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
Accurately predicting indoor temperature distribution can provide valuable reference data, helping residents independently adjust HVAC equipment around them to ensure comfort while reducing unnecessary energy consumption. This study proposes a prediction framework composed of two neural networks, enabling accurate indoor temperature distribution prediction with minimal training data in both temporal and spatial dimensions. The Dual-Stage Attention-Based Recurrent Neural Network calculates the importance ranking of feature values to enhance individual feature information and reduce training data volume, while Long Short-Term Memory is used to predict time-series features. From February to September 2022, 22 temperature sensors were installed in a target office to collect minute-by-minute indoor temperature data, which served as training and testing datasets. The results showed that, for short-term prediction, using data from five out of the 22 sensors collected over two weeks in winter (heating season) and summer (cooling season), the framework accurately predicted temperatures at the remaining 17 sensor locations, with a root mean squared error between 0.3 and 0.7. This study is significant for continuous indoor temperature prediction under low data volume conditions.
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
