一种综合机器学习方法，用于根据纽约市第97号地方法规，从经济角度优先考虑多户住宅建筑的节能措施

《Journal of Building Engineering》：An integrated machine learning approach to economically prioritize energy conservation measures for multifamily buildings under New York City’s Local Law 97

　　

鲍文·张（Baowen Zhang）| 保罗·克罗维拉（Paul Crovella）

• •
  首个将碳成本（268美元/吨二氧化碳当量）纳入基于性能的建筑规范下的建筑改造决策制定的机器学习框架。
• •
  堆叠集成模型的R2值为0.94（CV-RMSE在ASHRAE指南14规定的城市规模能源预测阈值±25%范围内）。
• •
  以曼哈顿一栋具有代表性的多户住宅建筑（254,928平方英尺，建于1952年）为案例研究，该建筑在25年内累计节省了480万美元，其中避免LL97标准的成本贡献了总经济效益的19%。
• •
  该决策支持工具能够在预算限制内根据投资回收期对节能改造措施进行排序，从而实现经济最优的改造顺序。
• •
  该框架方法可应用于类似的碳减排政策（例如波士顿的BERDO、华盛顿特区的BEPS）。