人工知能技術の急速な発展に伴い、データ駆動型の予測モデルはエネルギー需要および性能効率予測分野においてますます重要性を増しています。蓄熱型深井地中熱ヒートポンプシステム（DBHE-GSHP）の性能予測に対する機械学習アルゴリズムの適用性を検討するために、DBHE-GSHPの運転データをリアルタイムで収集し、代表的なパラメータを選択して特徴量セットを構築し、ピアソン相関分析法で特徴量セットを最適化しました。最適化された特徴量セットに基づき、逆伝播型ニューラルネットワーク（BPNN）、極限学習機（ELM）、サポートベクターマシン（SVM）、および粒子群最適化 - サポートベクターマシン（PSO-SVM）などのアルゴリズムを用いて解析を行いました。研究結果は、PSO-SVM法が優れた予測性能を示し、予測精度が95％を超えることを明らかにしました。本研究成果は、DBHE-GSHP暖房システムのパラメータ最適化および効率的な運用の理論的支援を提供するものです。

深井地中熱ヒートポンプ;特徴選択;機械学習;性能予測