Im zweiten Jahrzehnt des 21. Jahrhunderts hat die rasante Entwicklung der Statistik neue Forschungsideen auf dem Gebiet des menschlichen thermischen Komforts hervorgebracht . Seit 2016 haben maschinelles Lernen, Big Data und andere Mittel die Untersuchung des Modells des thermischen Komforts des Menschen eingeführt.
Zhang Variation der Anwendungskontexte.
Wir schlagen einen neuartigen, auf maschinellem Lernen basierenden Ansatz vor, um das Modell des thermischen Komforts einer Person zu erlernen. Dieser Ansatz identifiziert den besten Satz an Funktionen und lernt dann einen KlassifikatorNimmt einen Merkmalsvektor als Eingabe und gibt eine entsprechende Wärmeempfindungsklasse aus (z. B. „Kältegefühl“, „Neutral“ und „Warmgefühl“).
Eine neue Vorhersagemethode für thermische Komfortindizes wird eingeführt. Diese Vorhersagemethode mit dem Titel „Support Vector Machine (SVM)“ nutzt Lernen als Prozess zur Nachahmung menschlicher Intelligenz. In diesem Artikel wurden geeignetere nichtlineare Kernel verwendet und die SVM verbessert, um die thermischen Komfortindizes genau vorherzusagen.
Maschinelles Lernen in Studien zum thermischen Komfort. Dieser Abschnitt bietet einen Überblick über die überprüften Arbeiten im Hinblick auf ML-Prozess, Anwendungen, Eingabe- und Ausgabeparameter, Algorithmen und Bewertungsmethoden, Leistung und Herausforderungen. 4.1. Maschineller Lernprozess in thermischen Komfortstudien
Der Mensch verbringt mehr als 90 % seines Tages in Gebäuden, wo seine Gesundheit und Produktivität nachweislich mit dem thermischen Komfort verknüpft sind. Gebäudewärmekomfortsysteme machen den größten Anteil des US-amerikanischen Energieverbrauchs aus. Trotz dieser hohen Energiekosten bleibt es aufgrund der Komplexität des Gebäudedesigns und der unterschiedlichen Bedürfnisse der Gebäudenutzer schwierig, den thermischen Komfort in Gebäuden zu berücksichtigen
Diese Studie konzentriert sich auf die Ermittlung individueller thermischer Komfortanforderungen mithilfe von Infrarotbildern. Das Hauptziel besteht darin, die Machbarkeit von Infrarotbildern bei der Vorhersage thermischer Komfortparameter zu überprüfen und entsprechende Vorhersagemodelle für zwei verschiedene in dieser Studie definierte Klassifizierungsmodi vorzuschlagen.
Solche Studien nutzen die Vorhersage des thermischen Komforts als Feedback für die HVAC-Steuerung. Lu et al. 107 verwendeten ein Kombination eines thermischen Komfort-Vorhersagemodells basierend auf Algorithmen des maschinellen Lernens und eines auf Verstärkungslernen basierenden Temperatursollwert-Steuerungssystems, um einen datengesteuerten komfortbasierten Regler für HVAC zu entwickeln. Sie kamen zu dem Schluss, dass das ML
Wärmebehaglichkeit in Innenräumen einen enormen Einfluss auf die Gesundheit und Leistungsfähigkeit der Bewohner hat. Daher haben Forscher und Ingenieure zahlreiche Rechenmodelle zur Schätzung des thermischen Komforts (TC) vorgeschlagen. Angesichts der Dynamik in Richtung Energieeffizienz liegt der aktuelle Schwerpunkt auf datengesteuerten TC-Vorhersagelösungen, die modernste Algorithmen des maschinellen Lernens (ML) nutzen. Allerdings sind
Zusammenfassung. Ein persönliches Komfortmodell ist ein Ansatz zur Modellierung des thermischen Komforts für die Gestaltung und Kontrolle der thermischen Umgebung, der die thermische Komfortreaktion einer Person vorhersagtdurchschnittliche Reaktion einer großen Bevölkerung. Wir haben persönliche Modelle für den thermischen Komfort entwickelt, indem wir Wearables in Laborqualität bei normalen täglichen Aktivitäten verwendet haben.
