• Opis :

Zbiór danych inteligentnych budynków

Zbiór danych towarzyszący artykułowi „Real-World Data and Calibrated Simulation Suite for Offline Training of Reinforcement Learning Agents to Optimize Energy and Emission in Office Buildings” autorstwa Judah Goldfeder i Johna Sipple’a, zawierający szczegółowe odczyty telemetryczne z 3 komercyjnych budynków biurowych z sześciu lat.

• Opis konfiguracji : Budowanie sb1

• Strona główna : https://github.com/google/sbsim

• Kod źródłowy : tfds.datasets.smart_buildings.Builder

• Wersje :

  • 1.0.0 (domyślnie): Wersja pierwsza.

• Rozmiar pobierania : Unknown size

• Rozmiar zbioru danych : Unknown size

• Automatyczne buforowanie ( dokumentacja ): Nieznane

• Podziały :

• Struktura funkcji :

FeaturesDict({
    'action': FeaturesDict({
        'request': FeaturesDict({
            'singleActionRequests': Sequence({
                'continuousValue': Scalar(shape=(), dtype=float32),
                'deviceId': Text(shape=(), dtype=string),
                'setpointName': Text(shape=(), dtype=string),
            }),
            'timestamp': Text(shape=(), dtype=string),
        }),
        'singleActionResponses': Sequence({
            'additionalInfo': Text(shape=(), dtype=string),
            'request': FeaturesDict({
                'continuousValue': Scalar(shape=(), dtype=float32),
                'deviceId': Text(shape=(), dtype=string),
                'setpointName': Text(shape=(), dtype=string),
            }),
            'responseType': Text(shape=(), dtype=string),
        }),
        'timestamp': Text(shape=(), dtype=string),
    }),
    'observation': FeaturesDict({
        'request': FeaturesDict({
            'singleObservationRequests': Sequence({
                'deviceId': Text(shape=(), dtype=string),
                'measurementName': Text(shape=(), dtype=string),
            }),
            'timestamp': Text(shape=(), dtype=string),
        }),
        'singleObservationResponses': Sequence({
            'continuousValue': Scalar(shape=(), dtype=float32),
            'observationValid': Text(shape=(), dtype=string),
            'singleObservationRequest': FeaturesDict({
                'deviceId': Text(shape=(), dtype=string),
                'measurementName': Text(shape=(), dtype=string),
            }),
            'timestamp': Text(shape=(), dtype=string),
        }),
        'timestamp': Text(shape=(), dtype=string),
    }),
    'reward': FeaturesDict({
        'agentRewardValue': Scalar(shape=(), dtype=float32),
        'carbonEmissionWeight': Scalar(shape=(), dtype=float32),
        'carbonEmitted': Scalar(shape=(), dtype=float32),
        'electricityEnergyCost': Scalar(shape=(), dtype=float32),
        'endTimestamp': Text(shape=(), dtype=string),
        'energyCostWeight': Scalar(shape=(), dtype=float32),
        'naturalGasEnergyCost': Scalar(shape=(), dtype=float32),
        'normalizedCarbonEmission': Scalar(shape=(), dtype=float32),
        'normalizedEnergyCost': Scalar(shape=(), dtype=float32),
        'normalizedProductivityRegret': Scalar(shape=(), dtype=float32),
        'personProductivity': Scalar(shape=(), dtype=float32),
        'productivityRegret': Scalar(shape=(), dtype=float32),
        'productivityReward': Scalar(shape=(), dtype=float32),
        'productivityWeight': Scalar(shape=(), dtype=float32),
        'rewardScale': Scalar(shape=(), dtype=float32),
        'startTimestamp': Text(shape=(), dtype=string),
        'totalOccupancy': Scalar(shape=(), dtype=float32),
    }),
})

• Dokumentacja funkcji :

• Klucze nadzorowane (zobacz dokument as_supervised ): None

• Rysunek ( tfds.show_examples ): Nieobsługiwany.

• Przykłady ( tfds.as_dataframe ): Brak.

• Cytat :

// TODO(smart_buildings_dataset): BibTeX citation

smart_buildings/sb1 (konfiguracja domyślna)