文献

J-GLOBAL ID：202202247759402357   整理番号：22A1037482

オフィスルームのための機械学習ベースのCO_2予測:パイロット研究【JST・京大機械翻訳】

Machine Learning-Based CO₂Prediction for Office Room: A Pilot Study

著者 (12件)： Kapoor Nishant Raj (Architecture and Planning Department, CSIR-Central Building Research Institute, Roorkee 247667, India) ,  Kapoor Nishant Raj (Academy of Scientific and Innovative Research (AcSIR), Ghaziabad 201002, India) ,  Kumar Ashok (Architecture and Planning Department, CSIR-Central Building Research Institute, Roorkee 247667, India) ,  Kumar Ashok (Academy of Scientific and Innovative Research (AcSIR), Ghaziabad 201002, India) ,  Kumar Anuj (Academy of Scientific and Innovative Research (AcSIR), Ghaziabad 201002, India) ,  Kumar Anuj (Building Energy Efficiency Division, CSIR-Central Building Research Institute, Roorkee 247667, India) ,  Kumar Aman (Academy of Scientific and Innovative Research (AcSIR), Ghaziabad 201002, India) ,  Kumar Aman (Structural Engineering Department, CSIR-Central Building Research Institute, Roorkee 247667, India) ,  Mohammed Mazin Abed (College of Computer Science and Information Technology, University of Anbar, Ramadi 31001, Iraq) ,  Kumar Krishna (Department of Hydro and Renewable Energy, Indian Institute of Technology, Roorkee 247667, India) ,  Kadry Seifedine (Department of Applied Data Science, Noroff University College, Kristiansand, Norway) ,  Lim Sangsoon (Department of Computer Engineering, Sungkyul University, Anyang 14097, Republic of Korea)
資料名： Wireless Communications & Mobile Computing  (Wireless Communications & Mobile Computing)
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： W1338A  ISSN： 1530-8669  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 大気汚染は世界中と同様にインドの都市で促進され,気候や全生活物の健康に大きな脅威をもたらす。大気汚染は都市建築における劣化屋内空気品質(IAQ)の背後にある理由である。二酸化炭素(CO_2)は,人間自身がこの汚染物質の発生源の1つであるので,屋内汚染に対する主な寄与者である。CO_2の試験およびモニタリングは,コストおよび時間を求め,スマートセンサを必要とする。したがって,これらの限界を解決するため,機械学習(ML)を用いて,オフィス室内のCO_2濃度を予測した。本研究は,屋内CO_2のリアルタイム測定,居住者数,人当たりの面積,屋外温度,外部風速,相対湿度,および入力パラメータとして使用される大気質指数によって収集されたデータに基づく。本研究では,10のアルゴリズム,すなわち,人工ニューラルネットワーク(ANN),サポートベクトルマシン(SVM),決定木(DT),Gaussプロセス回帰(GPR),線形回帰(LR),アンサンブル学習(EL),最適化GPR,最適化EL,最適化DT,および最適化SVMを用いて,CO_2濃度を予測した。最適化したGPRモデルは,予測精度に関して他の選択したモデルよりも良好に機能することが分かった。本研究の結果は,最適化したGPRモデルがCO_2濃度を予測でき,R,RMSE,MAE,NS,および20-指数値はそれぞれ0.98874,4.20068ppm,3.35098ppm,0.9817,および1であった。本研究は,設計者,研究者,ヘルスケア専門家,およびスマート都市開発者によって利用され,空気換気システムを設計し,建物内のCO_2レベルを監視するための屋内大気質を分析した。Copyright 2022 Nishant Raj Kapoor et al. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  最適化 ,  大気汚染 ,  風速 ,  相対湿度 ,  ニューラルネットワーク ,  気候 ,  都市 ,  二酸化炭素 ,  ディシジョンツリー ,  室内空気 ,  *機械学習 ,  サポートベクトルマシン
準シソーラス用語： 予測精度 ,  発生源 , 【Automatic Indexing@JST】

分類 (2件)： 移動通信  (ND08030H) ,  計算機網  (JC03000K)

引用文献 (36件)：

• R. Kosonen, F. Tan, "The effect of perceived indoor air quality on productivity loss," Energy and Buildings, vol. 36, no. 10, pp. 981-986, 2004.
• N. R. Kapoor, A. Kumar, T. Alam, A. Kumar, K. S. Kulkarni, P. Blecich, "A review on indoor environment quality of Indian school classrooms," Sustainability, vol. 13, no. 21, article 11855, 2021.
• S. Mentese, N. A. Mirici, T. Elbir, E. Palaz, D. T. Mumcuoğlu, O. Cotuker, C. Bakar, S. Oymak, M. T. Otkun, "A long-term multi-parametric monitoring study: indoor air quality (IAQ) and the sources of the pollutants, prevalence of sick building syndrome (SBS) symptoms, and respiratory health indicators," Atmospheric Pollution Research, vol. 11, no. 12, pp. 2270-2281, 2020.
• N. R. Kapoor, A. Kumar, C. S. Meena, A. Kumar, T. Alam, N. B. Balam, A. Ghosh, "A systematic review on indoor environmental quality in naturally ventilated school classrooms: a way forward," Advances in Civil Engineering, vol. 2021, pp. 19, 2021.
• N. Agarwal, C. S. Meena, B. P. Raj, L. Saini, A. Kumar, N. Gopalakrishnan, A. Kumar, N. B. Balam, T. Alam, N. R. Kapoor, V. Aggarwal, "Indoor air quality improvement in COVID-19 pandemic: review," Sustainable Cities and Society, vol. 70, pp. 102942, 2021.

タイトルに関連する用語 (6件)： オフィス ,  ルーム ,  機械学習 ,  予測 ,  パイロット ,  研究