Нейронечітке моделювання параметрів біокомфорту в малоповерхових будинках

Описано метод розроблення математичних моделей на основі синтетичної вибірки даних за допомогою нейронечіткого моделювання. Виділено основні чинники житлового середовища, що впливають на відчуття комфорту і здоров’я людини та оцінюються в межах показника рівня біокомфорту. Вибірку даних сформовано з...

Повний опис

Збережено в:

Бібліографічні деталі
Дата:	2013
Автори:	Ткаченко, Р.О., Машевська, М.В.
Формат:	Стаття
Мова:	Ukrainian
Опубліковано:	Навчально-науковий комплекс "Інститут прикладного системного аналізу" НТУУ "КПІ" МОН та НАН України 2013
Назва видання:	Системні дослідження та інформаційні технології
Теми:	Методи аналізу та управління системами в умовах ризику і невизначеності
Онлайн доступ:	http://dspace.nbuv.gov.ua/handle/123456789/85138
Теги:	Додати тег Немає тегів, Будьте першим, хто поставить тег для цього запису!
Назва журналу:	Digital Library of Periodicals of National Academy of Sciences of Ukraine
Цитувати:	Нейронечітке моделювання параметрів біокомфорту в малоповерхових будинках / Р.О. Ткаченко, М.В. Машевська // Системні дослідження та інформаційні технології. — 2013. — № 4. — С. 89-98. — Бібліогр.: 4 назв. — укр.

Репозитарії

Digital Library of Periodicals of National Academy of Sciences of Ukraine

id	irk-123456789-85138
record_format	dspace
spelling	irk-123456789-851382015-07-20T03:02:32Z Нейронечітке моделювання параметрів біокомфорту в малоповерхових будинках Ткаченко, Р.О. Машевська, М.В. Методи аналізу та управління системами в умовах ризику і невизначеності Описано метод розроблення математичних моделей на основі синтетичної вибірки даних за допомогою нейронечіткого моделювання. Виділено основні чинники житлового середовища, що впливають на відчуття комфорту і здоров’я людини та оцінюються в межах показника рівня біокомфорту. Вибірку даних сформовано з використанням експериментальних даних, висновків експертів та результатів математичного моделювання. Розглянуто особливості використання нейронечіткого Т-контролера та нейромережевого генератора формул, що забезпечує можливість поєднання різнорідних даних для розроблення моделей. Розроблено математичні моделі для обчислення інтегральних показників комфорту в житловому середовищі, що дозволяють підвищити точність оцінювання якісних параметрів біокомфорту. Подано результати оцінювання показника рівня біокомфорту з використанням розроблених моделей. Описан метод разработки математических моделей на основе синтетической выборки данных с помощью нейронечеткого моделирования. Выделены основные факторы жилищной среды, что влияют на ощущение комфорта и здоровья человека и оцениваются в пределах показателя уровня биокомфорта. Выборка данных сформирована с использованием экспериментальных данных, заключений экспертов и результатов математического моделирования. Рассмотрены особенности использования нейронечеткого Т-контроллера и нейросетевого генератора формул, что обеспечивает возможность совмещения разнородных данных для разработки моделей. Разработаны математические модели для вычисления интегральных показателей комфорта в жилищной среде, позволяющие повысить точность оценки качественных параметров биокомфорта. Представлены результаты оценки показателя уровня биокомфорта с использованием разработанных моделей. The method of creating the mathematical models on the basis of synthetic set of data by the using a neuro-fuzzy modeling is described. The main factors of residential environment, which influence on feeling the comfort and health of man and are evaluated on the basis of index of level of biocomfort, are defined. The set of data is created using experimental data, conclusions of experts and results of mathematical modeling. The features of using neuro-fuzzy T-controller and neural generator of formulas, which provide the possibility of combining synthetic data to develop models are considered. Mathematical models for the calculation of integral indexes of comfort in a dwelling that allowed improve accuracy of evaluation of quality parameters of biocomfort are created. The results of evaluating the index of level of biocomfort by using of created models are presented. 2013 Article Нейронечітке моделювання параметрів біокомфорту в малоповерхових будинках / Р.О. Ткаченко, М.В. Машевська // Системні дослідження та інформаційні технології. — 2013. — № 4. — С. 89-98. — Бібліогр.: 4 назв. — укр. 1681–6048 http://dspace.nbuv.gov.ua/handle/123456789/85138 004.832.3:519.711.2 uk Системні дослідження та інформаційні технології Навчально-науковий комплекс "Інститут прикладного системного аналізу" НТУУ "КПІ" МОН та НАН України
institution	Digital Library of Periodicals of National Academy of Sciences of Ukraine
collection	DSpace DC
language	Ukrainian
topic	Методи аналізу та управління системами в умовах ризику і невизначеності Методи аналізу та управління системами в умовах ризику і невизначеності
spellingShingle	Методи аналізу та управління системами в умовах ризику і невизначеності Методи аналізу та управління системами в умовах ризику і невизначеності Ткаченко, Р.О. Машевська, М.В. Нейронечітке моделювання параметрів біокомфорту в малоповерхових будинках Системні дослідження та інформаційні технології
description	Описано метод розроблення математичних моделей на основі синтетичної вибірки даних за допомогою нейронечіткого моделювання. Виділено основні чинники житлового середовища, що впливають на відчуття комфорту і здоров’я людини та оцінюються в межах показника рівня біокомфорту. Вибірку даних сформовано з використанням експериментальних даних, висновків експертів та результатів математичного моделювання. Розглянуто особливості використання нейронечіткого Т-контролера та нейромережевого генератора формул, що забезпечує можливість поєднання різнорідних даних для розроблення моделей. Розроблено математичні моделі для обчислення інтегральних показників комфорту в житловому середовищі, що дозволяють підвищити точність оцінювання якісних параметрів біокомфорту. Подано результати оцінювання показника рівня біокомфорту з використанням розроблених моделей.
