지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술대회자료
- 저자정보
- 발행연도
- 2021.11
- 수록면
- 49 - 56 (8page)
이용수
초록· 키워드
오류제보하기
HVAC has become an essential component of modern building systems, increasing thermal comfort and promoting high-quality human life. However, the uncontrolled use of such technologies often leads to excessive waste of energy and creates an undesirable thermal environment that negatively affects human health. Thus, research in data-driven thermal comfort prediction models have been fervidly conducted in a hope of developing accurate and efficient thermal comfort control systems. In continuation of such studies, many state-of-the-art prediction algorithms and methods have been proposed, but not many studies address the essential problem of collecting large-sized thermal comfort data sets for practical use.
In this study, three high-performance data-driven prediction models, Random Forest, CNN_LSTM, and TL-CNN_LSTM, were used to test the applicability of using small thermal comfort datasets to control the thermal environment. As a result, the overall prediction performance of the selected models was observed to be more reliable than that of Fanger’s Predicted Mean Vote (PMV) model, but the highest results did not still exceed 45% in accuracy. Given the small size and subjective nature of the thermal comfort dataset, is still premature to apply such models to thermal comfort control operations. Given the subjective nature of the thermal comfort dataset, it is still premature to do the thermal comfort prediction modelling using a small dataset.
In this study, three high-performance data-driven prediction models, Random Forest, CNN_LSTM, and TL-CNN_LSTM, were used to test the applicability of using small thermal comfort datasets to control the thermal environment. As a result, the overall prediction performance of the selected models was observed to be more reliable than that of Fanger’s Predicted Mean Vote (PMV) model, but the highest results did not still exceed 45% in accuracy. Given the small size and subjective nature of the thermal comfort dataset, is still premature to apply such models to thermal comfort control operations. Given the subjective nature of the thermal comfort dataset, it is still premature to do the thermal comfort prediction modelling using a small dataset.
목차
ABSTRACT
1. Introduction
2. Methodology
3. Experiment results and analysis
4. Conclusion
Reference
참고문헌 (0)
참고문헌 신청함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
소음이 실내 온열감과 온열쾌적감에 미치는 영향
KIEAE Journal
2017 .02
-
효율적인 에너지 사용 및 재실자 개인 맞춤화를 위한 데이터 기반 건물 HVAC 시스템
전기학회논문지
2023 .10
-
쾌적성 정량화 기술 신뢰도 확보를 위한 차량용 독자 쾌적모델 개발
한국자동차공학회 춘계학술대회
2018 .06
-
웨어러블 디바이스의 생리 신호 기반 온열 쾌적감 예측모델 개발
대한건축학회논문집
2021 .10
-
Evaluation of thermal comfort and cooling loads for a multistory building
Advances in energy research
2017 .01
-
실내 온열환경 및 에너지 소비량 측면에서 시스템에어컨의 제어모드 분석
대한설비공학회 학술발표대회논문집
2017 .11
-
온열 쾌적 지표에 따른 하절기 다중 이용 쇼핑 공간의 열적 특성 분석
한국건축친환경설비학회 논문집
2023 .04
-
VRF 시스템 적용 건물의 온도 및 쾌적 제어에 따른 에너지 성능과 실내 열쾌적 비교 분석
대한건축학회 논문집 - 구조계
2017 .11
-
국부적인 난방장치가 인체의 열쾌적과 피부온도에 미치는 영향
대한건축학회 학술발표대회 논문집
2024 .10
-
Gappy 데이터 복원을 통한 공간 기반 열쾌적 평가의 정확도 향상
한국CDE학회 논문집
2024 .12
-
유효드래프트온도 기반 온열 쾌적범위 제어 적용에 따른 실내 열쾌적성 및 에너지 사용량 평가
설비공학논문집
2024 .09
-
강의 전, 후 재실자 대사량 변화에 따른 중간기 쾌적도 분석
한국건축친환경설비학회 논문집
2022 .08
-
국내 기후에서 열 쾌적 예측을 위한 머신러닝 알고리즘의 활용
대한건축학회 학술발표대회 논문집
2021 .10
-
차량 탑승객의 성별에 따른 온열쾌적감 비교
한국자동차공학회 춘계학술대회
2019 .05
-
건물 열적 성능이 거주자의 온열쾌적감, 행동적 적응 및 냉난방에너지 소비량에 미치는 영향 분석
대한설비공학회 학술발표대회논문집
2019 .11
-
산업현장 작업자의 온열 쾌적성과 심박변이도 평가를 통한 온열환경 구성 방안 연구
대한인간공학회지
2023 .04
-
Proposal of Simplified PMV Prediction Model Using Minimum parameters
대한설비공학회 학술발표대회논문집
2023 .11
-
공동주택의 세대 위치별 동절기 온열환경 쾌적성에 관한 연구
한국건축친환경설비학회 논문집
2016 .02
-
피험자 실험을 통한 냉방 시 주거건물의 열적 쾌적성 분석
대한설비공학회 학술발표대회논문집
2015 .11
-
An Artificial Neural Network based Indoor Environment Control System
KIEAE Journal
2020 .10
이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0