ارائه یک روش تخمین در پیش بینی شاخص های آسایش حرارتی انسان با بهره گیری از طبقه بندی ماشین عصبی باور عمیق

آسایش و عدم آسایش حرارتی انسان از طریق شاخص های تئوری و تجربی زیادی محاسبه می شوند که داده های ورودی این شاخص ها بسیاری از عناصر آب و هوایی از جمله سرعت باد، درجه حرارت، رطوبت، تابش خورشید و غیره می باشد. در مطالعه حاضر از داده های روزانه درجه حرارت، سرعت باد،رطوبت نسبی و ابرناکی شهر مشهد بین سال های1392-1383 استفاده شده است. ابتدا پارامتر Tmrt در محیط نرم افزار Ray Man محاسبه و با استفاده از نرم افزار Bioklima مقادیر شاخص های UTCI وPMV استخراج گردید. نتایج مطالعه نشان می دهد که شدیدترین تنش های سرمایی بر اساس شاخص PMV در فصل زمستان و اواخر فصل پاییز مشاهده می شود. و شاخص UTCI نیز در ماه های دی و بهمن بیشترین تنش سرمایی را دارند. با وجود توانایی شبکه های عصبی، پیش بینی عملکرد آینده شبکه (تعمیم یافتگی) به سادگی امکان پذیر نیست و لذا مدل جدیدی در این مقاله ارائه گردیده که از شبکه های عصبی مبتنی بر ماشین بولتزمان محدود شده یا شبکه های عصبی باور عمیق بهره گرفته است. با بکارگیری این ساختار، معیارهای میانگین مربعات خطای استاندارد (MSE) و میانگین مطلق درصد خطا (MAPE) محک خوردند و برای 7 شاخصه حاصل از داده های گردآوری شده که سه شاخصه مربوط به زمان وقوع شرایط آب و هوایی و سایرین، شاخص های حرارتی آسایش انسان است، در سیستم ارزیابی گردید. ارزیابی با تقسیم داده ها به بخش های آموزشی و آزمایشی و به ترتیب به نسبت های دوسوم، پنجاه درصد و یک سوم صورت پذیرفته است و دو محک MSE و MAPE محاسبه شدند. عملکرد سیستم پیشنهادی در پیش بینی وضعیت آسایش حرارتی انسان مطلوب بود.