format	Article
author	Ткаченко, Р.О. Машевська, М.В.
author_facet	Ткаченко, Р.О. Машевська, М.В.
author_sort	Ткаченко, Р.О.
title	Нейронечітке моделювання параметрів біокомфорту в малоповерхових будинках
title_short	Нейронечітке моделювання параметрів біокомфорту в малоповерхових будинках
title_full	Нейронечітке моделювання параметрів біокомфорту в малоповерхових будинках
title_fullStr	Нейронечітке моделювання параметрів біокомфорту в малоповерхових будинках
title_full_unstemmed	Нейронечітке моделювання параметрів біокомфорту в малоповерхових будинках
title_sort	нейронечітке моделювання параметрів біокомфорту в малоповерхових будинках
publisher	Навчально-науковий комплекс "Інститут прикладного системного аналізу" НТУУ "КПІ" МОН та НАН України
publishDate	2013
topic_facet	Методи аналізу та управління системами в умовах ризику і невизначеності
url	http://dspace.nbuv.gov.ua/handle/123456789/85138
citation_txt	Нейронечітке моделювання параметрів біокомфорту в малоповерхових будинках / Р.О. Ткаченко, М.В. Машевська // Системні дослідження та інформаційні технології. — 2013. — № 4. — С. 89-98. — Бібліогр.: 4 назв. — укр.
series	Системні дослідження та інформаційні технології
work_keys_str_mv	AT tkačenkoro nejronečítkemodelûvannâparametrívbíokomfortuvmalopoverhovihbudinkah AT maševsʹkamv nejronečítkemodelûvannâparametrívbíokomfortuvmalopoverhovihbudinkah
first_indexed	2025-07-06T12:17:50Z
last_indexed	2025-07-06T12:17:50Z
_version_	1836899916253757440
fulltext	© Р.О. Ткаченко, М.В. Машевська, 2013 Системні дослідження та інформаційні технології, 2013, № 4 89 TIДC МЕТОДИ АНАЛІЗУ ТА УПРАВЛІННЯ СИСТЕМАМИ В УМОВАХ РИЗИКУ І НЕВИЗНАЧЕНОСТІ УДК 004.832.3:519.711.2 НЕЙРОНЕЧІТКЕ МОДЕЛЮВАННЯ ПАРАМЕТРІВ БІОКОМФОРТУ В МАЛОПОВЕРХОВИХ БУДИНКАХ Р.О. ТКАЧЕНКО, М.В. МАШЕВСЬКА Описано метод розроблення математичних моделей на основі синтетичної ви- бірки даних за допомогою нейронечіткого моделювання. Виділено основні чинники житлового середовища, що впливають на відчуття комфорту і здо- ров’я людини та оцінюються в межах показника рівня біокомфорту. Вибірку даних сформовано з використанням експериментальних даних, висновків екс- пертів та результатів математичного моделювання. Розглянуто особливості використання нейронечіткого Т-контролера та нейромережевого генератора формул, що забезпечує можливість поєднання різнорідних даних для розроб- лення моделей. Розроблено математичні моделі для обчислення інтегральних показників комфорту в житловому середовищі, що дозволяють підвищити точ- ність оцінювання якісних параметрів біокомфорту. Подано результати оціню- вання показника рівня біокомфорту з використанням розроблених моделей. ВСТУП Збільшення попиту на якісне та комфортне житло потребує застосування нових підходів та методів для комплексного оцінювання ступеня впливу середовища проживання на організм мешканців. Експериментально-наукові дослідження П. Фанжера, Р. де Діара, А. Ґеіджа та ін., та високий рівень ста- ндартизації параметрів теплового комфорту стали теоретичним і норматив- ним підґрунтям для аналізу умов середовища проживання та відображенням сучасних критеріїв в оцінці якості будівництва житла. Інтегральні способи визначення рівня комфорту та універсальних показників його складових ві- дображають експертні напрацювання у сфері розвитку енергоефективного будівництва та дозволяють комплексно враховувати критерії забезпечення комфортного проживання. ПОСТАНОВКА ЗАДАЧІ Комплексне дослідження рівня якості житлового середовища передбачає врахування параметрів теплового мікроклімату та психологічного комфор- ту, а також ступеня несприятливого впливу конструкції будинку на організм людини. Оцінювання ступеня комфорту людини залежить не лише від об’єктивних характеристик параметрів середовища, але й від біологічних Р.О. Ткаченко, М.