Während der experimentellen Phase wird die überlegene Leistung der vorgeschlagenen Methode durch eine Vergleichsstudie demonstriert, die vier verschiedene Stand-of-the-Modelle umfasst -Art-Modelle, einschließlich Support Vector Machine, Decision Tree, Ensemble-Algorithmen und K-Nearest Neighbor.
Die Die Forschung zum thermischen Schlafkomfort befindet sich noch in einem frühen Stadium, daher gibt es nur wenige Modelle zum thermischen Schlafkomfort. In diesem Dokument werden nur fünf Modelle zum thermischen Schlafkomfort definiert. Die vorhandenen Modelle werden gegenüber dem herkömmlichen PMV-Modell oder dem Zwei-Knoten-Modell verbessert, um sich an die Schlafumgebung anzupassen.
Diese Studie hat systematisch 37 Artikel aus über 100 wissenschaftlichen Publikationen zu persönlichen Komfortmodellen aus den letzten zwei Jahrzehnten überprüft und untersucht: (1) die DatensammlungWahlansatz und Datensatzgröße, (2) Anzahl und Art der beteiligten Teilnehmer, (3) Klima, Jahreszeiten und Art des beteiligten Gebäudes, (4) Modelleingabe- und -ausgabevariablen, (5) Mod...
1 Einführung Der thermische Komfort ist das Ergebnis einer ausgewogenen Mischung von Gebäudesystemen, die auf den Standort und die Art des Gebäudes zugeschnitten sind Aktivität, die innerhalb des Gebäudes oder Raums ausgeführt wird. Der Entwurf einer energieeffizienten Gebäudehülle ist ein guter Ausgangspunkt.
In der vorliegenden Studie geht es um die Aufgrund der zuvor erkannten Einschränkungen haben wir durch maschinelles Lernen persönliche Modelle für den thermischen Komfort mithilfe tragbarer Sensoren in Laborqualität entwickelt, die kontinuierlich physiologische Signale (Hauttemperatur, Herzfrequenz, Beschleunigungsmessung) über einen langen Zeitraum in realen Umgebungen überwachen.
hat einen thermischen Behaglichkeitskodex erstellt (vgl. Tabelle 1). Anschließend wurde der PMV-Index in die Norm ISO 7730 übernommen, die empfiehlt, den PMV auf dem Niveau 0 mit einer Toleranz von 0,5 als bestem thermischen Komfortniveau zu halten. Tabelle 1. Die siebenstufige Wärmeempfindungsskala (Quelle: Übernommen von ISO 7730-2005).
Von Mithilfe der ASHRAE Global Thermal Comfort Database II nutzten mehrere Forscher in Ost- und Südasien persönliche und Umgebungsvariablen, um das thermische Komfortmodell zu erstellen. Die Körpertemperaturen an mehreren Orten waren der am häufigsten genutzte persönliche Input. Die gesammelten Arbeiten von 2003 bis 2022 wurden verwendet, um die fortschreitende Entwicklung des thermischen Komfortmodells mithilfe von
zu analysieren nur für Erwachsene 10,11. Modelle zur Schätzung des thermischen Komforts (TC), wie z. B. der PMV-PPD-Mod (Predicted Mean Vote-Percentage of Dissatisfied).el 12 und das adaptive thermische Komfortmodell (ATC) 13,14 sind auf Kinder nicht anwendbar. 1.1. Motivation Algorithmen des maschinellen Lernens (ML) zur Vorhersage des thermischen Komforts bieten effiziente Lösungen
Personalisierte Modelle des thermischen Komforts halten, was sie versprechen eines gezielteren und genaueren Ansatzes. Es wurden 28 persönliche Komfortmodelle entwickelt, die Deep Learning sowie Umgebungs- und persönliche Parameter nutzen. Die Daten wurden im Rahmen einer neunmonatigen Überwachungsstudie an Menschen ab 65 Jahren in Südaustralien gesammelt, die unabhängig lebten.
