Содержание
Иллюстрации - 9
Таблицы и схемы - 9
Разработка моделей машинного обучения для прогнозирования вероятности возникновения дискомфорта при естественном освещении «СВЕТОТЕХНИКА», 2021, № 3

Журнал «Светотехника» №3

Дата публикации 25/06/2021
Страница 59-66

Купить PDF - ₽400

Разработка моделей машинного обучения для прогнозирования вероятности возникновения дискомфорта при естественном освещении «СВЕТОТЕХНИКА», 2021, № 3
Авторы статьи:
Цзянь Яо (Jian Yao)

Jian Yao. Ph.D. (2013 г.). Доцент Университета г. Нинбо, Китай. Область научных интересов: солнцезащитные устройства, естественное освещение, тепловой комфорт внутри помещений и энергетическая оптимизация зданий. Автор более 20-ти статей в авторитетных международных журналах.

Аннотация
Целью данной работы является разработка методов прогнозирования вероятности появления дискомфорта при естественном освещении (DGP, daylight glare probability). Для сравнения эффективности недавно разработанных моделей применялись подходы на основе линейной регрессии и машинного обучения, а модели сравнивались с существующими уравнениями. Результаты показывают, что разработанные модели более точны в прогнозировании DGP, чем существующие уравнения. Кроме того, второе открытие этого исследования заключается в том, что комбинация азимута (Az) и высоты (Aa) угла солнца и времени суток (T) вместе с вертикальной освещённостью в поле зрения (Ev) обеспечивает незначительно лучшие характеристики, чем одна только Ev из-за зависимости этих факторов друг от друга. Следовательно, разработанные модели могут применяться в случае, если для упрощения вычислений предпочтительна линейная модель. Для повышения эффективности прогнозирования рекомендуется использовать модели алгоритма «случайный лес» (random forest, RF) на основе Ev, Az, Aa и T, поскольку они лучше справляются с нелинейной формой зависимрости. Ещё одним достижением этой работы является то, что модель классификации была разработана для прогнозирования DGP> 0,4 с помощью алгоритма случайного леса с учётом Ev, Az, Aa и T при точности 90 %, за счёт чего расширяются возможности использования существующих методов в условиях, когда солнце находится в поле зрения.
Список использованной литературы
1. Yan D., Hong T., Li C., Zhang Q., An J., and Hu S. A thorough assessment of China’s standard for energy consumption of buildings // Energy Build, 2017. Vol. 143, pp. 114–128.
2. Yao J. Determining the energy performance of manually controlled solar shades: A stochastic model based co-simulation analysis // Appl. Energy, 2014. Vol. 127, pp. 64–80.
3. Lee H., Jeon G., Seo J., and Kim Y. Daylighting performance improvement of a light-shelf using diffused reflection // Indoor Built Environ., 2017. Vol. 26, # 5, pp. 717–726.
4. Shen H.and Tzempelikos A. Daylighting and energy analysis of private offices with automated interior roller shades // Sol. Energy, 2012. Vol. 86, # 2, pp. 681–704.
5. Skarning G. C. J., Hviid C.A., and Svendsen S. The effect of dynamic solar shading on energy, daylighting and thermal comfort in a nearly zero-energy loft room in Rome and Copenhagen // Energy Build., 2017. Vol. 135, pp. 302–311.
6. Yao J. An investigation into the impact of movable solar shades on energy, indoor thermal and visual comfort improvements // Build. Environ., 2014. Vol. 71, pp. 24–32.
7. Hirning M. B., Isoardi G.L., and Garcia-Hansen V.R. Prediction of discomfort glare from windows under tropical skies // Build. Environ., 2017. Vol. 113, pp. 107–120.
8. Konstantzos I.and Tzempelikos A. Daylight glare evaluation with the sun in the field of view through window shades // Build. Environ., 2017. Vol. 113, pp. 65–77.
9. Wienold J. Dynamic daylight glare evaluation // IBPSA 2009 – Int. Build. Perform. Simul. Assoc. 2009, pp. 944–951.
10. Wienold J. Dynamic simulation of blind control strategies for visual comfort and energy balance analysis // IBPSA 2007 – Int. Build. Perform. Simul. Assoc. 2007, pp. 1197–1204.
11. Wienold J.and Christoffersen J. Evaluation methods and development of a new glare prediction model for daylight environments with the use of CCD cameras // Energy Build., 2006. Vol. 38, #7, pp. 743–757.
12. Kunwar N. and Bhandari M. A comprehensive analysis of energy and daylighting impact of window shading systems and control strategies on commercial buildings in the United States // Energies, 2020. Vol. 13, # 9.
13. Konstantzos I., Tzempelikos A., and Chan Y.C. Experimental and simulation analysis of daylight glare probability inoffices with dynamic window shades // Build. Environ., 2015. Vol. 87, pp. 244–254.
14. Xiong J.and Tzempelikos A. Model-based shading and lighting controls considering visual comfort and energy use // Sol. Energy, 2016. Vol. 134, pp. 416–428.
Ключевые слова
Выберите вариант доступа к этой статье

Купить

Рекомендуемые статьи