В. Машевська ISSN 1681–6048 System Research & Information Technologies, 2013, № 4 90 чинників. Для дослідження та оцінювання стану комфорту людини у житло- вому середовищі з урахуванням її індивідуальних об’єктивних параметрів використовують показники біокомфорту [1, 2]. Недолік існуючих моделей оцінювання рівня комфорту в тому, що вони враховують лише вплив параметрів теплового мікроклімату на організм лю- дини та мають обмежений діапазон зміни показників. Моделі оцінювання комфорту будуються на основі лише фізичних моделей або лише даних екс- периментальних досліджень. Можливість побудови більш ефективних моделей для ширшого діапа- зону зміни параметрів і для врахування їх більшої кількості виникла у зв’язку з появою нейромережевих та нечітких засобів штучного інтелекту. Більш ефективні моделі можливо побудувати на основі синтетичних даних, включаючи результати математичного моделювання, експериментальні дані та експертні висновки. Мета роботи — розроблення нечітких та нейронечітких моделей оці- нювання показника рівня біокомфорту на основі використання різнорідних даних та висновків експертів. ПІДГОТОВКА ДАНИХ ДЛЯ РОЗРОБЛЕННЯ НЕЙРОНЕЧІТКИХ МОДЕЛЕЙ На етапі підготовки даних для побудови моделей використано синтетичну інформацію, отриману з різних джерел. На основі опрацювання проектної документації, проведених вибіркових спостережень за станом мікроклімату в малоповерхових житлових будинках, використання результатів імітацій- ного моделювання параметрів біокомфорту, із урахуванням якісних парамет- рів оцінювання (у тому числі, індивідуальних чинників) та експертних оці- нок, сформовано масив вхідних даних для моделювання. Для опису показників природного освітлення житлового приміщення (insol), режиму проживання людини (res) та ступеня чутливості організму мешканця до дії чинників середовища (sens) використано якісні оцінки. На етапі збору даних для визначення цих змінних на основі експертних оцінок використано якісні шкали оцінювання. Для опису інтегрального показника, який відповідає рівню біокомфор- ту, введено змінну PLC (Predicted Level of Comfort), що визначається в ме- жах 5-рівневої шкали оцінювання. Інтенсивність та характер впливу чинни- ків житлового середовища на організм людини в залежності від її режиму проживання та ступеня чутливості, оцінювались на основі інформації від експертів та згідно з вимогами щодо забезпечення оптимальних співвідно- шень параметрів мікроклімату. Розроблення математичних моделей із врахуванням експертних виснов- ків складається із двох етапів: передбачення показника рівня біокомфорту на основі синтетичної вибірки даних за допомогою нейронечіткого Т-контролера та побудова відповідної емпіричної залежності з використан- ням нейромережевого генератора формул. Загальну схему розроблення ма- тематичної моделі оцінювання рівня біокомфорту (PLC) зображено на рис. 1. Нейронечітке моделювання параметрів біокомфорту в малоповерхових будинках Системні дослідження та інформаційні технології, 2013, № 4 91 На рис. 1 вектори insolX , resX , sensX є вхідними параметрами (чинни- ками), що описують, відповідно, показники insol, res та sens. Вихідний век- тор )(XFPLC = , де }.,,,,,,{ ressensinsoltTX in γϕΔ= Структурну схему роз- роблення математичних моделей оцінювання параметрів біокомфорту представлено на рис. 2. РОЗРОБЛЕННЯ НЕЧІТКОЇ СИСТЕМИ ТА ЇЇ ТЕСТУВАННЯ Для розроблення нечіткої моделі введено лінгвістичні змінні, визначено ба- зові терм-множини, побудовано відповідні функції належності та сформова- но базу продукційних правил. Для експериментальних досліджень використано ліцензійний програм- ний продукт TController Workshop [3]. Принцип побудови правил логічного виведення та виконання попередніх етапів їх композиції відбувається анало- гічно до методу Мамдані. Особливістю алгоритму Т-контролера є нейромережевий метод дефа- зифікації, який здійснюється за допомогою каскаду двох нейромереж моделі Рис. 1. Загальна структурна схема розроблення математичної моделі оцінювання показника рівня біокомфорту PLC T-конролер нечіткої логіки Нейромережевий генератор формул Блок роздроблення математичної моделі )(XF X Вхідні параметри Y Передбачені вхідні параметри Вихідні параметриX Рис. 2. Структурна схема розроблення математичних моделей оцінювання парамет- рів біокомфорту Р.