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.
피인용 0
초록·키워드
The health and well-being of building occupants are largely influenced by a comfortable indoor thermal environment. To achieve this, building systems must be controlled based on the occupants' actual thermal comfort needs. Thermal comfort is affected by both environmental and personal factors, and conditions such as building type, system characteristics, and airflow can cause variations in thermal sensation within the same space. Thus, accurately assessing thermal comfort requires the use of environmental data around the occupants. This study aims to predict environmental variables throughout a space from limited sensor data and evaluate spatial thermal comfort. Data reconstruction algorithms, such as Gappy POD and Gappy Autoencoder (AE), were used to restore temperature and air velocity data. DesignBuilder and EnergyPlus simulations were employed for algorithm training and evaluation, with a standard office building as the test case. Results show that using reconstructed data allows for more precise thermal comfort assessments based on location, compared to relying solely on measured data. It was also observed that comfort zones vary by location, highlighting the critical role of precise environmental data predictions for spatial thermal comfort evaluations.
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) : I410-151-25-02-091219714
