메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김승빈 (영남대) 손유라 (영남대) 양정훈 (영남대)
저널정보
대한건축학회 대한건축학회논문집 大韓建築學會論文集 第40卷 第3號(通卷 第425號)
발행연도
2024.3
수록면
247 - 254 (8page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
Persistent condensation in residential spaces can lead to structural damage and mold growth, posing health risks to occupants. While existing studies focus on reducing condensation, there"s a gap in research on condensation prediction. This study aims to explore the feasibility of a virtual sensor for condensation prediction using machine learning and data from prior studies. A high-accuracy virtual sensor model was developed and verified using condensation measurement data. Data preprocessing and Pearson correlation analysis were conducted, and input variables were selected through ReliefF evaluation. Indoor and outdoor temperature and humidity were chosen as final input variables. A prediction model was crafted using classification learning algorithms: Decision Tree(DT), Support Vector Machine (SVM), and Multi-Layer Perceptron (MLP). Validation of the prediction model was performed using Confusion matrix, Accuracy, and F-1 score. The accuracy of the virtual sensor model was 97.1% for Decision Tree, 98.5% for SVM, and 98.6% for MLP. The developed model is expected to effectively prevent condensation in residential spaces susceptible to surface condensation. Future work will focus on integrating virtual sensors into existing ventilation and air conditioning systems for practical application in residential spaces.
#결로 예측 #기계학습 #가상센서 #분류 알고리즘 #데이터 기반 #Condensation prediction #Machine learning #Virtual sensor #Classification Algorithms #Data-driven

목차

Abstract
1. 서론
2. 이론적 고찰
3. 연구 방법
4. 연구 결과
5. 결론
REFERENCES

참고문헌 (24)

참고문헌 신청
Agatonovic-Kustrin, S., & Beresford, R. (2000). Basic concepts of artificial neural network (ANN) modeling and its application in pharmaceutical research. Journal of Pharmaceutical and Biomedical Analysis, 22(5), 717-727. google schola Breiman, L., Freidman, J., Olshen, R. A., & Stone, C. J. (1984). Classification and Regression Trees, NewYork, Chapman & Hall, 93-126. google schola Han, B. M., & Kim, G. H. (2015). Expectation on occurrence probability of condensation in apartment buildings. The Korean Society of Science & Art, 19, 725-733. google schola Han, J., Pei, J., & Tong, H. (2022). Data Mining: Concepts and Techniques, Morgan kaufmann, 243-286. google schola Hastie, T., Tibshirani, R., Friedman, J. H., & Friedman, J. H. (2009). The elements of statistical learning: data mining, inference, and prediction, New York: springer, 2, 1-758. google schola

이 논문과 함께 이용한 논문

건축 안전사고 사례기반 액티비티별 위험도 분석
박형진 ,  이준성 ,  서명배 외 1명 대한건축학회논문집 2024 .01
딥러닝을 활용한 건축내역서 자재 데이터베이스 추출
미아오 쉬 ,  엄신조 대한건축학회논문집 2023 .12
열전소자를 활용한 액티브 결로 방지재의 건축물 적용성 평가
김민성 ,  김범준 ,  강용권 외 2명 한국생태환경건축학회 학술발표대회 논문집 2023 .11
독립변수와 종속변수 정규화를 통한 총 공사기간 예측성능 분석
강윤호 ,  이하늘 ,  윤석헌 대한건축학회논문집 2023 .11
다중 재실자 대상 실시간 착의량 산출 프로세스 개발
최은지 ,  윤지영 ,  김남현 외 1명 대한건축학회논문집 2023 .02

최근 본 자료

전체보기

댓글(0)

0