تنمية دلالية لمحاكاة أداء الطاقة للمباني المعتمدة على نماذج معلومات المباني باستخدام التشابه النصي الدلالي وضبط نماذج اللغة متعددة اللغات.

لتحقيق الأهداف العالمية لاتفاق باريس في الحد من ارتفاع درجة حرارة الأرض، من الضروري تقليل الطاقة التشغيلية للمباني، التي تمثل حوالي 30% من انبعاثات غازات الدفيئة العالمية. تُعد محاكاة أداء الطاقة للمباني (BEPS) طريقة مت establishedة لتقدير الطلب على الطاقة في المباني في مراحل التصميم المبكرة. توفر نماذج معلومات المباني (BIM) معلومات هندسية ودلالية لإنشاء نماذج طاقة المباني (BEM) بدقة في مراحل التصميم المبكرة. ومع ذلك، فإن إثراء المعلومات الدلالية المفقودة يدويًا لا يزال عملية تستغرق وقتًا وجهدًا كبيرين. لذلك، نقترح منهجية جديدة لإثراء المعلومات المفقودة تلقائيًا لنماذج معلومات المباني باستخدام التشابه النصي الدلالي (STS) ونماذج اللغة الكبيرة المدربة بدقة (LLM). لكل IfcSpace، نقوم بمطابقة أنواع المساحات الخاصة بالغرف والتشييدات مع الخصائص الحرارية المفقودة باستخدام أزواج دلالية الأكثر تشابهًا من نموذج BIM وقواعد البيانات المعنية. نستخدم ثلاث دراسات حالة من العالم الحقيقي لضبط نماذج اللغة الكبيرة، ودراستان تقييمان المنهجية الكاملة. استراتيجيات الضبط المختلفة، مثل استخدام دوال خسارة مختلفة، وإضافة أزواج كلمات متعارضة أو اختصارات محددة للمجال، تحسن دقة المطابقة بشكل كبير. في نفس الوقت، ومع ذلك، تظهر النتائج أن المطابقة الدلالية المستندة إلى نماذج اللغة الكبيرة المدربة متعددة اللغات تؤدي بشكل أسوأ من نماذج اللغة المدربة أحاديًا. أخيرًا، تنحرف نتائج BEPS من BEM المعززة تلقائيًا قليلاً فقط عن تلك المعززة يدويًا.