part2 미소장
105 (2000). Building systems and indoor environment: simulation for design decision support. Architecture (International Conference on Design and Decision Support Systems in Architecture & Urban Planning), pp. 177-189. Eindhoven University of Technology. 미소장
106 (2004), Towards more effective use of building performance simulation in design, Developments in Design & Decision Support Systems in Architecture and Urban Planning, edited by Jos P. van Leeuwen and Harry J. P. Timmermans, Eindhoven University of Technology, Department of Architecture, Building and Planning, Eindhoven, the Netherlands. 미소장
107 (2011), Building performance simulation for design and operation. Spon Press, New York USA 미소장
108 (2011)，Bayesian calibration of building energy models for energy retro fit decision-making under uncertainty, Ph.D. thesis, Georgia Institute of Technology, Atlanta, GA. USA 미소장
109 Gaussian process modeling for measurement and verification of building energy savings 네이버 미소장
110 (2000), The use og performance-based simulation tools for building design and evaluation - a Singapore Perspective, Building and Environment, Vol.35, pp.709-736 미소장
111 (2009)， Uncertainty and sensitivity analysis in building performance simulation for decision support and design optimization". PhD thesis, Technische Universiteit Eindhoven. 미소장
112 (1975)，Adaptation in natural and artificial systems. Ann Arbor: The University of Michigan Press 미소장
113 (2009), Risk-conscious design of off-grid solar energy houses, Ph.D. thesis, Georgia Institute of Technology. 미소장
114 Analysis of uncertainty in natural ventilation predictions of high-rise apartment buildings 네이버 미소장
115 IBPSA, (1987-2011)，Proceedings of the IBPSA(International Building Performance Simulation Association) conference ('87. '91, '93, *95, '97, '99, '01, '03, .05, '07，'09, ‘11) 미소장
116 International Alliance for Interoperability, (2002), International IAI web site [online]. Available from: http://iaiweb,lbl.gov/ [Aceessed 04 May 2002] 미소장
117 International Energy Agency (IEA), (2002), World energy outlook:Energy and Poverty 미소장
118 ISO 13790, (2008), Energy Performance of Buildings - Calculation of Energy Use for Space Heating and Cooling. 미소장
119 International Energy Agency building energy simulation test (BESTEST) and diagnostic method 네이버 미소장
120 (2001), BSPro COM-Sever interoperability between software tools using industry foundation classes, Proceeding of the 7th IBPSA Conference, 13-15 August, Rio de Janeiro, Brazil, pp. 747-754 미소장
121 (2004), Future of Green Building Credit System in Jeopardy, a report by Platts (http://www.enn.com/aff.html?id=40. accessed on July 2006) 미소장
122 (1993)，Decisions with Multiple Objectives - Preferences and Value Tradeoffs. Cambridge University Press, New York. 미소장
123 p,p′-DDE bioaccumulation in female sea lions of the California Channel Islands 네이버 미소장
124 Pro-Creation—Haraway's “Regeneration” and the Postcolonial Cyborg Body 네이버 미소장
125 Business Process Change: A Study of Methodologies, Techniques, and Tools 네이버 미소장
126 (2009), Ventilation operation in hospital isolation room: a multi-criterion assessment considering organization behaviour, Proceedings of the 11th IBPSA Conference, July 27-30, Glasgow, Scotland, pp. 1322-1329 미소장
127 (2009), Multi-criteria Optimal Design of Residential Ventilation Systems, Proceedings of the 11th IBPSA Conference (International Building Performance Simulation Association), July 27-30, Glasgow, Scotland, pp.1806-1813 미소장
128 (2011), Web-Enabled Augmented Reality for a Double-Skin System, Proceedings of the 12th IBPSA Conference (International Building Performance Simulation Association), November 14-16, Sydney, Australia, pp.855-862 미소장
129 Comparison of the simplified methods of the ISO 13790 standard and detailed modelling programs in a regulatory context 네이버 미소장
130 (2001), Heating, Cooling, Lighting - Design Methods for Architects, John Wiley and Sons 미소장
131 . (2012), Bayesian calibration for transient energy simulation model, The 1st Asia conference of International Building Performance simulation Association, November 25-27, Shanghai, China 미소장
132 1992 네이버 미소장
133 (1998), Uniform random number generators. In Proceedings of the 1998 Winter Simulation Conference, 97-104: IEEE Press. 미소장
134 A dynamic modelling strategy for Bayesian computer model emulation 네이버 미소장
135 (2001), Practical application of uncertainty analysis. Energy and Buildings Vol.33, pp. 219-227 미소장
