A new methodology for the PMV calcu

A new methodology for the PMV calculation by using less input data can be a useful and interesting tool for the
indoor thermal comfort prediction. Several studies were carried out in order to evaluate and to correlate thermal
comfort to less input parameters or to outdoor conditions, but the results were not always reliable. A simplified
approach was developed in 1971 by Rohles [11], with the aim of obtaining PMV index in terms of parameters easily
sampled in the environment: air temperature and relative humidity. However, this model had an important limit: it
was only referred to sedentary activity (metabolic rate = 1.2 met) and to a fixed range of clothing thermal insulation
(Icl d0.6 clo). The Rohles model was extended to a wide range of clothing thermal insulation in [8], in which an
interesting tool was proposed for HVAC systems testing and check
Artificial Neural Networks (ANNs) could also be an interesting tool for predicting thermal comfort sensation. In
particular, the Neural Network can allow to link thermal comfort to a few monitored input data, such as outdoor and
indoor climate conditions.

ผลลัพธ์ (ไทย) 1:

วิธีการใหม่สำหรับการคำนวณโดยใช้ข้อมูลป้อนเข้าน้อย PMV สามารถเป็นเครื่องมือที่มีประโยชน์ และน่าสนใจสำหรับการการคาดเดาในร่มความสะดวกสบายความร้อน หลายการศึกษาที่ดำเนินการ เพื่อประเมิน และเชื่อมโยงความร้อนสบายน้อยกว่าพารามิเตอร์ หรือสภาวะกลางแจ้ง แต่ผลได้ไม่เสมอความน่าเชื่อถือ การประยุกต์วิธีการได้รับการพัฒนาในปี 1971 โดย Rohles [11], มีจุดมุ่งหมายของการได้รับดัชนี PMV ในแง่ของพารามิเตอร์ได้ตัวอย่างในสภาพแวดล้อม: อากาศอุณหภูมิและความชื้นสัมพัทธ์ อย่างไรก็ตาม รุ่นนี้มีข้อจำกัดสำคัญ: มันเท่านั้นถูกเรียกว่ากิจกรรมเคลื่อนไหวน้อย (อัตราการเผาผลาญ = 1.2 พบ) และช่วงคงเสื้อผ้าฉนวนกันความร้อน(Icl นาฬิกาสำหรับ d 0.6) รุ่น Rohles ถูกขยายความหลากหลายของเสื้อผ้ากันความร้อนใน [8], ที่มีเครื่องมือที่น่าสนใจถูกเสนอสำหรับระบบ HVAC ที่ทดสอบและตรวจสอบเครือข่ายประสาทเทียม (ANNs) ยังอาจจะเป็นเครื่องมือที่น่าสนใจสำหรับคาดคะเนความรู้สึกสบายความร้อน ในเฉพาะ เครือข่ายระบบประสาทสามารถเชื่อมโยงความสะดวกสบายความร้อนกี่ข้อมูล ตรวจสอบการป้อนเข้าเช่นกลางแจ้ง และสภาพอากาศในร่ม

ผลลัพธ์ (ไทย) 2:

วิธีการใหม่สำหรับการคำนวณ PMV โดยใช้การป้อนข้อมูลน้อยสามารถเป็นเครื่องมือที่มีประโยชน์และน่าสนใจสำหรับ
การทำนายความสะดวกสบายในการระบายความร้อนในร่ม การศึกษาหลายแห่งได้ดำเนินการเพื่อประเมินและสร้างความสัมพันธ์กับความร้อน
ความสะดวกสบายให้ป้อนพารามิเตอร์น้อยหรือสภาพกลางแจ้ง แต่ผลที่ได้ก็ไม่น่าเชื่อถือเสมอ เรียบง่ายกว่า
วิธีการที่ได้รับการพัฒนาในปี 1971 โดย Rohles [11] โดยมีจุดมุ่งหมายของดัชนี PMV ได้รับในแง่ของพารามิเตอร์ได้อย่างง่ายดาย
ตัวอย่างในสภาพแวดล้อม: อุณหภูมิอากาศและความชื้นสัมพัทธ์ แต่รุ่นนี้มีข้อ จำกัด ที่สำคัญมัน
เป็นเพียงการเรียกกิจกรรมอยู่ประจำ (อัตราการเผาผลาญ = 1.2 พบ) และช่วงที่คงที่ของฉนวนกันความร้อนเสื้อผ้า
(Icl D 0.6 clo?) รุ่น Rohles ก็ขยายไปถึงความหลากหลายของฉนวนกันความร้อนในเครื่องแต่งกาย [8] ซึ่งใน
เครื่องมือที่น่าสนใจก็เสนอสำหรับการทดสอบระบบ HVAC และตรวจสอบ
โครงข่ายประสาทเทียม (ANNs) นอกจากนี้ยังสามารถใช้เป็นเครื่องมือที่น่าสนใจสำหรับการทำนายความสะดวกสบายความรู้สึกความร้อน ใน
โดยเฉพาะอย่างยิ่งเครือข่ายประสาทสามารถอนุญาตให้มีการเชื่อมโยงความสะดวกสบายในการระบายความร้อนไปไม่กี่ป้อนข้อมูลการตรวจสอบเช่นกลางแจ้งและ
สภาพอากาศในร่ม