Чи може штучний інтелект спрогнозувати тепловий комфорт за плануванням помешкання?
Сучасні люди в містах проводять понад 90% свого часу в приміщеннях, тому дуже важливо, аби будівлі та інженерні системи були спроєктовані таким чином, щоб забезпечити максимальний комфорт, витративши при цьому якнайменше енергії.
Наразі 55% енергії для експлуатації будівлі витрачається на опалення, вентиляцію та кондиціонування повітря (HVAC). Методи, засновані на машинному навчанні, часто використовуються для прогнозування теплового комфорту людей на основі декількох факторів, але вплив архітектурних просторових особливостей, таких як розташування дверей і вікон, інсоляція та власне розташування місць, де довший час знаходяться люди, зазвичай раніше не враховувався.
Нова модель теплового комфорту
У нещодавньому звіті «Дослідження просторового впливу на особистий тепловий комфорт у приміщенні», опублікованому в Journal of Building Engineering, команда вчених зі школи дизайну Сіань Цзяотун – Ліверпульського університету, Китай, доповіла про зрушення в цьому напрямку.
«Наше дослідження було спрямоване на те, щоб точно визначити, як можна змоделювати тепловий комфорт різних областей кімнати, і як такі фактори, як вплив сонячного світла, розташування вікон та обладнання для HVAC, що створюють тепловий комфорт у кожній зоні», – пояснюють дослідники. «З цією метою була розроблена система на основі штучної нейронної мережі (ANN) для прогнозування особистого теплового комфорту на основі різноманітних факторів».
Модель на основі ANN спирається на три основні категорії просторових параметрів: особистісно-залежні параметри (вік, стать, одяг, індекс маси тіла), параметри навколишнього середовища (середня температура в приміщенні, вологість, погодні умови) і просторові параметри. Хоча перші два чинники вже розглядалися в багатьох моделях особистого теплового комфорту і раніше, але облік просторових параметрів є абсолютно новим підходом до моделювання особистого теплового комфорту.
«Більшість моделей охоплюють лише фізичну інформацію про навколишнє середовище, при цьому мало уваги приділяється поведінці користувачів у оточуючому їх середовищі. Нашим наміром було включити людські фактори та їхню поведінку в існуючі моделі», – конкретизують задачу науковці.
Вражаючі перспективи
Як і для будь-якого іншого підходу, заснованого на машинному навчанні, вченим довелося «тренувати» свою модель на основі ANN з реальними даними про всі вхідні параметри та отриманий тепловий комфорт. Команда проводила натурні експерименти як влітку, так і взимку, у кімнатах з різним плануванням. Також були залучені учасники, які, перебуваючи на заданій позиції в кімнаті протягом заздалегідь визначеного часу, повинні були самостійно оцінити свій тепловий комфорт. Зібрані дані щодо їхнього стану та температури їхнього чола були використані для навчання, перевірки та, нарешті, тестування моделі на базі штучного інтелекту.
«Навчена» модель ANN відображала тепловий комфорт кімнати з винятковою коректністю. Дані показали, що просторові параметри мають значний вплив на точність прогнозування моделі та визначили, які саме просторові фактори мали найбільший вплив на тепловий комфорт людини. Також виявилося, що інтеграція архітектурних просторових особливостей у математичну модель для прогнозування теплового комфорту ключовим чином вплинуло на можливість зниження споживання енергії.
Взаємозв’язок між просторовим плануванням у приміщенні та індивідуальним тепловим комфортом за допомогою технології штучного інтелекту зможе забезпечити кращі умови, використовуючи менше енергії. Завдяки просторовому дизайну можна досягти прийнятний компроміс між тепловим комфортом і загальним споживанням енергії на опалення чи охолодження.
Подальші дослідження допоможуть розробити розумні системи керування клімат-контролем, що прогнозуватиме та змінюватиме параметри налаштувань та оптимальну потужність елементів HVAC, зважаючи на сезон, час доби, освітлення, напрямки фактичної інсоляції та переміщення тіней, кількість та фізіологічні особливості мешканців, що перебувають в приміщенні, та їх розташування і переміщення у кімнаті відносно теплових та вентиляційних приладів.
Джерело: Journal of Building Engineering.
Більше важливих статей і новин в Telegram-каналі та корисні відео на Youtube-каналі та у TikTok. Долучайтесь!
Переглянуто: 2 948
