文献

J-GLOBAL ID：201702256028768319   整理番号：17A1398829

赤道シンガポールの建物の熱的快適性の予測に基づく機械学習【Powered by NICT】

Machine learning based prediction of thermal comfort in buildings of equatorial Singapore

著者 (4件)： Chaudhuri Tanaya (Energy Research Institute @ NTU (ERIAN), Interdisciplinary Graduate School) ,  Soh Yeng Chai (Energy Research Institute @ NTU (ERIAN), Interdisciplinary Graduate School) ,  Li Hua (School of Mechanical and Aerospace Engineering, Nanyang Technological University, Singapore) ,  Xie Lihua (School of Electrical and Electronic Engineering)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICSGSC  ページ： 72-77  発行年： 2017年 
JST資料番号： W2441A  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： シンガポール建築物におけるエネルギー消費の大部分は,空調に起因し,その高温多湿気象のためであった。健康的な屋内環境を達成の他に,居住者の熱的快適性に関する事前知識は,エネルギー消費を減らすことで有利であることができ,そうでなければ余分な冷却に費やされるエネルギーを節約することができる。本論文では,入力として環境とヒューマンファクタを用いて個々の熱的快適性レベル(「冷不快感」,「快適性」,「暑さの不快感の)を予測するためにデータ駆動型アプローチを提案した。六タイプの分類器は実行サポートベクトルマシン(SVM),人工ニューラルネットワーク(ANN),ロジスティック回帰(LR),線形判別分析(LDA),K-最近傍(KNN),分類木(CT),空調と自由継続の建物別々に817居住者の公的に入手可能なデータベースにした。結果は筆者らのアプローチが73.14~81.2%の予測精度を達成し,従来のFangerのPMV(Predicted Mean Vote)モデル,わずか41.68~65.5%の精度を持つことを示した。年齢,性別,屋外有効温度,PMVモデルに含まれていない,は,熱的快適性のための重要な因子であることが分かった。提案した方法は,修正PMVより優れている交通拡張PMVモデルとそれぞれ61.75%と35.51%の精度を達成する適応PMVモデル。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *熱的快適性 ,  サポートベクトルマシン ,  住民 ,  *機械学習 ,  *快適性 ,  ニューラルネットワーク ,  エネルギー消費 ,  データベース ,  *シンガポール共和国 ,  ヒューマンファクタ ,  空気調和 ,  屋内環境
準シソーラス用語： 予測精度 ,  不快 ,  健康 , 【Automatic Indexing@JST】

分類 (1件)： 建築環境一般  (RB02010T)

タイトルに関連する用語 (6件)： 赤道 ,  シンガポール ,  建物 ,  熱的快適性 ,  予測 ,  機械学習