文献

J-GLOBAL ID：201102274763437682   整理番号：11A0514333

伝達関数法の有効性を評価するために:伝導伝達関数の最適選択のためのニューラルモデル

To Assess the Validity of the Transfer Function Method: A Neural Model for the Optimal Choice of Conduction Transfer Functions

著者 (4件)： CELLURA Maurizio (Universita degli Studi di Palermo, Palermo, ITA) ,  LO BRANO Valerio (Universita degli Studi di Palermo, Palermo, ITA) ,  MISTRETTA Marina (Universita degli Studi Mediterranea di Reggio Calabria, Reggio Calabria, ITA) ,  ORIOLI Aldo (Universita degli Studi di Palermo, Palermo, ITA)
資料名： ASHRAE Transactions (American Society of Heating, Refrigerating and Air-Conditioning Engineers)  (ASHRAE Transactions (American Society of Heating, Refrigerating and Air-Conditioning Engineers))
巻： 116  号： Pt.2  ページ： 585-596  発行年： 2010年 
JST資料番号： D0352A  ISSN： 0001-2505  CODEN： ASHTA  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 建物の多層壁の非定常熱伝導シミュレーションに伝導伝達関数(CTF)を用いる伝達関数法(TFM)の欠点である不安定性を解決する新しい数値解析モデルを提案した。Stephensonらが開発したCTF級数は熱慣性の大きい壁に対し時間ステップを小さくすると不安定になり,遂には全シミュレーションを発散させる。本研究では時間ステップ変更の有効性及び極と係数の数の選択に焦点を当てた。ASHRAEハンドブックから引用した多層壁について,Fourier周期性定常状態アルゴリズムとCTFから得られる両シミュレーションデータを比較し,CTFの信頼性を%平均誤差(PME)により評価した。57000シミュレーションで得た膨大なデータによりニューラルネットワーク分類器(NNC)に学習をさせた。このNNCのパターン認識能力は,信頼できるシミュレーションをサポートするCTF計算パラメータを高精度・迅速に選択できた。

シソーラス用語： 多層構造 ,  *外壁 ,  *非定常熱伝導 ,  計算機シミュレーション ,  *伝達関数 ,  安定化 ,  解析モデル ,  ニューラルネットワーク ,  パターン認識 ,  信頼性 ,  学習
準シソーラス用語： 分類学習 ,  有効性確認

分類 (2件)： 熱伝導  (PA02020Z) ,  壁  (RB03020L)

タイトルに関連する用語 (5件)： 伝達関数 ,  有効性 ,  評価 ,  伝導 ,  ニューラルモデル