136 (2002), Quantifying the effects of uncertainty in building simulation, Ph.D. thesis. University of Strathclyde, Scotland. 미소장
137 (2009), Comparison of sampling techniques on the performance of monte-carlo based sensitivity analysis. Proceedings of the 11th IBPSA Conference , July 27-30，Glasgow, Scotland, pp. 992-999 미소장
138 (1999)，“The architecture of S2” , in Proc. 6th Int. IBPSA Conference Building Simulation ’99 in Kyoto, International Building Performance Simulation Association 미소장
139 (2003), Computational Building Models : Theme and Four Variations, Proceedings of the 8th IBPSA Conference, Aug. 11-14，Eindhoven, Netherlands, pp. 3-17 미소장
140 (2005), Toward a unified information space for the specification of building performance simulation results, Building simulation '05, 9th international IBPSA conference, 15-18 August, Montreal, Canada, pp. 671-676 미소장
141 (2011), The human dimension of building performance simulation, Proceedings of the 12th IBPSA Conference (International Building Performance Simulation Association), November 14-16, Sydney,Australia, pp. 16-33 미소장
142 (1995). How to overcome HVAC simulation obstacles. Building Simulation, Fourth International Conference Proceedings, IBPSA. 미소장
143 (2007). Building energy performance simulation tools: a life-cycle and interoperable perspective, Stanford, Califonia: Center for Integrated Facility Engineering. 미소장
144 (2004), Advance Building Simulation,Spon Press. 미소장
145 A new paradigm for Human-Building Interaction: the use of CFD and Augmented Reality 네이버 미소장
146 McGraw Hill Construction, (2007)，Greem BIM SmartMarket Report 미소장
147 McGraw Hill Construction, (2010)，Greem BIM SmartMarket Report 미소장
148 (1999)，Embedding simulation within the energy sector business. Proceedings of Building Simulation 99，Sixth International IBPSA conference, Kyoto, September 1999, pp 262-268. 미소장
149 A Comparison of Three Methods for Selecting Values of Input Variables in the Analysis of Output from a Computer Code 네이버 미소장
150 (1953), Equations of state calculations by fast computing machines. J. Chem. Phys., pp. 1087-1092 미소장
151 Some Methods for Nonlinear Multi-objective Optimization 네이버 미소장
152 A Taxonomy of Mixed Reality Visual Displays 네이버 미소장
153 (1994), Augmented reality: a class of displays on the reality-virtuality continuum, SPIE Proc. : Telemanipulator and Telepresence Technologies,2351m，pp.282-292 미소장
154 (1969), Executive Decisions and Operations Research, Prentice-Hall, INC. Englewood Cliffs, NJ, USA 미소장
155 (2007), Application of probabilistic simulation and bayesian decision theory in the selection of mold remediation actions, Proceedings of the 10th IBPSA Conference, Sep.3 -6，Beijing, China, pp. 912-918 미소장
156 (2003), Towards the integration of simulation into the building design process. Thesis(PhD). University of Strathclyde, Energy System Research Unit ESRU，UK. 미소장
157 Factorial Sampling Plans for Preliminary Computational Experiments 네이버 미소장
158 (2003), ArDot a tool to optimise environmental design of building, IRUSE (Informatics Research Unit for Sustainable Engineering), Department of Civil & Environmental Engineering, National University of Ireland Cork, Ireland. 미소장
159 (1996), Bayesian Learning for Neural Networks. Springer, New York. Lecture Notes in Statistics 118. 미소장
160 In E-Business, the Value of Every Transaction in Increases 네이버 미소장
161 New directions in integrated regional energy planning 네이버 미소장
162 (2004). Probabilistic sensitivity analysis of complex models: a bayesian approach. J. R. Statist. Soc. Ser. B 66,pp.751-769. 미소장
163 (2011), Process-driven BIM-based optimal design using integration of EnergyPlus, genetic algorithm, and pareto optimality, Proceedings of the 12th IBPSA Conference (International Building Performance Simulation Association), November 14-16，Sydney, Australia, pp.894-901 미소장
164 (2006) Presentation fo r Engineers : Overview of Simulation, IBPSA-USA (International Building Performance Simulation Association USA Chapter) Conference, August 2 -4 , Cambridge, Massachusetts, USA 미소장
165 (1999), Simulation of business processes. The American Behavioral Scientist, 42, pp.1551-1576. 미소장
166 Application of multi-criteria decision making to sustainable energy planning-A review 네이버 미소장
167 (2003), Communication Building Simulation Outputs to Users, Proceedings of the 8th IBPSA Conference, Aug. 11-14， Eindhoven, Netherlands, pp. 1053-1060 미소장
