دانلود مقاله ISI انگلیسی شماره 146225
عنوان انگلیسی
Selection of target LEED credits based on project information and climatic factors using data mining techniques
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی ترجمه فارسی
146225 2017 13 صفحه PDF سفارش دهید
دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله تقریباً شامل 8595 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 12 تومان 15 روز بعد از پرداخت 103,140 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 24 تومان 8 روز بعد از پرداخت 206,280 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Advanced Engineering Informatics, Volume 32, April 2017, Pages 224-236

پیش نمایش مقاله
پیش نمایش مقاله

چکیده انگلیسی

Developed by the United States Green Building Council, Leadership in Energy and Environmental Design (LEED) is a credit-based rating system that provides third-party verification for green buildings. Selection of target credits is important yet challenging for LEED managers because various factors such as target certification grade level and building features need to be considered on a case-by-case basis. Local climatic factors could affect the selection of green building technologies and hence the target credits, but currently there is no research suggesting target LEED credits based on climatic factors. This paper presents a methodology for the selection of target LEED credits based on project information and climatic factors. This study focuses on projects certified with LEED for Existing Buildings (LEED-EB). Information of 912 projects and their surrounding climatic circumstances was collected and studied. 55 classification models for 47 LEED-EB credits were then constructed and optimized using three classification algorithms - Random Forests, AdaBoost Decision Tree, and Support Vector Machine (SVM). The results showed that Random Forests performed the best in most of the 55 classification models. With a combination of the three algorithms, the trained classification models were used to develop a web-based decision support system for LEED credit selection. The system was tested using 20 recently certified LEED projects, and the results showed that our system had an accuracy of 82.56%.

دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله شامل 8595 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 12 تومان 15 روز بعد از پرداخت 103,140 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 24 تومان 8 روز بعد از پرداخت 206,280 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.