文献

J-GLOBAL ID：202202272473497662   整理番号：22A0936852

深層学習を用いた境界条件変更における室内温度分布の非定常予測

Prediciting transient indoor temperature distribution in different boundary conditions by deep-learning

著者 (3件)： WEI Chenghao (東京大学大学院 工学系研究科) ,  大岡龍三 (東京大学生産技術研究所 人間・社会系部門) ,  ZHOU Qi (東京大学生産技術研究所 人間・社会系部門)
資料名： 生産研究  (Journal of Institute of Industrial Science, the University of Tokyo)
巻： 74  号： 1  ページ： 53-58(J-STAGE)  発行年： 2022年 
JST資料番号： G0185A  ISSN： 0037-105X  CODEN： SEKEAI  資料種別： 逐次刊行物 (A)
記事区分： 解説  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 本研究は,深層ニューラルネットワーク(DNN)を用いた高速・高精度的な室内気流予測手法の開発を目指す.本論文では,非定常予測を対象として,境界条件の変更を考慮する場合,高効率な訓練データの選択方法を検討した.結果は,ケースあたりに出来る限り多くの時点を訓練データとして選択した方が良い.同時に,条件空間(条件変更実験事例の条件を設定することによって形成される座標空間)の内部の事例を訓練事例としてとらえる方が良い.なお,条件空間の端点と内部にあるケースを訓練ケースにすると,高効率的にDNN を訓練できることも分かった.(著者抄録)

シソーラス用語： 機械学習 ,  *境界条件 ,  *変化 ,  *室温 ,  *温度分布 ,  *予測 ,  *非定常熱伝導 ,  ニューラルネットワーク ,  気流 ,  屋内環境 ,  室内空気 ,  効率化 ,  予測技法 ,  計算流体力学 ,  データベース
準シソーラス用語： 深層学習 ,  深層ニューラルネットワーク ,  室内気流

分類 (2件)： 建築環境一般  (RB02010T) ,  エネルギー消費,省エネルギー  (RA01092B)

引用文献 (4件)：

• 1) Lucon O et al.: Buildings, In Climate Change 2014: Mitigation of Climate Change; Contribution of Working Group III to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change, chap. 9. New York: Cambridge Univ. Press, 2014
• 2) Rodríguez-Vázquez M et.al: Coupling building energy simulation and computational fluid dynamics: An overview, Journal of Building Physics, vol.44(2), pp.137-180, 2020
• 3) Qi Zhou et.al.: Comparison of different deep neural network architectures for isothermal indoor airflow prediction. Build. Simul. 13, 1409-1423 (2020).
• 4) 魏ら:深層学習による室内気流分布・温度分布予測手法の開発(第2報)非定常二次元温度分布の再現に関する検討,空気調和・衛生工学会大会 (2021).

タイトルに関連する用語 (6件)： 深層学習 ,  境界条件 ,  室内温度 ,  分布 ,  非定常 ,  予測