Wie wir das Haus modelliert haben

Vor einigen Jahren dachte ich, meine Arbeit sei ein Handwerk geworden. Um den grauen Alltag zu diversifizieren und meine Kosten als Spezialist zu erhöhen, trat ich in die Magistratur ein und wurde sofort zu einer klaren Frage: Wie sollte ich nach 15 Jahren nach Abschluss der ersten Fachhochschule einen FQP schreiben, für den ich mich nicht schämen würde?

Einführung

So kam es, dass ich fast alle 15 Jahre, seit ich Ingenieur wurde, mit der Wartung von Wärmezählern in den Kellern von Mehrfamilienhäusern (MKD) beschäftigt war. Die Daten haben sich so weit angesammelt, dass sie mutig als Big Data bezeichnet werden können.

Ich werde die Physik des Prozesses des Wärmeverlusts von Gebäuden und Bauwerken nicht im Detail beschreiben, sondern nur einige Annahmen schreiben, die ich treffen musste:

1. Temperatur im Haus. Großes technisches Problem. Wo richtig messen? Wie viele Punkte gibt es an welchen Orten? Ich entschied mich für den "Krankenhausdurchschnitt" und nahm das als 24 Grad.

   
   
   
   
   

2. Außentemperatur. Daten von Roshydromet können nur für Geld erhalten werden. Sie wird von Energieversorgungsunternehmen betrieben, wenn sie alle ihre Berechnungen durchführen. In unserer Stadt stellte sich heraus, dass es ein optisches Wetterlabor gibt , das das gleiche misst, aber Daten für die Wissenschaft kostenlos zur Verfügung stellt. Wir haben einen Brief mit dem wissenschaftlichen Berater geschrieben - wir haben die Daten erhalten.

   
   
   
   
   

3. Messfrequenz. Ich musste nicht darüber nachdenken, wir entschieden, dass das tägliche Archiv des Wärmezählers ausreichen würde. Ein Wohngebäude ist ein ziemlich stationäres Stück, es erwärmt sich langsam, kühlt sich langsam ab.

   
   
   
   
   

4. Die Daten müssen gelöscht werden. Es kommt also vor, dass der Wärmezähler nicht funktioniert. Manchmal liegt dies an seiner Fehlfunktion, manchmal an den Setup-Modi. Für die Modellierung ist es besser, gültige Daten zu verwenden - zum Beispiel, wenn sie für die kommerzielle Abrechnung zulässig sind.

   
   
   
   
   

5. Die Daten sind auf den Zeitraum von Anfang Dezember 2013 bis 27. März 2017 beschränkt. Wie es ist.

   
   
   
   
   

6. Datenverarbeitung in Statistica. Diese Aufgabe wurde mir von einem wissenschaftlichen Ausbilder übertragen, ich erwarb eine akademische Lizenz.

   
   
   
   
   

Ein bisschen Theorie

Aus der Weltpraxis [1] wählen wir zwei Messmethoden aus, die für die jeweilige Aufgabe geeignet sind:

·              . .

·              - . , .

: .

, – . , , , , . [2] , 1 [3]

G – , /²*⁰;

      Q – , ;

      – , 24⁰;

      – , ⁰;

( -) – , ⁰;

      S – , ²;

      t – , 24 .

, , 2 :

, .

, 830 - : 1965 . – , , .

1 . , , 0⁰.

2015-2016 . , .

2 [4] – Statistica, .

, , . Statistica . - () . () , "" ( ) . ( ) (, ).

G :

. , :

.

, "" , .

. .

.

1. , . . / . . , . . // . – 2015. – № 8. – . 24–30.

2. Mukashev A., Dynamic method of the heating devices efficiency measurement // Mukashev A., Pugovkin A., Kuprekov S., Petrova N.,Abramchuk S, International Scientific Conference «Environmental and Climate Technologies», CONECT–2017,Riga.

3. .. / .. , .. , .. , .. , XIV - « », : . . - . , 2018, 2, .302-305.

4. .. Statistica : ; . – : - , 2011. – 163 .