Geri Dön

Utilizing artificial neural network to predict human body exergy consumption

İnsan vücudu ekserji tüketimini öngörmek için yapay sinir ağlarının kullanılması

PDF İndir

  1. Tez No: 723467
  2. Yazar: YOUSIF LAYTH YOUSIF
  3. Danışmanlar: DR. ÖĞR. ÜYESİ CİHAN TURHAN, DR. ÖĞR. ÜYESİ BAHRAM LOTFISADIGH
  4. Tez Türü: Yüksek Lisans
  5. Konular: Makine Mühendisliği, Mechanical Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: İngilizce
  9. Üniversite: Atılım Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 51

Özet

Amerikan Isıtma, Soğutma ve Ġklimlendirme Mühendisleri Derneği (ASHRAE), termal konforu“ısıl çevre ile mutluluk veren zihin durumu”olarak tanımlar. Enerji ve Madde bir sistem olarak dağılabilir ve çevreleriyle dengeye doğru hareket edebilir ve buna termodinamikte ekserji denir. Tahmini Ortalama Oy (PMV)/Öngörülen Memnuniyetsizlik Yüzdesi (PPD) modeli ve uyarlanabilir termal konfor yaklaşımı, termal konforu değerlendirmek için en yaygın kullanılan iki yöntemdir. ekserji kavramını termal konforun bir indeksi olarak insan vücudu sistemine uygulayın. Bir kişinin ekserji dengesi ile termal konfor seviyeleri arasındaki ilişki, vücuttan ısı ve suyu etkili bir şekilde dağıtmanın insan refahı için gerekli olmasıdır. Bu nedenle , en düşük insan vücudu ekserji tüketim oranı çoğunlukla optimum termal konfor seviyesini verir.Bu tezde Yapay Zeka tabanlı bir çalışma yapılmıştır. Ekserji ve termal konfor açısından en iyi koşulu elde etmek için, Atılım Üniversitesi'nin Mühendislik Fakültesi binasında içinde bir kiş olan bir odada deneyler yapılmıştır. Ġnsan vücudunun ekserji tüketimi bir bilgisayar programı aracılığıyla çıkarılmakta ve çevresel parametreler objektif sensörler ile ölçülmektedir. Daha sonra Python ortamında bir Yapay Sinir Ağı (YSA) modeli geliştirilmiştir. vi Sinir ağı tekniğinde bir geri yayılım ve sigmoid işlevi kullanılır. YSA modeline toplam 133 veri dahil edilmiş olup, verilerin 75% yani 99 veri seti eğitim ve geri kalanı test için kullanılmıştır. Sağlanan koşullar altında 1,98'lik bir Ortalama Mutlak Yüzdelik Hatası (MAPE) ve 0,91'lik bir doğru tahmin oranı (R2) bulunur ve bu, yapay sinir ağı modeli çıktıları ile insan vücudu ekserji verileri arasında iyi bir koordinasyon olduğunu gösterir. Basitlik, analiz hızı ve kısıtlı veri kümelerinden öğrenme, insan vücudu ekserji simülasyonu üzerindeki bir YSA modelinin avantajı olarak gösterilebilir. Bu tez, insanların ne kadar ekserji oranı tükettiğini (HBExC) belirlemek için bir YSA modeli kullanan yeni bir konsept sunmaktadır. Bunun nedeni, yapay sinir ağlarının (YSA) bina ve termal konfor alanlarında en yaygın olarak kullanılan yapay zeka tekniği olmasıdır. Sonuçta, doğrusal olmayan değişkenlerin etkileşimlerini, özellikle değişkenleri arasında karmaşık doğrusal olmayan ilişkilere sahip olan ekserji kavramını hızlı ve doğru bir şekilde ele alabilirler.

