1 results
Search Results
Now showing 1 - 1 of 1
Master Thesis İnsan Vücudu Ekserji Tüketimini Öngörmek için Yapay Sinir Ağlarının Kullanılması(2022) Yousıf, Yousıf Layth; Turhan, Cihan; Turhan, Cihan; Turhan, Cihan; Lotfısadıgh, Bahram; Energy Systems Engineering; Energy Systems EngineeringAmerikan 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.