| Title: | Гибридный подход к прогнозированию заполненности помещений для оптимизации энергопотребления высших учебных заведений |
| Other Titles: | A hybrid approach tо occupancy prediction for energy consumption optimization in higher educational institutions |
| Authors: | Резаи Вахид, С. Н. |
| Keywords: | материалы конференций;Big Data;информационные системы;прогнозная аналитика;энергоэффективность;академическое расписание |
| Issue Date: | 2026 |
| Publisher: | БГУИР |
| Citation: | Резаи Вахид, С. Н. Гибридный подход к прогнозированию заполненности помещений для оптимизации энергопотребления высших учебных заведений = A hybrid approach то occupancy prediction for energy consumption optimization in higher educational institutions / С. Н. Резаи Вахид // Big Data и анализ высокого уровня = Big Data and Advanced Analytics : сборник научных статей XII Международной научно-практической конференции, Республика Беларусь, Минск, 23 апреля 2026 года : в 2 ч. Ч. 1 / Белорусский государственный университет информатики и радиоэлектроники [и др.] ; редкол.: В. А. Богуш [и др.]. – Минск, 2026. – С. 326–330. |
| Abstract: | В данной статье дается обзор того, каким образом прогнозная аналитика занятости
помещений (predictive occupancy analytics. РОА), основанная на больших данных, позволяет решать
проблемы, связанные с применением энергоэффективного климат-контроля в учреждениях высшего
образования. Используя иерархическую модель слияния данных из нескольких источников, автор предлагает
интеграцию детерминированных данных из официальных расписаний занятий, статистических
коэффициентов посещаемости и оперативных данных в реальном времени, поступающих от сенсорных сетей,
для достижения оптимального компромисса между точностью прогнозирования и затратами на внедрение
системы. |
| Alternative abstract: | This article provides an overview of how big data-driven Predictive Occupancy Analytics (POA) can address the challenges associated with implementing energy-efficient climate control in higher education institutions. Utilizing a hierarchical multi-source data fusion model, the author proposes the integration of deterministic data from official academic schedules, statistical attendance ratios, and real-time operational data from sensor networks to achieve an optimal trade-off between forecasting accuracy and system implementation costs. |
| URI: | https://libeldoc.bsuir.by/handle/123456789/63524 |
| Appears in Collections: | BIG DATA and Advanced Analytics = BIG DATA и анализ высокого уровня : сборник научных статей : в 2 ч. (2026)
|
