A COMPARATIVE ANALYSIS OF FINE TREE REGRESSION AND ANFIS FOR PREDICTING CARBON FOOTPRINTS IN RESIDENTIAL CONSTRUCTION
住宅建設におけるカーボンフットプリント予測のためのファインツリー回帰とANFISの比較分析 (AI 翻訳)
Rufaizal Che Mamat, Azuin Ramli, M. N. A. Ghani, M. A. A. Aziz, M. L. Kirunjisman, L. H. Tajudin
🤖 gxceed AI 要約
日本語
本研究は、住宅建設の4段階（生産、輸送、運用、解体）におけるカーボンフットプリント予測に、ファインツリー回帰とANFISを適用し比較した。2000件のデータを用いた結果、ANFISが全段階で優れた精度を示し、特に運用段階でRMSEが大幅に改善された。持続可能な建設のための効率的な予測ツールを提供する。
English
This study compares fine tree regression and ANFIS for predicting carbon footprints across four stages of residential construction. Using 2000 observations, ANFIS outperformed Rtree in all stages, achieving lower RMSE values, especially in the operational stage. The findings offer an efficient tool for sustainable construction and environmental impact reduction.
Unofficial AI-generated summary based on the public title and abstract. Not an official translation.
📝 gxceed 編集解説 — Why this matters
日本のGX文脈において
日本の建設業界では、脱炭素化に向けた排出量算定の精度向上が求められており、本手法はLCAやカーボンフットプリント算定の効率化に寄与する可能性がある。SSBJ開示やサプライチェーン排出量算定にも応用が期待される。
In the global GX context
Globally, accurate carbon footprint prediction is critical for construction sector decarbonization. This study demonstrates ANFIS as a reliable AI tool for estimating emissions across building lifecycles, supporting sustainability reporting and climate action in line with TCFD and ISSB frameworks.
👥 読者別の含意
🔬研究者:AI手法（ANFIS）のカーボンフットプリント予測への適用可能性を示す実証データを提供。
🏢実務担当者:建設プロジェクトの排出量算定に活用可能な予測モデルの選択肢を提示。
🏛政策担当者:建設分野の排出削減政策におけるAI活用の根拠となる。
📄 Abstract（原文）
The construction industry is a major contributor to global carbon emissions, necessitating accurate predictive models for sustainable development. This study compares the performance of fine tree regression (Rtree) and adaptive neuro-fuzzy inference system (ANFIS) in predicting carbon footprints across four stages of residential construction: production, transportation, operational, and destruction. A dataset of 2000 observations was used, with an 80 to 20 split for training and testing. The models were evaluated using root mean square error (RMSE) and mean absolute percentage error (MAPE). Results indicate that ANFIS outperforms Rtree in all stages. ANFIS achieved an RMSE of 0.5142 at the production stage compared to 0.5317 for Rtree. ANFIS obtained an RMSE of 447.07 in the transportation stage, while Rtree recorded 492.23. The operational stage showed an RMSE of 1179.3 for ANFIS versus 1386.5 for Rtree. At the destruction stage, ANFIS demonstrated superior accuracy with an RMSE of 0.0610 compared to 0.0631. The findings suggest that ANFIS provides more precise predictions and is a reliable model for estimating carbon footprints in residential construction. This study contributes to sustainable construction by offering an efficient tool for reducing environmental impact.
🔗 Provenance — このレコードを発見したソース
- openalex https://doi.org/10.54554/jet.2026.17.2.002first seen 2026-08-06 05:04:21
🔔 こうした論文の新着を逃したくない方は キーワードアラート に登録（無料・3キーワードまで）。
gxceed は公開メタデータに基づく研究支援データセットです。要約・翻訳・解説は AI 支援で生成されています。 最終的な解釈・検証は利用者が原典資料に基づいて行うことを前提とします。