О. Ткаченко, М.В. Машевська ISSN 1681–6048 System Research & Information Technologies, 2013, № 4 92 геометричних перетворень (МГП). Перший каскад (автоасоціативна штучна нейроподібна мережа геометричних перетворень) — відкидає вектори з ма- лими сингулярними числами, усуваючи, таким чином, фактор виродженості системи. Другий каскад — забезпечує процедуру дефазифікації. Перевагою такого методу дефазифікації є нульова методична похибка перетворення для відомих точних значень на вході. Тобто похибка результату залежить лише від точності обчислення відповідних функцій належності [3]. Вхідними параметрами розробленого нейронечіткого Т-контролера є лінгвістичні змінні: температура повітря всередині приміщення ;)( inT пе- репад між температурою повітря і температурою внутрішніх поверхонь стін ;)( tΔ показник відносної вологості ;)(ϕ рівень чутливості організму до впливів зовнішніх чинників ;)(sens показник режиму проживання людини ;)(res показник негативного впливу конструкції будинку на людину ;)(y ступінь природного освітлення приміщення .)(insol Виходом нейронечіткого контролера є параметр PLC — передбачений рівень біокомфорту в житловому середовищі. Чіткі значення термів опису- ють, відповідно, «1», «2», «3», «4» та «5» рівні біокомфорту. Для вхідних та вихідних параметрів нечіткої моделі задано трикутні функції належності. На етапі тестування нечіткої системи використано вектори показників житлового середовища та індивідуальних характеристик. Вектори сформо- вано на етапі підготовки даних для моделювання на основі спостережень за змінами внутрішніх параметрів реальних житлових будинків та представле- но відповідно до введених шкал оцінювання. В режимі тестування нейроне- чіткого контролера на виході одержано набір числових значень показника рівня біокомфорту у малоповерхових будинках відповідно до заданих пара- метрів житлового середовища. ПОБУДОВА МАТЕМАТИЧНИХ ЗАЛЕЖНОСТЕЙ ЗА ДОПОМОГОЮ НАВЧАННЯ НЕЙРОМЕРЕЖ ГЕОМЕТРИЧНИХ ПЕРЕТВОРЕНЬ Побудова математичної моделі для оцінювання показника рівня біокомфор- ту передбачає представлення числових залежностей, отриманих за допомо- гою Т-контролера, в аналітичному вигляді. Наша задача є задачею регресії, особливістю якої є нелінійність по па- раметрах і значна корельованість вхідних даних. У зв’язку з цим, для розроб- лення математичних моделей оцінювання рівня біокомфорту застосовується нейромережевий генератор формул Sapienware.Equo 2.1. [4], в основі якого закладено реалізацію методу сингулярної декомпозиції на нейроподібних структурах МГП. Такий підхід забезпечує автоматичне відкидання всіх го- ловних компонент із малим сингулярним числом, поріг якого задаємо під час моделювання. Функцією активації для навчання нейромереж обрано дробово- раціональний поліном Паде 2-го порядку, що враховує нелінійність залеж- ностей і має добрі екстраполяційні властивості. Для нашої задачі дробово-раціональний поліном записується в такому вигляді: Нейронечітке моделювання параметрів біокомфорту в малоповерхових будинках Системні дослідження та інформаційні технології, 2013, № 4 93 ,351 , K = k XbX+Xb+1 XaX+Xa+a PLC k1..N,=i 1..N=j kj..N,=i ikjik k1..N,=i 1..N=j kj..N,=i ikjik0 ∑ ∑ ∑ ∑ ∑ ∑ = (1) де PLC — показник рівня біокомфорту; },,,,,,{ ressensinsoltTX in γϕΔ= — вектор параметрів житлового середовища, що визначають рівень біокомфор- ту [1, 2]; N — кількість параметрів моделі, ;7=N ),,,( 