Kullanım Kılavuzu
Neden sadece 3 sonuç görüntüleyebiliyorum?
Sadece üye olan kurumların ağından bağlandığınız da tüm sonuçları görüntüleyebilirsiniz. Üye olmayan kurumlar için kurum yetkililerinin başvurması durumunda 1 aylık ücretsiz deneme sürümü açmaktayız.
Benim olmayan çok sonuç geliyor?
Birçok kaynakça da atıflar "Soyad, İ" olarak gösterildiği için özellikle Soyad ve isminin baş harfi aynı olan akademisyenlerin atıfları zaman zaman karışabilmektedir. Bu sorun tüm dünyadaki atıf dizinlerinin sıkça karşılaştığı bir sorundur.
Sadece ilgili makaleme yapılan atıfları nasıl görebilirim?
Makalenizin ismini arattıktan sonra detaylar kısmına bastığınız anda seçtiğiniz makaleye yapılan atıfları görebilirsiniz.
 Görüntüleme 7
Predicting Ventilation Rate in a Naturally Ventilated Dairy Barn in Wind-Forced Conditions Using Machine Learning Techniques
2023
Dergi:  
Agriculture
Yazar:  
Özet:

: Precise ventilation rate estimation of a naturally ventilated livestock building can benefit the control of the indoor environment. Machine learning has become a useful technique in many research fields and might be applied to ventilation rate prediction. This paper developed a machine-learning model for ventilation rate prediction from batch computational fluid dynamics (CFD) simulation results. By comparing deep neural networks (DNN), support vector regression (SVR), and random forest (RF), the best machine learning algorithm was selected. By comparing the modeling scheme of direct single-output (ventilation rate) and indirect multiple-output (predict averaged air velocities normal to the openings, then calculate the ventilation rate), the performances of the machine learning models widely applied in ventilation rate prediction were evaluated. In addition, this paper further evaluated the impact of adding indoor air velocity measurement in ventilation rate prediction. The results showed that the modeling performance of the DNN algorithm (Mean Absolute Percentage Error (MAPE) = 20.1%) was better than those of the SVR (MAPE = 23.2%) and RF algorithm (MAPE = 21.0%). The scheme of multiple-output performed better (MAPE < 8%) than the single-output scheme (MAPE = 20.1%), where MAPE was the mean absolute percentage error. Additionally, the comparison of modeling schemes with different inputs showed that the predictive accuracy could be improved by adding indoor velocities to the inputs. The MAPE decreased from 7.7% in the scheme without indoor velocity to 4.4% in the scheme with one indoor velocity, and 3.1% in the scheme with two indoor velocities. The location of the additional air velocity affected the accuracy of the predictive model, with the ones at the bottom layer performing better in the prediction than those at the top layer. This study enables a real-time and accurate prediction of the ventilation rate of a barn and provides a recommendation for optimal indoor sensor placement.

Anahtar Kelimeler:

0
2023
Dergi:  
Agriculture
Yazar:  
Atıf Yapanlar
Bilgi: Bu yayına herhangi bir atıf yapılmamıştır.
Benzer Makaleler








Agriculture

Dergi Türü :   Uluslararası

Metrikler
Makale : 9.836
Atıf : 6.434
2023 Impact/Etki : 0.04
Agriculture