AbstractA new algorithm for the PMV

Abstract
A new algorithm for the PMV calculation was developed using Artificial Neural Networks. Several experimental
investigations were carried out in two classrooms using both Fanger static model and adaptive approaches for the
PMV evaluation. The Artificial Neural Network was trained considering a few input parameters; specifically for the
network development only the air temperature and relative humidity were considered as experimental data. This
algorithm allows to correlate the thermal sensation to both indoor and outdoor factors and it is a useful tool for
predicting the PMV index, replacing the traditional methods with less time and cost demanding.

ผลลัพธ์ (ไทย) 1:

บทคัดย่ออัลกอริธึมใหม่สำหรับคำนวณ PMV ถูกพัฒนาโดยใช้เครือข่ายประสาทเทียม หลายทดลองการสอบสวนที่ดำเนินการในห้องเรียนสองรุ่นคง Fanger และปรับแนวทางการการประเมินผล PMV โครงข่ายประสาทเทียมได้ผ่านการอบรมการพิจารณากี่พารามิเตอร์ โดยเฉพาะสำหรับการเครือข่ายพัฒนาอุณหภูมิอากาศและความชื้นสัมพัทธ์ได้ถือว่าเป็นข้อมูลที่ทดลอง นี้อัลกอริทึมที่ช่วยให้การเชื่อมโยงความสัมพันธ์ความรู้สึกร้อนกับปัจจัยทั้งในร่ม และกลางแจ้ง และเป็นเครื่องมือที่มีประโยชน์สำหรับคาดดัชนี PMV เปลี่ยนวิธีดั้งเดิมกับเวลาและการเรียกร้องค่าใช้จ่ายน้อย

ผลลัพธ์ (ไทย) 2:

บทคัดย่อ
ขั้นตอนวิธีการใหม่สำหรับการคำนวณ PMV ได้รับการพัฒนาโดยใช้โครงข่ายประสาทเทียม การทดลองหลาย
การตรวจสอบได้ดำเนินการในสองห้องเรียนโดยใช้ทั้ง Fanger รูปแบบคงที่และแนวทางการปรับตัวสำหรับ
การประเมินผล PMV เทียมโครงข่ายประสาทเทียมได้รับการฝึกฝนพิจารณาป้อนพารามิเตอร์ไม่กี่; โดยเฉพาะสำหรับ
การพัฒนาเครือข่ายเฉพาะอุณหภูมิของอากาศและความชื้นสัมพัทธ์ได้รับการพิจารณาเป็นข้อมูลจากการทดลอง นี้
ขั้นตอนวิธีการช่วยให้ความสัมพันธ์ความรู้สึกความร้อนจากปัจจัยทั้งในร่มและกลางแจ้งและมันก็เป็นเครื่องมือที่มีประโยชน์สำหรับ
การคาดการณ์ดัชนี PMV เปลี่ยนวิธีการแบบดั้งเดิมที่มีเวลาน้อยลงและค่าใช้จ่ายที่เรียกร้อง