3510 aaa K та ),,,( 3521 bbb K — коефіцієнти поліному Паде. Нейромережевий метод, реалізований у ліцензованому програмному продукті Sapienware.Equo 2.1., забезпечує достатньо точні логічні набли- ження коефіцієнтів моделі на основі застосування нейромереж. Остаточні значення коефіцієнтів визначаються оптимізаційним методом «імітації від- палу». У результаті отримано наступні коефіцієнти моделі (1): ;268,1550 =a ;081,151 =a ;937,42 −=a ;551,13 −=a ;757,24 −=a ;4972,5 −=a ;004,06 −=a ;508,737 −=a ;292,08 =a ;043,09 =a ;018,010 =a ;378,011 =a ;524,012 =a ;05E86,513 −=a ;006,214 =a ;382,015 =a ;018,016 =a ;893,017 =a ;283,018 =a ;04E26,119 −=a ;394,020 =a ;0093,021 =a ;003,022 =a ;0078,023 =a ;05E07,224 −=a ;0769,025 =a ;923,026 −=a ;21,027 =a ;04E44,228 −=a ;476,429 =a ;669,030 =a ;002,031 =a ;75,032 =a ;06E1,333 −=a ;04E84,834 −=a ;402,1735 =a 1,001;1 −=b 1,674;2 −=b ;0,1063 =b ;1,6574 −=b ;1,7745 −=b ;0048,06 −=b ;17,4027 −=b ;0,00478 =b ;023,09 =b ;0019,010 =b ;0,025811 =b ;0,13912 =b ;053,21E13 −=b ;0,96214 =b ;0,058515 =b ;0,003316 =b ;0,038917 =b ;0,038418 =b ;069,98E19 −=a ;0,70520 =b ;0,0015321 −=b ;0,002322 =b ;0,0051623 =b ;063,05E24 −=b ;0,03525 =b ;0,06226 −=b ;0,49427 =b ;045,14E28 −=b ;1,58229 =b ;0,14430 =b ;052,28E31 −=b ;0,60632 =b ;085,04E33 −=b ;049,02E34 −=b .9,18435 =b Передбачення показника рівня біокомфорту в житловому середовищі на основі розробленої математичної моделі забезпечує більш комплексне оцінювання співвідношення параметрів комфорту, порівняно з існуючими моделями та методами. РОЗРОБЛЕННЯ НЕЙРОНЕЧІТКИХ МОДЕЛЕЙ ОЦІНЮВАННЯ ПАРАМЕТРІВ БІОКОМФОРТУ На етапі підготовки даних для розроблення нейронечіткої моделі для обчис- лення показника рівня біокомфорту в житловому середовищі (ЖС) було введено кількісні шкали оцінювання для якісних параметрів: показників Р.О. Ткаченко, М.В. Машевська ISSN 1681–6048 System Research & Information Technologies, 2013, № 4 94 природного освітлення, режиму проживання та ступеня чутливості людини до впливу чинників зовнішнього середовища. Для розроблення математичних моделей оцінювання параметрів біоком- форту на основі вхідних характеристик використано методи та засоби ней- ронечіткого моделювання. Побудова моделей передбачає розроблення нечітких систем для отри- мання значень параметрів біокомфорту на основі вхідних вибірок даних та побудову компактних математичних залежностей для оцінювання їх показ- ників як у процесі експлуатації житла в малоповерхових будинках, так і на етапах його проектування та будівництва. НЕЙРОНЕЧІТКЕ МОДЕЛЮВАННЯ ПОКАЗНИКА СТУПЕНЯ ПРИРОДНОГО ОСВІТЛЕННЯ Оцінювання параметрів біокомфорту передбачає визначення ступеня при- родного освітлення ЖС відповідно до його позитивного впливу на здоров’я людини. З цієї точки зору, основними чинниками, що впливають на показ- ник природного освітлення, є: • коефіцієнт засклення приміщення )( glS — з областю значень [5, 45]; обчислюється із відношення площі скління приміщення до площі підлоги; • показник відкритості території (OS) — оцінюється по шкалі [0,1]. Характеризується лінгвістичними змінними, коли «0» відповідає дуже малій відкритості території і низькому доступу сонячного проміння через суцільне затінення небосхилу протилежними спорудами або деревами, а «1» — повній відкритості або ледь помітному затіненню; • коефіцієнт відбиття фону приміщення (CR) — приймає значення з ін- тервалу ]8,0;1,0[ та визначається згідно з Державними будівельними нор- мами. Відповідно до введеної шкали для оцінювання рівня біокомфорту, по- казник природно освітлення (insol) задається на інтервалі ].5,0;1,0[ На першому етапі розроблення моделі оцінювання ступеня природного освітлення житлового середовища, відповідно до впливу цього показника на організм мешканців, побудовано нечітку модель для Т-контролера. На основі одержаних числових