were collected and visualized in GI

were collected and visualized in GIS to show the energy use distribution, as in Fig 2a. Also the modeling
could estimate monthly and hourly building energy use to better understand the energy use dynamics.
The validation using a building energy and water use dataset in Manhattan in 2012 provided under the
Local Law 84 (LL84) [24] shows a considerable accuracy, with the Coefficient of Variance Root Mean
Square Error of 0.69, less than 5 times of the strict ASHRAE standard for a single building [25].

ผลลัพธ์ (ไทย) 1:

ได้รวบรวม และ visualized ใน GIS จะแสดงพลังงานใช้กระจาย ในฟิก 2a นอกจากนี้การสร้างโมเดลสามารถประเมินรายเดือน และรายชั่วโมงใช้พลังงานเพื่อสร้างเข้าใจเปลี่ยนแปลงการใช้พลังงานการตรวจสอบการใช้พลังงานในอาคารและน้ำใช้ชุดข้อมูลในแมนฮัตตันในปี 2555 ให้ภายใต้การ84 กฎหมายท้องถิ่น (LL84) [24] แสดงเป็นจำนวนมากมีความแม่นยำ การสัมประสิทธิ์ของความแปรปรวนรากหมายถึงตารางข้อผิดพลาด ของ 0.69, less than ครั้งที่ 5 ของมาตรฐาน ASHRAE เข้มงวดสำหรับอาคารเดี่ยว [25]

ผลลัพธ์ (ไทย) 2:

ถูกเก็บรวบรวมและมองเห็นในระบบสารสนเทศภูมิศาสตร์เพื่อแสดงการกระจายการใช้พลังงานเช่นเดียวกับในรูปที่ 2a
นอกจากนี้ยังมีการสร้างแบบจำลองสามารถประมาณการอาคารรายเดือนและรายชั่วโมงการใช้พลังงานในการทำความเข้าใจการเปลี่ยนแปลงการใช้พลังงาน.
ตรวจสอบการใช้พลังงานในอาคารและการใช้น้ำชุดข้อมูลที่แมนฮัตตันในปี 2012
ให้อยู่ภายใต้กฎหมายท้องถิ่น84 (LL84) [24] แสดงให้เห็นถึงความถูกต้องมาก
มีค่าสัมประสิทธิ์ของความแปรปรวนรากหมายถึงข้อผิดพลาดของสแควร์0.69 น้อยกว่า 5 เท่าของมาตรฐาน ASHRAE ที่เข้มงวดสำหรับอาคารเดียว [25]

ผลลัพธ์ (ไทย) 3:

การเก็บรวบรวมและการมองเห็นในระบบสารสนเทศภูมิศาสตร์เพื่อแสดงการใช้พลังงาน ในรูปที่ 2A นอกจากนี้แบบจำลอง
, รายเดือนและการใช้พลังงานในอาคารชั่วคราว เพื่อให้เข้าใจการใช้พลังงานมาใช้ การตรวจสอบการใช้พลังงานในอาคาร
น้ำและใช้ข้อมูลในแมนฮัตตันในปี 2012 ไว้ภายใต้กฎหมายท้องถิ่น 84 (
[ ll84 ) 24 ] แสดงความจํานวนมากกับค่าสัมประสิทธิ์ของความแปรปรวนรากหมายถึง
ความคลาดเคลื่อนกำลังสองเท่ากับ 0.69 , น้อยกว่า 5 เท่าของมาตรฐาน ASHRAE ที่เข้มงวดสำหรับอาคารเดียว [ 25 ]