인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록·키워드
This study addresses the challenge of managing fine dust (PM2.5 and PM10) levels in underground train stations, where air quality is compromised due to limited ventilation and various pollution sources. Traditional methods struggle to optimize control systems for dust reduction, particularly when accounting for station-specific variables like depth and congestion. To address this, the study proposes a machine learning-based energy management agent using a Deep Q-Network (DQN) integrated with an artificial neural network (ANN). The ANN predicts dust concentration changes based on fan and air conditioning controls, while the DQN optimizes these controls to balance dust reduction and energy costs. Additionally, the model considers the integration of photovoltaic power to enhance energy efficiency. The approach was validated using data from Namgwangju Station, demonstrating improved air quality and energy efficiency.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-091089387
