메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
홍수민 (한국건설기술연구원) 조경주 (한국건설기술연구원) 강태욱 (한국건설기술연구원)
저널정보
한국건축친환경설비학회 한국건축친환경설비학회 논문집 한국건축친환경설비학회 논문집 제17권 제6호
발행연도
2023.12
수록면
387 - 399 (13page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
This paper focuses on developing and validating a CO2 concentration prediction model to optimally control and operate mechanical ventilation systems in residential buildings. Various datasets and models were utilized throughout the research process. Initially, CO2 concentration was predicted based on a basic dataset comprising the day of the week, time, temperature, and indoor CO2 levels. Subsequently, a more comprehensive dataset, incorporating ventilation system operation counts and natural ventilation presence, was employed for predictions. Machine learning and deep learning models such as ANN, DNN, LSTM, KNN, and LGBM were trained using these datasets, and their predictive performance was compared across different areas of the residence, namely bedrooms, living rooms, and corridors. The findings demonstrate that even using the basic dataset alone, it is possible to predict CO2 levels in residential buildings with a high degree of confidence. These results are expected to contribute to the development of future algorithms for operating next-generation mechanical ventilation systems that aim to minimize energy consumption while maintaining a clean indoor environment. This paper is anticipated to increase interest and understanding in environmentally conscious indoor environmental control systems and offer essential research insights for the advancement of building systems and environmental technology in the future.
#기계환기장치 #재실자 행위 #머신러닝 #Mechanical ventilation system #Residents'behaviors #Machine learning

목차

ABSTRACT
서론
연구의 범위 및 방법
데이터의 수집
예측 모델 분석
결론
References

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

이 논문의 저자 정보

이 논문과 함께 이용한 논문

재실자 정보 기반 실내 CO₂ 농도 예측모델 개발 및 성능 비교
배강우 ,  김태원 ,  변재윤 외 2명 KIEAE Journal 2024 .10
녹색건축인증의 주거용건축물 자연환기성능항목 개선방안
명일 ,  윤혜경 KIEAE Journal 2024 .10
건물에너지 예측을 위한 기계학습 모델 검토
권오익 ,  김영일 대한건축학회논문집 2023 .05
태양광열-공기열원 하이브리드 히트펌프 축열조 온도 및 에너지 사용량 예측모델 개발
박동혁 ,  김태원 ,  변재윤 외 1명 KIEAE Journal 2023 .02
Python을 이용한 냉동기 에너지소비량 예측 모델의 성능 개선 및 비교 평가
이철원 ,  성남철 ,  최원창 한국건축친환경설비학회 논문집 2021 .06

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-24-02-089251396