VDE-Thermokomfortgerät

Thermische Komfortmodelle und ihre Entwicklungen: Ein Rückblick

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.

Datengesteuertes Modell des thermischen Komforts über eine Support-Vektor-Maschine

Zhang Variation der Anwendungskontexte.

Vorhersage des individuellen thermischen Komforts mithilfe von maschinellem Lernen

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“).

Künstliche Intelligenz für effiziente thermische Komfortsysteme< /h3>

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.

Anwendung von maschinellem Lernen in thermischen Komfortstudien: A

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

Frontiers | Ein IoT-Framework für die Modellierung undKontrollieren

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

Erkennung und Vorhersage des individuellen thermischen Komforts

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.

Machine Learning und Deep Learning Methoden zur Verbesserung

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

Multi-Task-Lernen zur gleichzeitigen Vorhersage der thermischen

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

persönliche thermische Komfortmodelle eines Innenbewohners mit tragbaren Sensoren

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.

Maschinelle Lernalgorithmen angewendet auf eine Vorhersage von

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

Persönlichen thermischen Komfortmodellen zurückgegriffen werden kann: ein Deep-Learning-Ansatz für

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).

Thermal Comfort Prediction Accuracy mit maschinellem Lernen

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

Persönliche thermische Komfortmodelle unter Verwendung digitaler Zwillinge

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.

Datengesteuerte persönliche Vorhersage des thermischen Komforts: Eine Literatur

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

Multi-Task-Lernen zur gleichzeitigen Vorhersage thermischer Thermik

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

führt jedoch zu

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

Messung menschlicher physiologischer Indizes für thermischen Komfort

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

Eine umfassende Überprüfung der Folgenabschätzung der Raumthermik

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.

BIM- und IoT-basiertes Virtual-Reality-Tool für die thermische Echtzeitbewertung

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.

Ein hybrider Ensemble-Lernansatz für die Innenthermik

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

Adaptiven thermischen Komfortmodells basierend auf Feldstudien in fünf

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.

Wärmekomfort im Freien und menschliche Verhaltensfaktoren, Modelle und

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

Vorhersage des persönlichen thermischen Komforts in einem Auto auf KI-Basis untersucht

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:

Gesamtwärmeempfindung und Komfortvorhersage mit

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.