This study looked into assessing th

This study looked into assessing the heating load and cooling load requirements of buildings (that is, energy efficiency) as a function of building parameters.

We perform energy analysis using 12 different building shapes simulated in Ecotect. The buildings differ with respect to the glazing area, the glazing area distribution, and the orientation, amongst other parameters. We simulate various settings as functions of the afore-mentioned characteristics to obtain 768 building shapes. The dataset comprises 768 samples and 8 features, aiming to predict two real valued responses. It can also be used as a multi-class classification problem if the response is rounded to the nearest integer.

he dataset contains eight attributes (or features, denoted by X1...X8) and two responses (or outcomes, denoted by y1 and y2). The aim is to use the eight features to predict each of the two responses.

Specifically:
X1 Relative Compactness
X2 Surface Area
X3 Wall Area
X4 Roof Area
X5 Overall Height
X6 Orientation
X7 Glazing Area
X8 Glazing Area Distribution
y1 Heating Load
y2 Cooling Load

Results (Indonesian) 2:

Studi ini melihat ke menilai beban pemanasan dan pendinginan persyaratan beban bangunan (yaitu, efisiensi energi) sebagai fungsi dari parameter bangunan. Kami melakukan analisis energi menggunakan 12 bentuk bangunan yang berbeda disimulasikan dalam Ecotect. Bangunan berbeda sehubungan dengan area kaca, distribusi daerah kaca, dan orientasi, antara parameter lainnya. Kami mensimulasikan berbagai pengaturan sebagai fungsi dari karakteristik sungai tersebut untuk mendapatkan 768 bentuk bangunan. Dataset terdiri 768 sampel dan 8 fitur, yang bertujuan untuk memprediksi dua tanggapan yang nyata dihargai. Hal ini juga dapat digunakan sebagai masalah klasifikasi multi-kelas jika respon dibulatkan ke bilangan bulat terdekat. Ia dataset berisi delapan atribut (atau fitur, dilambangkan dengan X1 ... X8) dan dua tanggapan (atau hasil, dilambangkan dengan y1 dan y2). Tujuannya adalah untuk menggunakan delapan fitur untuk memprediksi masing-masing dua tanggapan. Secara khusus: X1 relatif Kekompakan X2 Permukaan X3 Dinding di Area X4 Roof di Area X5 Keseluruhan Tinggi X6 Orientasi X7 Kaca di Area X8 Kaca di Area Distribusi y1 Pemanasan Beban y2 Pendinginan Beban