Kürzlich hat sich der Schwerpunkt auf Folgendes verlagert: Persönliche Komfortmodelle, die die thermischen Komfortreaktionen einzelner Personen vorhersagen. Derzeit werden die Antworten der Bewohner auf den thermischen Komfort per Umfrage erhoben. In dieser Studie wurde untersucht, ob der thermische Komfort von Einzelpersonen mithilfe von Algorithmen für maschinelles Lernen vorhergesagt werden kann und dabei auf den Satz von
Persönliche Komfortmodelle; Maschinelles Lernen; Wärmekomfort; Ältere Menschen; Gesundheit; Persönlicher Komfort; Danksagungen. Die Autoren danken den an der Forschung beteiligten Teilnehmern. Die Forschung wurde vom Australian Research Council finanziert (Discovery-Projektnummer ARC DP180102019).
Verschiedene Datenanalysemethoden können Modelle zur Vorhersage des thermischen Komforts erstellen. Eine häufig verwendete Methode ist die statistische Analyse mit multipler linearer Regression. Die Genauigkeit der Regressionsanalyse muss mit anderen Analysemethoden überprüft werden. Diese Studie vergleicht die Erstellung eines Modells zur Vorhersage des thermischen Komforts mit einer Regressionsanalyse und einer naiven Bayes-Analyse. Die verwendete Forschungsmethode
Erstellung unter Verwendung von maschinellem Lernen (ML) (Subjektiv-Objektiv) 17. Verschiedene Datenwissenschafts- und maschinelle Lernmodelle wurden während des gesamten Gebäudelebenszyklus häufig in thermischen Komfortanwendungen eingesetzt 37. Luo et al. 38 führten eine Vergleichsstudie verschiedener ML-Modelle durch, die zur Vorhersage des thermischen Komforts verwendet wurden.
Persönlich Die Modellierung der Vorhersage des thermischen Komforts ist zu einem Trendthema bei den Bemühungen zur Verbesserung der Industrie gewordenIndividueller Innenraumkomfort, ein Begriff, der eng mit dem Design und der Leistung von Gebäudesystemen zusammenhängt, insbesondere in nachhaltigen und intelligenten Gebäuden. Diese Forschung bietet einen umfassenden Überblick über datengesteuerte Ansätze und Prozesse für
Der thermische Komfort in Innenräumen hat enorme Auswirkungen auf die Gesundheit und Leistung der Insassen. Daher haben Forscher und Ingenieure zahlreiche Rechenmodelle zur Schätzung des thermischen Komforts (TC) vorgeschlagen. Angesichts der Dynamik in Richtung Energieeffizienz liegt der aktuelle Schwerpunkt auf datengesteuerten TC-Vorhersagelösungen, die modernste Algorithmen des maschinellen Lernens (ML) nutzen. Die auf Echtzeitdaten basierende Vorhersage des thermischen Komforts eines Bewohners
den verschiedenen thermischen Komfortindizes wie Predictive Mean Vote (PMV) und effektiver Standardtemperatur (SET) und Thermal Sensations (TS) wurden verwendet, um den thermischen Komfort der Bewohner vorherzusagenein Gebäude. Die Fortschritte beim Ansatz des maschinellen Lernens tragen dazu bei, die Herausforderungen bei der Vorhersage aktueller traditioneller thermischer Indizes in einer Echtzeitumgebung zu meistern. Die verschiedenen Indizes haben
Auf maschinellem Lernen basierendes EEG-Muster und thermischen Komfort. Techniken des maschinellen Lernens gelten als gültige Methode für die EEG-Analyse, um aufgabenbezogene Zustände zu untersuchen und Informationen aus hochdimensionalen EEG-Daten zu extrahieren 73. Theoretisch, wenn die Gehirnaktivität zu einem bestimmten Zeitpunkt in zwei unterschiedlichen Zuständen unterschiedlich reagiert
Personalisierter thermischer Komfort, thermisch Präferenz- und Wärmeempfindungsmodelle 32, 34, 56 wurden durch die Integration physiologischer und Umweltparameter auf innovative Weise mit einer mittleren Vorhersagegenauigkeit von bis zu 84 % entwickelt 57. Herunterladen: Hochauflösendes Bild herunterladen (410 KB) Download: Bild in voller Größe herunterladen; Abb. 1.