залежностей (навчальної вибірки) за допомогою нейромережевого генератора формул Sapienware Equo 2.1 отри- мано коефіцієнти відповідного математичного співвідношення. Для навчан- ня нейроподібної моделі функцією активації вибрано дробово-раціональний поліном Паде [2]. Розроблена модель для обчислення показника природного освітлен- ня в житловому середовищі має вигляд: CRbOSbSb CRaOSaSaa insol gl gl 321 3210 1 +++ +++ = , (2) де insol — показник природного освітлення в приміщенні; glS — коефіці- єнт засклення приміщення, %; OS — ступінь відкритості території; CR — коефіцієнт відбиття фону приміщення; )( 3210 aaaa та )( 321 bbb — коефі- цієнти поліному Паде. Нейронечітке моделювання параметрів біокомфорту в малоповерхових будинках Системні дослідження та інформаційні технології, 2013, № 4 95 За допомогою генератора формул Sapienware Equo 2.1 одержано коефі- цієнти поліномів дробу: ;0498,00 =a ;04-E4,21 −=a ;115,02 =a ;051,03 =a ;012,01 −=b ;0265,02 −=b .017,03 −=b З метою розроблення ефективної моделі для оцінювання показника ступеня природного освітлення розроблену модель було розширено за раху- нок врахування додаткових коефіцієнтів: світлового коефіцієнта ,)( ortk що визначає ступінь сонячності відповідно до орієнтації вікон, та коефіцієнта надходження сонячного проміння ,)( csk що характеризує ступінь втрат со- нячного проміння під час проходження через використаний вид скління. Світловий коефіцієнт приймається залежно від орієнтації вікон за сто- ронами світу, відповідно до значень поданих у табл. 1. Т а б л и ц я 1 . Значення світлового коефіцієнта kort Орієнтація вікон за сторонами світу Пояс світлового клімату Північ Південь, схід, захід На північ 50° пн.ш. 0,85 1,1 50° пн.ш. та на південь від неї 0,9 1,15 Коефіцієнт надходження сонячного проміння )( csk визначається за фор- мулою: ;2,0+=τcsk де τ — коефіцієнт пропускання світла через матеріал скління, згідно з Державними будівельними нормами. Результуюча модель для обчислення показника природного освітлення має вигляд: insolkklinso ort ⋅⋅′ cs= , (3) де insol′ — результуючий показник природного освітлення в приміщенні; csk — коефіцієнт надходження сонячного проміння через світлопрозорі елементи; ortk — світловий коефіцієнт, що визначає ступінь сонячності; insol — показник природного освітлення, обчислений з формули (2). Так, для приміщень із орієнтованими на південний схід вікнами (вид вікон — склопакети) з площею скління 19%, за умов високої відкритості території та світлим фоном внутрішніх стін ,)5,0( =CR показник природно- го освітлення insol буде рівним 0,29. НЕЙРОНЕЧІТКЕ МОДЕЛЮВАННЯ ПОКАЗНИКА РЕЖИМУ ПРОЖИВАННЯ Не менш важливим чинником, що визначає та корегує показник рівня біо- комфорту житлового приміщення, є режим проживання людини в цьому середовищі. Параметр «режим проживання» враховує тривалість перебування лю- дини у житловому середовищі (TS) та ступінь її активності (Ac). Показник TS приймає значення в межах від 10 до 24 годин. Величина показника Ac приймає значення від нуля до одиниці. Чим більше часу людина проводить у приміщенні, тим сильніше орга- нізм піддається впливові параметрів цього середовища і тим ретельніше Р.О. Ткаченко, М.В. Машевська ISSN 1681–6048 System Research & Information Technologies, 2013, № 4 96 мають бути забезпечені умови високої якості житлових приміщень. Межі допустимих коливань теплових параметрів для забезпечення високого рівня біокомфорту залежать від ступеня активності людини: за умов малої рухли- вості в житловому середовищі мають бути забезпечені не допустимі, а ви- ключно оптимальні показники мікроклімату. Для передбачення показника рівня біокомфорту на етапі проектування будинку параметр Aс приймається зі значенням 0,5. У процесі налаштування нейронечіткого Т-контролера було введено лінгвістичні змінні, побудовані функції належності