结合立体摄影测量与基于GIS的城市数字孪生的建筑能耗预测机器学习方法

《Land》：Building Energy Consumption Prediction Integrating Stereo Photogrammetry and GIS-Based Urban Digital Twins with Machine Learning

　　

摘要

建筑物在全球能源消耗和温室气体排放中占相当大的份额，凸显了准确进行大规模建筑能源评估的必要性。然而，在土耳其，能源绩效证书（EPC）和详细3D建筑模型的供应有限，限制了全面的城市能源分析。本研究提出了一种新颖的基于地理信息系统（GIS）和城市数字孪生（UDT）的方法，整合立体摄影测量和机器学习（ML），以预测建筑物年能源消耗量并评估屋顶太阳能潜力。最初，将EPC与建筑及摄影测量3D建筑模型进行整合，并使用BEP-TR2计算方法验证建筑能源参数。随后利用验证后的数据集训练和比较随机森林、XGBoost、CatBoost和人工神经网络模型。对于缺乏详细建筑模型的建筑物，从立体摄影测量航空影像中提取几何属性以实现能耗预测。XGBoost实现了最佳预测性能，使用建筑GML数据获得R²为0.82，使用摄影测量衍生数据获得R²为0.83。随后估计了屋顶太阳辐射潜力，并与预测的年能源消耗量进行比较，以评估建筑自给自足能力。结果表明，27%的建筑完全自给自足，而20%的建筑实现了50–70%的自给自足。所提出的框架展示了整合数字孪生、GIS、立体摄影测量和机器学习以支持可扩展城市能源规划、可再生能源整合和可持续决策的潜力。