İç mekân ısıl konforunun makine öğrenmesi yaklaşımları ile uluslararası veri tabanları kullanılarak modellenmesi
Modeling of indoor thermal comfort by machine learning approaches using international databases
- Tez No: 1018392
- Danışmanlar: PROF. DR. AHMET SELİM DALKILIÇ, DR. ÖĞR. ÜYESİ MUHAMMED MİLANİ
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Makine Mühendisliği, Computer Engineering and Computer Science and Control, Mechanical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Isı Proses Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Isıl konfor, bina sakinlerinin sağlığı, refahı, performansı ve enerji verimliliği üzerinde etkili önemli bir faktördür. Fanger'in tahmini ortalama oy (PMV) modeli, ısıl konfor tahmininde yaygın olarak kullanılmaktadır. Çalışma dört temel aşamadan oluşmaktadır. İlk aşamada, radyant ısıtma/soğutma sistemleri ile karışım ve deplasman havalandırmalı sistemlerinin ısıl konfor performansı kapsamlı bir literatür taramasıyla değerlendirilmiştir. İkinci aşamada, 107583 gözlem içeren ASHRAE veri tabanı ön işleme tabi tutularak eksik değerler ve aykırı gözlemler düzenlenmiş, veri kümesi 55443 gözleme indirilmiştir. Ayrıca Fanger'in PMV'sinde kullanılan hava sıcaklığı (Ta), ortalama radyant sıcaklık (Tr), hava hızı (Va), bağıl nem (RH), giysi yalıtımı (clo) ve metabolik oran (M) hem kendi aralarındaki ilişkileri hem PMV ile olan ilişkileri incelenmiştir. Korelasyon matrisinde Ta ile Tr arasındaki 0.92'lik yüksek korelasyon belirlendi. Özellik önemi, SelectKBest, SHAP, P-kutu ve PDP analizleri ile PMV'nin en etkili parametreleri Ta, clo ve M olarak belirlendi ve 41977 gözlem içeren Çin veri tabanı ile doğrulandı. Üçüncü aşamada, 85583 gözlem içeren ASHRAE II veri tabanı kullanılarak PMV'nin en önemli üç parametresi belirlendi. Yapılan özellik önemi analizleri ile belirlenen üç parametre (Ta, clo, M), önceki aşama bulgularıyla uyumludur. Bu aşamada 10 farklı model geliştirilmiş ve XGBoost modeli en yüksek R² ile güçlü genelleme performansı göstermiştir. Optuna ile optimize edilen XGBoost modeli 0.93 R², 0.124 MAE ve 0.93 CV-R² değerlerine ulaşmıştır. Model, 5 katlı çapraz doğrulama ve Çin ısıl konfor veri setiyle doğrulanmıştır. Böylece PMV'nin daha düşük maliyetli ve kolay erişilebilir parametrelerle hesaplanabileceği gösterilmiştir. Son aşamada, ASHRAE veri tabanındaki 6.283 sıcak çöl iklimi (BWh) gözlemi üzerinde iklime özgü modeller, yeni ön işleme teknikleri ve ablasyon analizleri uygulanmıştır. Eksik veriler çok değişkenli yapıyı korumak için KNN yöntemiyle tamamlanmıştır. RF, XGBoost ve LightGBM modelleri eğitilmiş ve RF modeli, 7 sınıflı ısıl his oyu (TSV) sınıflandırmasında %70.80 doğruluk ve 0.6307 Macro-F1 değerine ulaşırken, sınıf sayısının 3'e indirgenmesiyle doğruluk %87.83'e yükselmiştir.
Özet (Çeviri)
Thermal comfort is a significant factor influencing the health, well-being, performance, and energy efficiency of building occupants. Fanger's predicted mean vote (PMV) model is widely used in thermal comfort prediction. This study consists of four main stages. In the first stage, the thermal comfort performance of radiant heating/cooling systems and mixed and displacement ventilation systems was evaluated through a comprehensive literature review. In the second stage, the ASHRAE database containing 107583 observations was pre-processed, missing values and outliers were removed, and the dataset was reduced to 55443 observations. Furthermore, the relationships between air temperature (Ta), mean radiant temperature (Tr), air velocity (Va), relative humidity (RH), clothing insulation (clo), and metabolic rate (M), as used in Fanger's PMV, and their relationships with PMV were examined. A high correlation of 0.92 was determined between Ta and Tr in the correlation matrix. Feature importance was determined using SelectKBest, SHAP, P-box, and PDP analyses, identifying Ta, clo, and M as the most influential parameters of PMV and validated with a Chinese database containing 41977 observations. In the third stage, the three most important parameters of PMV were identified using the ASHRAE II database containing 85583 observations. The three parameters (Ta, clo, M) identified through feature importance analyses are consistent with the findings of the previous stage. Ten different models were developed in this stage, and the XGBoost model showed strong generalisation performance with the highest R². The XGBoost model, optimised with Optuna, achieved R² of 0.93, MAE of 0.124, and CV-R² of 0.93. The model was validated with 5-fold cross-validation and the Chinese thermal comfort dataset. This demonstrates that PMV can be calculated with lower-cost and more readily available parameters. In the final stage, climate-specific models, novel preprocessing techniques, and ablation analyses were applied to 6283 hot desert climate (BWh) observations from the ASHRAE database. Missing data were completed using the KNN method to preserve the multivariate structure. RF, XGBoost, and LightGBM models were trained, and while the RF model achieved an accuracy of 70.80% and a Macro-F1 value of 0.6307 in the 7-class thermal sensation vote (TSV), the accuracy increased to 87.83% when the number of classes was reduced to 3.
Benzer Tezler
- Erken tasarım aşamasında makine öğrenmesi tabanlı bina enerji performansı tahmin modeli
Machine learning -based building energy performance prediction model in early design phase
İBRAHİM AGAH TAŞTEMİR
Doktora
Türkçe
2025
Mimarlıkİstanbul Sabahattin Zaim ÜniversitesiMimarlık Ana Bilim Dalı
DOÇ. DR. ENES YAŞA
DR. ERDEM KÖYMEN
- Makine öğrenmesi kullanarak ticari binalarda enerji tüketiminin azaltılması
Reducing energy consumption in commercial buildings using machine learning
MUSTAFA ÇAKIR
Doktora
Türkçe
2022
İnşaat Mühendisliğiİstanbul Kültür Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. AKHAN AKBULUT
- Akıllı kampüslerde yapay zekâ destekli enerji yönetimi
Artificial intelligence-supported energy management in smart campuses
ABDALHADI K S MANASSRA
Yüksek Lisans
Türkçe
2026
Endüstri ve Endüstri MühendisliğiBursa Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜRKAN IŞIK
- Duvardan radyant soğutmalı deplasmanlı havalandırma ile desteklenmiş bir mahalin ısıl konforunun deneysel incelenmesi
Experimental investigation of thermal comfort in a space with radiant cooling panels embedded in the wall and supported by displacement ventilation
ÖMER AKÇEŞME
Yüksek Lisans
Türkçe
2026
Makine MühendisliğiYıldız Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET SELİM DALKILIÇ
- Endüstriyel tesislerde ağır iş ortamları için ısıl konfor analizi
Thermal comfort analysis of heavy works environments in industrial facilities
ŞÜKRAN ÖZBAĞ
Yüksek Lisans
Türkçe
2024
Makine MühendisliğiBalıkesir ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. NADİR İLTEN
DR. ÖĞR. ÜYESİ İSMAİL CANER