базових терм-множин та сформовано набір правил логічного виведення. Вхідними параметрами контролера є лінгвістичні змінні: TS — трива- лість перебування людини в житловому середовищі; Ac — показник, що ха- рактеризує ступінь активності людини. Вихідною змінною є показник режиму проживання (res). Для опису відповідної лінгвістичної змінної визначено базову терм-множину: {«low», «med», «high»}. На основі отриманих на етапі тестування розробленої нечіткої моделі даних за допомогою нейромережевого генератора формул отримано коефі- цієнти математичної залежності у вигляді поліному Паде: AcbTSb AcaTSaa res ⋅+⋅+ ⋅+⋅+ = 21 210 1 , (4) де res — показник режиму проживання; TS — тривалість перебування лю- дини в житловому середовищі (години); Ac — ступінь активності людини; )( 210 aaa та )( 21 bb — коефіцієнти поліному Паде: ;81,00 −=a ;485,01 =a ;483,32 −=a ;1067,01 =b .017,12 −=b На основі співвідношення (4) отримуємо: якщо час перебування люди- ни у житловому середовищі приблизно дорівнює 15 годин і ступінь актив- ності є середнім 0,5 (сидяча робота, навчання тощо), то показник res дорів- нює 2,25, що характеризує 2-й режим проживання. НЕЙРОНЕЧІТКЕ МОДЕЛЮВАННЯ ПОКАЗНИКА СТУПЕНЯ ЧУТЛИВОСТІ ЛЮДИНИ Вимоги до умов середовища проживання, відповідно до показника чутливо- сті, залежать від стану фізичного та психоемоційного здоров’я людини. З цієї позиції, фізичне здоров’я розглядається як стійкість організму до впливів теплових факторів зовнішнього середовища в залежності від часто- ти застудних захворювань. Діти та люди старшого віку є більш чутливі до коливань значень пара- метрів теплового мікроклімату, а також потребують вищого показника рівня природного освітлення житлових приміщень. Натомість, молодь, здорові, загартовані мешканці є менш вимогливими та сприйнятливими до коливань значень відповідних теплових факторів. Показник, що враховує ступінь чутливості (sens), залежить від віку лю- дини (параметр Age), її схильності до застудних захворювань (Ils) та суб’єктивної оцінки ступеня власної сприйнятливості до впливу зовнішніх чинників середовища на відчуття та потреби в забезпеченні оптимальних значень параметрів мікроклімату (Sns). Нейронечітке моделювання параметрів біокомфорту в малоповерхових будинках Системні дослідження та інформаційні технології, 2013, № 4 97 Для розроблення моделі оцінювання показника ступеня чутливості ці параметри задаються в таких межах: Age — вік людини, відповідно до шка- ли [5…90] років; Ils — оцінка, що відкладається на шкалі значень [0, 1]; низь- кий рівень «0» — за умови, якщо середня кількість застудних захворювань менша 4-х разів на рік; високий рівень «1» — у випадках, коли чистота за- хворювань перевищує 9 разів на рік; Sns — параметр, що приймає значення з інтервалу [0,1] і характеризує суб’єктивну оцінку по 10-бальній шкалі сту- пеня чутливості організму людини до впливів чинників середовища. У процесі оцінювання значення параметра Sns можна враховувати не лише побажання щодо досягнення оптимальних теплових параметрів, але й показник «бажаної легкості одягу»: чим меншим є показник ізоляції одягу (чим легшим є одяг) людини під час тривалого перебування в ЖС, тим ви- щим має бути значення оцінки Sns. Для розроблення математичної моделі, яка б дозволила врахувати як числовий параметр (Age) так і лінгвістичні змінні (Ils та Sns) для оцінювання показника ступеня чутливості людини використовується метод нейронечіт- кого моделювання. Отримані на виході нечіткого контролера значення разом із вхідними даними подавались на вхід нейромережевого генератора формул. Функцією активації для навчання нейроподібної моделі вибрано поліном Паде. Нейронечітка модель оцінювання показника чутливості людини має та- кий вигляд: SnsbIlsbAgeb SnsaIlsaAgeaa sens ⋅+⋅+⋅+ ⋅+⋅+⋅+ = 321 3210 1 , (5) де sens — показник рівня чутливості мешканця; Age — вік мешканців, роки; Ils — схильність до застудних захворювань; Sns — чутливість людини до коливань значень зовнішніх чинників, що характеризують біокомфорт жит- лового середовища. (a0 a1 a2 a3) та (b1 b2 b3) — коефіцієнти поліному Паде, отримані за до- помогою навчання нейронної мережі: ;095,00 −=a ;0034,01 =a ;02,12 =a ;079,03 −=a ;0038,01 =b ;031,12 −=b .985,03 −=b На основі експериментальних досліджень доведено, що обчислення па- раметрів біокомфорту на основі розроблених моделей підвищує точність їх оцінювання на 20–25%, порівняно з їх представленням у формі якісних ха- рактеристик. Таким чином, покращується якість оцінювання показника рів- ня біокомфорту на основі загальної моделі (1). ОЦІНЮВАННЯ ПОКАЗНИКА РІВНЯ БІОКОМФОРТУ ЗА ДОПОМОГОЮ РОЗРОБЛЕНИХ НЕЙРОНЕЧІТКИХ МОДЕЛЕЙ За допомогою розробленої моделі (1) можна оцінити рівень біокомфорту, відповідно до вхідних показників, що характеризують певне житлове сере- довище. Значення показника рівня біокомфорту змінюються в межах 1…5. Оцін- ка PLC, що дорівнює 1, описує найгірше співвідношення параметрів біоком- форту і відповідає найнижчому рівню якості проживання людини. Нато- мість показник рівня біокомфорту PLC, що дорівнює 5, характеризує Р.О. Ткаченко, М.В. Машевська ISSN 1681–6048 System Research & Information Technologies, 2013, № 4 98 найкраще співвідношення показників якості житла для відповідних меш- канців. Т а б л и ц я 2 . Результати оцінювання рівня біокомфорту Tin, °С Δt, °С φ, % sens res γ, Вт/кг insol PLC 15,5 3 69 0,2 2,8 300 0,25 3,58 16 2,5 58 0,8 3 1710 0,37 2,52 18 1,5 74 0,5 1,3 935 0,29 3,65 19 2 79 0,75 3 2117 0,37 2,08 20 1,5 55 0 2,3 578 0,39 4,83 20,5 3 51 0,5 2,9 400 0,34 4,36 23 2,1 55 0,5 2 258 0,29 4,46 Оскільки попередні експериментальні дані (еталонна модель) комплекс- ного оцінювання рівня біокомфорту людини в житловому середовищі за рі- зних умов проживання відсутні, одержані результати були перевірені та ви- знані як адекватні кваліфікованими експертами на основі знань щодо впливу зовнішніх факторів житлового середовища на організм людини, залежно від рівня її чутливості до дії таких чинників. ВИСНОВКИ Використання розроблених нейронечітких моделей для оцінювання рівня біокомфорту забезпечує комплексне дослідження впливу інтегральних па- раметрів житла у малоповерхових будинках на якість проживання людини. Розроблення математичних залежностей за допомогою методу нейронечіт- кого моделювання дозволяє використовувати синтетичну вибірку даних, що значно розширює межі врахування параметрів досліджуваної моделі. ЛІТЕРАТУРА 1. Машевська М.В. Нейронечітке моделювання в задачах оцінювання якості житла на основі показника рівня біокомфорту // Науковий вісник Національного лісотехнічного університету України: збірник науково- технічних праць. — Львів: РВВ НЛТУ України, 2012. — Вип. 22.2. — С. 342 – 348 2. Ткаченко Р., Машевська М. Інтелектуалізована система оцінювання параметрів біокомфорту приміщення // Вісник Нац. ун-ту «Львівська політехніка»: Комп’ютерні науки та інформаційні технології. — Львів: Вид-во Нац. ун-ту «Львівська політехніка», 2010. — № 710. — С. 133–138. 3. Tkachenko О., Tkachenko R., Hirniak Yu. Rule-based fuzzy system of improved accuracy // Materials of 56th International scientific colloquium, (Ilmenau University of Technology, 16 September 2011, Ilmenau, Germany). — http://dc434.4shared.com/doc/F5FN-JGW/preview.html. 4. Ткаченко Р., Дорошенко А. Нейроподібні структури машини геометричних перетворень у завданнях інтелектуального аналізу даних // Вісник Нац. ун- ту «Львівська політехніка»: Комп’ютерні науки та інформаційні технології. — Львів: Вид-во Нац. ун-ту «Львівська політехніка», 2009. — № 638. — С. 179–184. Надійшла 24.05.2012

Нейронечітке моделювання параметрів біокомфорту в малоповерхових будинках

Репозитарії

Схожі ресурси