如果天气预报有雨，你很可能会带上雨伞；如果预报说会变冷，你可能会带上手套。建筑物中也有类似的预先准备：复杂的供暖和制冷系统会根据预测的天气自动调节。
但是，当天气预报并不准确（而这种情况时常发生）时，建筑物可能会白白浪费能源，就像我们可能会淋湿、受冻，或者不得不多穿一些并不需要的衣服一样。
这一新方法利用机器学习模型来预测天气预报的准确度，该模型基于多年的预报数据与实际天气状况数据进行训练。研究人员将这一预测器与一个数学模型相结合，该数学模型考虑了建筑特征，包括房间的大小和形状、建筑材料、传感器的位置以及窗户的位置。
根据以康奈尔大学校园内一座近90年历史的建筑“Toboggan Lodge”为案例进行的研究，该智能控制系统可将能源使用量降低多达10%。
更智能的家居
“如果建筑物本身足够“智能”，能够了解天气状况，或者至少以某种方式更多地理解天气预报信息，它就能做出更好的调整，自动控制其供暖和制冷系统，从而节约能源，并让居住者更加舒适。”康奈尔大学能源系统工程教授、该系统论文的合著者游凤起（Fengqi You）表示，该论文发表于《”Journal of Process Control》。
“例如，如果我知道太阳很快就会升起，天气会变暖，那么我可能就不需要把房子烧得那么暖和。如果我知道今晚会有暴风雨，那么我就会稍微提前加热一点，以保持舒适的温度，”游凤起说。
“我们努力让能源系统变得智能，使其能够对未来做出一些预测，并做出最优决策。”
除了收集多年的历史天气和气候数据以训练机器学习模型外，一个由硕士研究生组成的团队还协助开发了Toboggan Lodge案例研究。
借助这些信息，该模型不仅能够检测温度的不确定性，还能检测降水、日照以及不同地点之间状况差异所带来的不确定性。模型会根据预报的不确定程度相应地自行调整。
“即便是最好的天气预报系统，也无法给你最准确的信息，”游凤起说。“此外，天气预报信息通常针对某一地区，而非具体地点。”
针对不完美预报的解决方案？
Toboggan Lodge之所以成为一个有趣的案例研究，是因为它规模小、结构简单，且建成年代久远，因此其供暖和制冷系统相对容易改造。
游凤起表示，将机器学习算法与数学规划方法相结合，所形成的控制系统比单独使用任何一种方法都更加准确，也更加“智能”。
该框架在建筑控制系统和农业灌溉控制方面具有潜在应用，并且有望在日益流行于大城市的垂直农场和植物工厂中，实现更高效的室内环境控制。
“我们并没有完美的天气预报方法，因此我们能做的最好的事情，就是将人工智能与机理建模结合起来，”他说，“这两个部分此前从未以系统化的方式相互融合，用于自动控制和能源管理。”
