Predicting missing Energy Performance Certificates: Spatial interpolation of mixture distributions - FAYOL / PIESO : Performance Industrielle et Environnementale des Systèmes et des Organisations
Article Dans Une Revue Energy and IA Année : 2024

Predicting missing Energy Performance Certificates: Spatial interpolation of mixture distributions

Prédire les DPE manquants : Interpolation spatiale de distributions de mélanges

Résumé

Mass renovation goals aimed at energy savings on a national scale require a significant level of public financial commitment. To identify target buildings, decision-makers need a thorough understanding of energy performance. Energy Performance Certificates (EPC) provide information about areas of space, such as land plots or a building’s footprint, without specifying exact locations. They cover only a fraction of dwellings. This paper demonstrates that learning from observed EPCs to predict missing ones at the building level can be viewed as a spatial interpolation problem with uncertainty both on input and output variables. The Kriging methodology is applied to random fields observed at random locations to determine the Best Linear Unbiased Predictor (BLUP). Although the Gaussian setting is lost, conditional moments can still be derived. covariates are admissible, even with missing observations. We present applications using both simulated and real data, with a specific case study of a city in France serving as an example.
Fichier principal
Vignette du fichier
main.pdf (9.91 Mo) Télécharger le fichier
AngersEPC.pdf (3.68 Mo) Télécharger le fichier
AngersEPCpred.pdf (3.8 Mo) Télécharger le fichier
DPE_lyon_centre2.png (458.6 Ko) Télécharger le fichier
affineprojection2.png (58.23 Ko) Télécharger le fichier
etiquettes_dpe.png (78.39 Ko) Télécharger le fichier
histDPE (1).pdf (4.92 Ko) Télécharger le fichier
histDPE.pdf (4.92 Ko) Télécharger le fichier
main (1).pdf (9.91 Mo) Télécharger le fichier
main.synctex.gz (362.51 Ko) Télécharger le fichier
main.toc (1.72 Ko) Télécharger le fichier
mapAngersYear (1).pdf (1.3 Mo) Télécharger le fichier
mapAngersYear.pdf (1.3 Mo) Télécharger le fichier
mixkr1multisize (1).pdf (17.41 Ko) Télécharger le fichier
mixkr1multisize.pdf (17.41 Ko) Télécharger le fichier
mixkrvsrounding (1).pdf (16.44 Ko) Télécharger le fichier
mixkrvsrounding.pdf (16.44 Ko) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-03276127 , version 1 (01-07-2021)
hal-03276127 , version 2 (25-08-2022)
hal-03276127 , version 3 (07-03-2023)
hal-03276127 , version 4 (17-01-2024)

Licence

Identifiants

Citer

Marc Grossouvre, Didier Rullière, Jonathan Villot. Predicting missing Energy Performance Certificates: Spatial interpolation of mixture distributions. Energy and IA, 2024, 16, pp.100339. ⟨10.1016/j.egyai.2024.100339⟩. ⟨hal-03276127v4⟩
950 Consultations
359 Téléchargements

Altmetric

Partager

More