多模態住宅能效預測

一棟建築的能效同時寫在三個地方——
它的數據、它的描述、它的位置。
問題是怎麼把三者一起讀。

角色研究・實作・論文

單位倫敦國王學院 — MSc

技術 PyTorch・BERT・scikit-learn・Streamlit

研究問題

一份 EPC 評估同時帶著表格化的建物特徵、
一段文字描述、以及一個位置。
多數模型只取第一項，丟掉其餘。
這份研究比較三種融合三者的方式，
用來預測 SAP 與 EI 分數。

有意思的失敗不在架構，而在資料切分。
EPC 資料裡地址會重複——同一棟建築被重新評估——
隨機切分會讓同一棟從訓練集洩漏到測試集，
於是每個模型看起來都比實際好。
改用以物件為單位重新分組後結果變了，
圖表也得重畫。

旁邊還有一個家庭能源模擬器，
讓改造情境可以在單一物件上實際跑，
而不是停留在抽象討論。

3 種模態：表格、文字、空間

3 種融合策略比較

2 個預測目標：SAP 與 EI