Bewertung des thermischen Komforts in Innenräumen. Thermische Behaglichkeit kann definiert werden als „ein Geisteszustand, der Zufriedenheit mit der thermischen Umgebung zum Ausdruck bringt und durch subjektive Bewertung beurteilt wird“ 5. Es gibt drei Arten von Faktoren, die den thermischen Komfort in Gebäuden beeinflussen: messbare umweltbedingte, persönliche und psychologische Faktoren 16.
Die Einschränkungen herkömmlicher gleichungsbasierter PMV-Modelle haben Forscher dazu veranlasst, die auf maschinellem Lernen basierende Modellierung des thermischen Komforts zu erforschen. Ein Beispiel ist ein Bayes'scher Ansatz zur probabilistischen Klassifizierung und inferenzbasierten Modellierung des thermischen Komforts, der in 7 vorgeschlagen wurde. Dieses Modell verwendete jedoch nur drei Klassen anstelle des
Der thermische Komfort ist defwird durch zwei persönliche Parameter in CLO und MET, wie oben beschrieben, und vier Raumklimaparameter in Lufttemperatur (T Luft), relative Luftfeuchtigkeit (RH), Globustemperatur (T g) und Luftgeschwindigkeit (V a) bestimmt. Abb. 9 zeigt die Streuung der vier Innenraumklimaparameter, die während der RNRH-Umfragen gemessen wurden.
Wärme im Freien Komfort kann sich direkt auf die Anwesenheit und körperliche Aktivität der Benutzer in öffentlichen Außenbereichen sowie auf die Lebensqualität in städtischen Umgebungen auswirken. Der thermische Komfort im Freien kann sich auch auf die öffentliche Gesundheit, den wirtschaftlichen Fortschritt und die soziokulturellen Bindungen in Städten auswirken. In den letzten zwei Jahrzehnten haben zahlreiche Studien die thermische
Definieren des thermischen Komforts eines Passagiers in einem Auto Aufgrund der engen Umgebung und der verschiedenen Parameter ist es schwierig, eine Kabine zu finden. Obwohl der Komfort der Passagiere mit einem There vorhergesagt wirdBei der Messung der Unannehmlichkeitsskala in der gesamten Kabine oder einem lokalen Bereich kann der Bereich des Passagierkomforts der Skala aufgrund psychologischer Faktoren und individueller Vorlieben unterschiedlich sein. Zu den vielen Faktoren, die diesen Komfort beeinflussen, gehören:
Im Winter wurde ein Experiment zur thermischen Bewertung mit Wechseln zwischen warmen und kalten Stufen durchgeführt. Die Auswirkungen heißer und kalter Schrittänderungen auf TSV, TCV und Hauttemperatur wurden untersucht und zwei thermische Empfindungen und drei thermische Komfortkombinationen sowie experimentelle Daten wurden verwendet, um das gesamte thermische Gefühl und den thermischen Komfort vorherzusagen.