Wärmekomfortmodells erforderlich um eine personalisierte adaptive thermische Komfortumgebung zu schaffen. Das KNN-basierte thermische Komfortmodell mit 1000 Trainingsdatensätzen kann eine Genauigkeit von 88,31 % haben. 145 Qiong et al. 2017: Support Vector Machine: Energielastdatensatz: RMSE, MRE: Vorhersagemodell des jährlichen Energieverbrauchs von Wohngebäuden
Einzelpersonen Modelle zur Vorhersage des thermischen Komforts, die auf Echtzeit-Überwachungsparametern basieren, könnten die Effizienz persönlicher Klimaanlagen verbessern. Es besteht jedoch ein Widerspruch zwischen Genauigkeit und Kosten/Komfort bei der Erfassung von Eingabedaten für einzelne Modelle zur Vorhersage des thermischen Komforts. In früheren Studien wurde die Leistung dieser
Der thermische Komfort in Innenräumen hat enorme Auswirkungen auf die Gesundheit und Leistungsfähigkeit der Bewohner. 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 könnten die
Individuelle Modelle zur Vorhersage des thermischen Komforts basierend auf Echtzeit-Überwachungsparametern die Effizienz der persönlichen Klimaanlage verbessern Systeme. Es besteht jedoch ein Widerspruch zwischen Genauigkeit und Kosten/Komfort bei der Erfassung von Eingabedaten für einzelne Modelle zur Vorhersage des thermischen Komforts. In früheren Studien wurde die Leistung dieser Modelle des thermischen Komforts untersucht. Derzeit gibt es maNeue Modelle des thermischen Komforts, die eine Regressionsanalyse verwenden. Es wurden viele Vergleiche maschineller Lernmethoden durchgeführt, um Vorhersagemodelle für den thermischen Komfort zu finden. Eine der Methoden des maschinellen Lernens ist Naive Bayes. Ein Vergleich zwischen naiven Bayes-Methoden und anderen Methoden könnte auch eine Funktion beim Training und Testen persönlicher Modelle für den thermischen Komfort sein ein Proxy für eine genaue Vorhersage. Tabelle 1: Übersicht über den Einflussbereich (AoI) verschiedener Raumobjekte auf den thermischen Komfort. Räumliches Objekt AoI-Typ AoI-Größe Ref Deckenventilator Zentral Entspricht dem Ventilatorradius in 1,1 m Höhe 31 VAV-Diffusor Zentral Hängt vom
1. Einführung. Das Konzept des thermischen Komforts und das Predicted Mean Vote (PMV)-Modell wurden erstmals von P.O. eingeführt. Fanger im Jahr 1970. Das Modell spiegelt die Beziehung zwischen physikalischen Faktoren und einem Individuum wideral's thermischen Zustand und stellt eine allgemeine Gleichung bereit, die alle Kombinationen von Variablen umfasst, die zu thermischem Komfort führen, wie in 1 dargelegt.
Es wird eine experimentelle Studie zur dynamischen thermischen Umgebung und zum lokalen thermischen Empfinden der Insassen vorne und hinten in der Fahrzeugkabine im automatischen Klimatisierungsmodus unter verschiedenen Fahrzuständen im Sommer durchgeführt. Experimentelle Ergebnisse zeigen: Die Lufttemperatur, die Hauttemperatur der Insassen und das lokale Wärmeempfinden werden alle von der Position der Besatzung, dem Körperteil und dem Fahrstatus beeinflusst. Fahren
Ein persönliches Komfortmodell ist ein neuer Ansatz zur thermischen Komfortmodellierung, der die thermischen Komfortreaktionen einzelner Personen vorhersagt die durchschnittliche Reaktion einer großen Bevölkerung. Allerdings stellt die Sicherstellung eines konsistenten Insassen-Feedbacks für die Modellentwicklung als aktuelle Methode eine Herausforderung darDie Datenerhebung hängt von der Teilnahme einzelner Personen an der Umfrage ab.
Präferenzmodelle für thermischen Komfort. Aus Abb. 7 ist ersichtlich, dass das Präferenzmodell für den thermischen Komfort stärker von der Übernahme der unabhängigen Kennzeichnungsstrategie sowohl für QBC als auch für UNC profitierte, da das Modell sein mit der gemeinsamen Kennzeichnungsstrategie trainiertes Gegenstück bei Verwendung derselben Zahl durchweg übertreffen konnte of labelled
Verschiedene überwachte maschinelle Lernalgorithmen werden evaluiert, um genaue persönliche Modelle des thermischen Komforts für jeden Gebäudenutzer zu erstellen weisen im Vergleich zu allgemeinen
Darüber hinaus thermischen Komfort in vorübergehenden Szenarien (z. B. wenn Sie aus einer heißen Außenumgebung ins Innere kommen) aufweisen ) wird im PMV und im Adapti nicht berücksichtigtEs gibt verschiedene Komfortmodelle 13, die nur bei der Messung der physiologischen Signale des Insassen, wie Hauttemperatur, Stoffwechselrate und Körperhaltung usw., beobachtbar sind 14, 15.