168 200-MeV bremsstrahlung tagged photon beams at Sendai 네이버 미소장
169 (2001), Daylight availability and manual lighting control in office buildings - Simulation studies and analysis of measurements, Ph.D. thesis, Technical University of Karlsruhe, Germany, October 2001 미소장
170 A high-resolution domestic building occupancy model for energy demand simulations 네이버 미소장
171 (2005), The trade space exploration paradigm. INCOSE 2005 International Symposium. Rochester, New York. 미소장
172 (1980), The Analytic Hierarchy Process, McGraw-Hill, New York, NY, USA 미소장
173 (2000), Sensitivity Analysis, John Wiley & Sons, Ltd, New York. 미소장
174 Sensitivity Analysis in Practice: A Guide to Assessing Scientific Models by A. Saltelli; 네이버 미소장
175 (2000), Analytical group decision making in natural resources: methodology and application. Forest Science pp.62-75. 미소장
176 Do LEED-certified buildings save energy? Not really… 네이버 미소장
177 (1985), Multi objective optimization with vector evaluated genetic algorithm. Proceedings of the First International Conference on Genetic Algorithms, Hillsdale, New Jersey, pp.93-100 미소장
178 Building information model based energy/exergy performance assessment in early design stages 네이버 미소장
179 Performance-based building and innovation: balancing client and industry needs 네이버 미소장
180 (1986), Density estimation for statistics and data analysis, Chapman and Hall, New York 미소장
181 (2011), SimLab Documentation web site, Avaliable from：http://simlab.jrc.ec.europa.eu/dQcs/html/uniform.html 미소장
182 (1998), On quasi-Monte Carlo integrations, Mathematics and Computers in Simulation, Vol. 47, pp. 103-112 미소장
183 Lessons Learned by Closing Windows 네이버 미소장
184 (2003). WinBUGS User Manual, Version 1.4. Medical Research Council Biostatistics Unit, Cambridge. 미소장
185 (2006), Mechanical and electrical equipment for buildings, John Wiley & Sons, Inc. 미소장
186 (2001), M ulti-criteria Decision-making MCDM-23, a method for specifying and prioritising criteria and goals in design (Draft), International Energy Agency Solar Heating and Cooling, pp.4-11 미소장
187 (2008), Integrated Data and Process Control During BIM Design, Master's Thesis, Technical University of Denmark 미소장
188 An examination of the effectiveness of multi-dimensional decision-making methods: A decision-making paradox 네이버 미소장
189 (2000), Multi-criteria decision making methods: a comparative study, Kluwer Academic Publishers, Dordrecht 미소장
190 (1997), A hybrid monitoring-modeling procedure for analyzing the performance of large central chilling plants. IBPSA Conference Proceedings, Prague, Czech Republic, Sept. 13-15. 미소장
191 UNEP, Buildings - Investing in energy and resource efficiency, UNEP. (2011), Available from: http://www.unep.Org/greeneconomy/Portals/88/documents/ger/9.0.Buildings.pdf (assessed 27.12.12) 미소장
192 (2007), Mitigating C02 emissions from energy use in the world's buildings. Building Research & Information Vol.35, pp.379-398 미소장
193 US Green Building Council, (2010), LEED Rating System, online version 3.0, Washington, DC. 미소장
194 (2011), Bayesian modeling with Gaussian processes using the MATLAB toolbox GPstuff. submitted. 미소장
195 Multiobjective Evolutionary Algorithms: Analyzing the State-of-the-Art 네이버 미소장
196 (1947), Theory of Games and Economic Behavior. Princeton University Press, Princeton, New Jersey 미소장
197 Applying multi-objective genetic algorithms in green building design optimization 네이버 미소장
198 (2004), Simulation-based building energy optimization. Mechanical Engineering. Berkeley, California, University of California. Doctor of Philosophy： 989-999. 미소장
199 Modelica-based modelling and simulation to support research and development in building energy and control systems 네이버 미소장
200 (2004), Outline for a general framework for the assessment of innovative ventilation systems, RESHYVENT report 미소장
201 Optimization of building thermal design and control by multi-criterion genetic algorithm 네이버 미소장
202 (1998), A User’s Guide to LHS： Sandias Latin Hypercube Sampling Software, Albuquerque, NM, Sandia National Laboratories. 미소장
203 (1973), Compromise Programming, Multiple Criteria Decision Making, University of South Caroline Press. USA. 미소장
204 (2009), HVAC design informed by organization simulation, 17lh International IBPSA Conference Glasgow, Scotland July 27-30, pp.2198-2203 미소장

추천서가 (다양한 추천 자료를 만나보세요)

권호기사보기

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 기사목차

권호

기사명 원문보기 기사목차
닫기