Thermischer Komfort ist ein Geisteszustand, der die Zufriedenheit mit der thermischen Umgebung zum Ausdruck bringt. Der thermische Komfort ist sowohl für die Gesundheit als auch für die Produktivität von entscheidender Bedeutung. Eine unzureichende thermische Behaglichkeit führt zu Stress für die Gebäudebewohner. Verbesserte thermische Bedingungen stehen in direktem Zusammenhang mit impverbesserte Gesundheit und Produktivität des Einzelnen. In diesem Artikel wird ein neuartiges Modell für den thermischen Komfort des Menschen unter Verwendung
Der thermische Komfort im Klassenzimmer hat einen direkten Einfluss auf die Gesundheit der Schüler und die Bildungsergebnisse . Die Messung des thermischen Komforts (TC) ist jedoch keine triviale Aufgabe. Es wird durch mehrere subjektive Metriken dargestellt, z. B. Bewertung der thermischen Empfindung, Bewertung des thermischen Komforts, Bewertung der thermischen Präferenz usw. Da maschinelles Lernen (ML) zunehmend zur Vorhersage des Insassenkomforts eingesetzt wird, sind mehrere TC-Metriken für die Klasse
Im Auswahlprozess haben wir zwei A&I-Datenbanken (Zusammenfassung und Index) durchsucht, Web of Science und Scopus, da sie die meisten Veröffentlichungen in wissenschaftlichen Bereichen abdecken 13.Die Suche wurde im Titel, in Schlüsselwörtern und in der Zusammenfassung mit den Begriffen „adaptiv“ UND „thermischer Komfort“ UND „Modell“ UND NICHT „städtisch“ UND NICHT „Straße“ UND NR. durchgeführtT „Material“ UND NICHT „Schlaf“, um besser zu sein
Die thermische Umgebung des Fahrgastraums wurde untersucht und die thermische Der Komfort des Fahrgastraums wurde anhand des Bewertungsindex PMV/PPD (Predicted Mean Vote/Predicted Percentage Dissatisfied) bewertet. 2. Experimente. Die experimentellen Studien fanden in Peking, China (39,95°N, 116,3°E) statt.
In Übereinstimmung mit Bei Untersuchungen zur thermischen Behaglichkeit am Untersuchungsort 7,45 wurde die UTCI-Temperatur als Maß für die thermische Behaglichkeit der Tribünen verwendet. Unter Berücksichtigung früherer Studien zum thermischen Komfort von Halbaußenstadien 1,4,29 wurde der Prozentsatz bequemer Sitze verwendet, um den thermischen Komfort für jede Gebäudeform zu bewerten.
Wichtige Fortschritte, die in dieser gemeinsamen Forschung erzielt wurdenh über persönliche Komfortmodelle umfassen (1) eine verbesserte Vorhersagekraft mit 20–40 % Genauigkeitsgewinnen im Vergleich zu herkömmlichen Komfortmodellen durch den Einsatz von Algorithmen für maschinelles Lernen und (2) Unterschiede in den Arten von Daten und Insassen-Feedback, die von verschiedenen Sensoren und angeschlossenen Geräten erhalten werden, weit über die traditionellen Variablen des thermischen Komforts hinaus.
Maschinelle, auf Lernen basierende Vorhersage des menschlichen thermischen Komforts wird als künstliche Intelligenz immer beliebter (KI-)Technologien schreiten voran. Die Temperatur der menschlichen Haut ist ein entscheidender physiologischer Faktor in der Forschung zum thermischen Komfort. Im Winter haben wir ein Vorhersagemodell für den thermischen Komfort entwickelt, das auf der Hauttemperatur und Umweltfaktoren basiert.
Um die oben genannten Fragen zu beantworten: Es wurde ein dreistufiger Arbeitsablauf vorgeschlagen, wie in Abb. 1 dargestellt. Wir untersuchten zunächst alle 52 in AS aufgeführten StudienHRAE Global Thermal Comfort Database, um zu sehen, welche Komfortmetriken am häufigsten verwendet werden und wie diese Beliebtheit zu verschiedenen Zeiten und in unterschiedlichen Gebäudetypumgebungen variiert (Abschnitt 2.1).
You can also send a message to us by this email info@qinsun-lab.com, we will reply tu you within 24 hours.Now tell us your need,there will be more favorable prices!
Home |
Product |
About |
Contact
Email: info@qinsun-lab.com
No.258 Ban Ting road, Song Jiang district, Shanghai