Schlüsselwörter: Thermischer Komfort; persönliches Komfortmodell; maschinelles Lernen; Insassenverhalten; Persönliches Komfortsystem 1.Einleitung Die Bereitstellung eines akzeptablen Raumklimas ist eine der Hauptfunktionen von Gebäuden, da sie sich auf die Zufriedenheit der Bewohner 1,2, die Gesundheit 3,4 und die Produktivität 5–8 auswirkt.
Dynamische Raumtemperatur-Sollwerte der Luft – ScienceDirectAusgehend von simulationsbasierten Studien haben Yun et al. 29 zielte darauf ab, die Anwendung des adaptiven Komfortmodells durch die Entwicklung einer adaptiven Komfortsteuerung für Klimaanlagen zu erweitern, sodass diese zur Steuerung von Klimaanlagen übernommen werden kann, ohne den thermischen Komfort der Insassen zu beeinträchtigen.
Gan et al. präsentierte einen auf Building Information Modeling (BIM) basierenden Rechenrahmen und datengesteuerte ML-Modelle zur Schätzung des besten thermischen Komforts von Innenräumen mit natürlicher Belüftung. Die Auswertung ihrer Ergebnisse zeigt, dass die durchschnittlichen Fehler zwischen 0,03 und 0,13 für den PMV und zwischen 0,35 und 5,52 für den vorhergesagten Prozentsatz von
Einführung. In den letzten zwei Jahrzehnten hat der Bereich der Modellierung des thermischen Komforts einen wichtigen Paradigmenwechsel durchlaufen. Studien zum thermischen Komfort, die sich auf aggregierte Reaktionen einer Gruppe von Menschen konzentrieren, wie das PMV (Predictive Mean Vote) 1 und adaptive Modelle 2,3, werden durch individualisierte und insassenzentrierte Modellierungsalternativen in Frage gestellt 4, 5, 6
Ein persönliches Komfortmodell ist ein Ansatz für die ThermikKomfortmodellierung für die thermische Umgebungsgestaltung und -steuerung, die die thermische Komfortreaktion eines Einzelnen vorhersagt, anstelle der durchschnittlichen Reaktion einer großen Bevölkerung. Wir haben persönliche Modelle für den thermischen Komfort entwickelt, indem wir tragbare Wearables in Laborqualität bei normalen täglichen Aktivitäten verwendet haben.
Die gesammelten Daten werden dann verarbeitet Wird zum Trainieren des thermischen Komfortmodells mithilfe des SVC-Algorithmus (Support Vector Classification) verwendet. Die Genauigkeit des SVC-Algorithmus (95,80 %) wurde mit der anderer Algorithmen wie KNN (90,40 %) und Entscheidungsbaum (85,80 %) verglichen. 2.3. Thermischer Komfort schlafender Menschen
Dieser Artikel zeigt Beispiele für persönliche Komfortmodelle unter Verwendung von Deep-Learning-Algorithmen sowie umweltbezogenen und persönlichen Eigenschaften als Eingaben, abgeleitet aus einer laufenden Studie, bei der Menschen überwacht wurden
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
Die Forschungsbeiträge der vorgestellten Arbeit werden wie folgt hervorgehoben. 1. Ein auf Transferlernen basierendes CNN-LSTM-Modell (TL CNN-LSTM) wird für eine genaue Vorhersage des thermischen Komforts in Gebäuden mit begrenzten Modellierungsdaten für verschiedene Klimazonen vorgestellt. Beim Entwurf von TL CNN-LSTM wurden zwei wichtige Herausforderungen berücksichtigt, z. B. die Identifizierung
Im Auswahlprozess haben wir gesucht zwei A&I (Zusammenfassung und Index)-Datenbanken, 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 durchgeführt „städtisch“ UND NICHT „Straße“ UND NICHT „materiell“ UND NICHT „schlafen“, um zu verbessern
In Gebäuden, eine oder eine Kombination von Systemen (z. B. zentrales HVAC-System, Deckenventilator, Schreibtischventilator, Personenheizung und Fußwärmer) sind oft für den thermischen Komfort der Bewohner verantwortlich. Während sich gezeigt hat, dass der thermische Komfort von Person zu Person unterschiedlich ist und sich im Laufe der Zeit ändert, werden diese Systeme häufig auf der Grundlage voreingestellter Sollwerte und Betriebspläne oder auf Anfrage betrieben
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