Predecir el estado de apertura de la ventana en una oficina para mejorar la calidad del aire interior
Autores: Nguyen, Thi Hao; Ionescu, Anda; Ramalho, Olivier; Géhin, Evelyne
Idioma: Inglés
Editor: MDPI
Año: 2021
Acceso abierto
Artículo científico
2021
Predecir el estado de apertura de la ventana en una oficina para mejorar la calidad del aire interior
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería General
Palabras clave
Operación de ventana
Calidad del aire interior
Modelado
Oficina de planta abierta
Vecino más cercano k
Modelo de clasificación
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 20
Citaciones: Sin citaciones
La operación de las ventanas es uno de los factores más influyentes en la calidad del aire interior (IAQ). En este documento, nos enfocamos en la modelización del estado de apertura de las ventanas en una oficina de planta abierta real con cinco ventanas. La IAQ de esta oficina de planta abierta fue monitoreada durante todo un año junto con el estado de apertura de las ventanas. Se implementó un modelo de clasificación de Vecinos más Cercanos (k-NN), basado en una larga serie temporal de factores ambientales monitoreados tanto en interiores como en exteriores, como la temperatura y la humedad relativa, y la concentración de CO en interiores. Además, se incluyeron el mes, el día de la semana y la hora del día. El modelo obtenido para la predicción del estado de las ventanas funciona bien con una precisión del 92% para el conjunto de entrenamiento y del 86% para el conjunto de pruebas.
Descripción
La operación de las ventanas es uno de los factores más influyentes en la calidad del aire interior (IAQ). En este documento, nos enfocamos en la modelización del estado de apertura de las ventanas en una oficina de planta abierta real con cinco ventanas. La IAQ de esta oficina de planta abierta fue monitoreada durante todo un año junto con el estado de apertura de las ventanas. Se implementó un modelo de clasificación de Vecinos más Cercanos (k-NN), basado en una larga serie temporal de factores ambientales monitoreados tanto en interiores como en exteriores, como la temperatura y la humedad relativa, y la concentración de CO en interiores. Además, se incluyeron el mes, el día de la semana y la hora del día. El modelo obtenido para la predicción del estado de las ventanas funciona bien con una precisión del 92% para el conjunto de entrenamiento y del 86% para el conjunto de pruebas.