0
  • DE
  • EN
  • FR
  • Base de données et galerie internationale d'ouvrages d'art et du génie civil

Publicité

Informing building retrofits at low computational costs: a multi-objective optimisation using machine learning surrogates of building performance simulation models

Auteur(s): (Department of Civil and Environmental Engineering, Carleton University, Ottawa, Canada)
(Department of Civil and Environmental Engineering, Carleton University, Ottawa, Canada)
(Department of Civil Engineering, IIT Bombay, Powai, Mumbai, India)
(Department of Civil Engineering, IIT Bombay, Powai, Mumbai, India)
(Department of Civil Engineering, IIT Bombay, Powai, Mumbai, India)
(Department of Civil Engineering, IIT Bombay, Powai, Mumbai, India)
ORCID (Department of Civil and Environmental Engineering, Carleton University, Ottawa, Canada)
Médium: article de revue
Langue(s): anglais
Publié dans: Journal of Building Performance Simulation
Page(s): 1-17
DOI: 10.1080/19401493.2024.2384487
Structurae ne peut pas vous offrir cette publication en texte intégral pour l'instant. Le texte intégral est accessible chez l'éditeur. DOI: 10.1080/19401493.2024.2384487.
  • Informations
    sur cette fiche
  • Reference-ID
    10797276
  • Publié(e) le:
    01.09.2024
  • Modifié(e) le:
    01.09.2024
 
Structurae coopère avec
International Association for Bridge and Structural Engineering (IABSE)
e-mosty Magazine
e-BrIM Magazine