Advancing Building Energy Modeling with Large Language Models: Exploration and Case Studies

最新推荐文章于 2025-11-25 14:20:46 发布

UnknownBody

最新推荐文章于 2025-11-25 14:20:46 发布

阅读量140

点赞数

CC 4.0 BY-SA版权

文章标签：语言模型搜索引擎人工智能

本文链接：https://blog.youkuaiyun.com/c_cpp_csharp/article/details/137397944

LLM 日更专栏收录该内容

828 篇文章

已下架不支持订阅

本文研究了大型语言模型（LLM）如ChatGPT与建筑能源建模（BEM）软件的集成，通过案例分析揭示了LLM在自动化和优化建模任务中的潜力，包括输入生成、输出分析、误差分析、协同模拟、知识提取和模拟优化。尽管存在计算需求大和自一致性问题，但LLM有望在可持续建筑实践中发挥关键作用，推动能源效率的提升。

本文是LLM系列文章，针对《Advancing Building Energy Modeling with Large Language Models: Exploration and Case Studies》的翻译。
@TOC

摘要

人工智能的快速发展促进了像ChatGPT这样的大型语言模型的出现，提供了扩展到专业工程建模的潜在应用，特别是基于物理的建筑能量建模。本文研究了大型语言模型与建筑能源建模软件的创新集成，特别关注ChatGPT与EnergyPlus的融合。首先进行了文献综述，以揭示在工程建模中引入大型语言模型的日益增长的趋势，尽管对其在建筑能源建模中的应用研究有限。我们强调了大型语言模型在解决建筑能源建模挑战方面的潜力，并概述了潜在的应用，包括1）模拟输入生成，2）模拟输出分析和可视化，3）进行误差分析，4）协同模拟，5）模拟知识提取和训练，以及6）模拟优化。三个案例研究揭示了大型语言模型在自动化和优化建筑能源建模任务方面的变革潜力，强调了人工智能在推进可持续建筑实践和能源效率方面的关键作用。案例研究表明，选择正确的大型语言模型技术对于提高性能和减少工程工作量至关重要。除了直接使用大型语言模型外，还使用了三种特定技术：1）提示工程，2）检索增强生成，以及3）多智能体大型语言模型。这些发现倡导在未来的人工智能研究中采用多学科方法，其影响范围从建筑能源建模扩展到其他专业工程建模。