Özet (Çeviri)

The American Society of Heating, Refrigerating, and Air-Conditioning Engineers (ASHRAE) defines thermal comfort as“the state of mind that conveys happiness with the thermal environment”. Energy and Matter can scatter as a system and move toward equilibrium with their surrounding environment, and this is referred to as exergy in thermodynamics. Predicted Mean Vote (PMV)/Percentage of Predicted Dissatisfied (PPD) model and adaptive thermal comfort approach are the two most widely used methods for assessing thermal comfort. However, it is also possible to apply the exergy notion to the human body system as an index of thermal comfort. The relationship between a person's exergy balance and their level of thermal comfort is that effectively dissipating heat and water from the body is essential to human well-being. For this reason, the lowest human body exergy consumption rate mostly gives the optimum thermal comfort level. In this thesis, an Artificial Intelligence-based work was conducted in a room of engineering faculty of the Atilim University, Ankara, Turkey, with an occupant being inside the room to obtain the best condition for his exergy and thermal comfort. Human body exergy consumption is extracted via a computer programme and environmental parameters iv are measured by objective sensors. Then, an Artificial Neural Network (ANN) model is developed in Python environment. A back propagation and sigmoid function is used in the neural network technique. A total of 133 data are included in the ANN model, with 75% (99 datasets) being used for training and the remaining for testing. A Mean Absolute Percentage Error (MAPE) of 1.98 and an accurate prediction rate (R2) of 0.91 are found under the provided conditions, indicating a good coordination between the artificial neural network model outputs and the human body exergy data. Simplicity, speed of analysis, and learning from restricted data sets are all features of an ANN model over human body exergy simulation. This thesis presents a novel concept that uses an ANN model to determine how much exergy rate people consume (HBExC). This is because artificial neural networks (ANNs) are the most commonly used artificial intelligence technique in the field of buildings and thermal comfort fields. After all, they can handle nonlinear variables' interactions rapidly and correctly, especially, exergy concept which has complex nonlinear relationships between its variables.

Benzer Tezler

  1. Tez No

    879686

    Machine-learning approaches for neurological disorder diagnosis from genomic and neuroimaging data

    Genomik ve nörogörüntüleme verilerinden nörolojik bozukluk teşhisi için makine öğrenmesi yaklaşımları

    İSMAİL BİLGEN

    Doktora

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. BEHÇET UĞUR TÖREYİN

  2. Tez No

    688422

    Biyokütle gazlaştırma sistem performansının yapay zeka teknikleri ile tahmini

    Prediction of biomass gasification system performance using artificial intelligence techniques

    AHMED A. AHMED

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Kimya MühendisliğiOndokuz Mayıs Üniversitesi

    Kimya Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SELİM CEYLAN

  3. Tez No

    770532

    Polymer optical fiber sensor and the prediction of sensor responseutilizing artificial neural networks

    Polimer optik lif sensör ve sensör cevabının yapay sinir ağları kullanarak tahmin edilmesi

    DERYA HAROĞLU

    Doktora

    İngilizce

    İngilizce

    2014

    Tekstil ve Tekstil MühendisliğiNorth Carolina State University

    Tekstil Teknolojisi Ana Bilim Dalı

    PROF. NANCY B. POWELL

    PROF. DR. ABDEL-FATTAH SEYAM

  4. Tez No

    903942

    Akımsız nikel esaslı alaşım kaplamalarda en iyi kaplama özelliklerini sağlayan banyo parametrelerinin yapay zeka yöntemleri ile tersine optimizasyonu

    Inverse optimization of bath parameters providing the best coating properties in electroless nickel-based alloy coatings using artificial intelligence methods

    MEHMET FATİH TAŞKIN

    Doktora

    Türkçe

    Türkçe

    2024

    Endüstri ve Endüstri MühendisliğiSakarya Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. ÖZER UYGUN

  5. Tez No

    787358

    Olasılıksal sembolik motif tanıma

    Probabilistic symbolic pattern recognition

    OĞUZ AKBİLGİÇ

    Doktora

    Türkçe

    Türkçe

    2022

    İstatistikMimar Sinan Güzel Sanatlar Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. EYLEM DENİZ HOWE

Geri Dön