AI kan worden gebruikt om externe geluidsniveaus en hun impact op gebruikerscomfort in de entreeruimten van een gebouw te analyseren en te voorspellen door middel van de volgende stappen:
1. Gegevensverzameling: installeer en gebruik geluidssensoren of microfoons in de buurt van het gebouw om real-time audiogegevens te verzamelen van externe geluidsniveaus. Deze gegevensverzameling moet verschillende factoren omvatten, zoals het tijdstip van de dag, de dag van de week, de weersomstandigheden en eventuele specifieke evenementen of activiteiten in de buurt.
2. Gegevensvoorverwerking: reinig en voorverwerk de verzamelde audiogegevens om ruis of interferentie te verwijderen die geen verband houdt met de buitenomgeving. Dit kunnen technieken zijn zoals filtering, ruisonderdrukking en normalisatie.
3. Functie-extractie: extraheer relevante functies uit de voorverwerkte audiogegevens die kunnen helpen bij het karakteriseren van geluidsniveaus en gebruikerscomfort. Deze kenmerken kunnen geluidsintensiteit, frequentieverdeling, temporele patronen en psychoakoestische meetwaarden zoals luidheid of ergernis omvatten.
4. Labeling van gegevens: label de voorverwerkte gegevens met overeenkomstige subjectieve beoordelingen van gebruikerscomfort, verzameld via enquêtes of gebruikersfeedback. Hiermee wordt een gelabelde gegevensset gemaakt voor modeltraining.
5. Modeltraining: gebruik machine learning-technieken om een voorspellingsmodel te trainen met behulp van de gelabelde dataset. Er kunnen verschillende AI-modellen worden gebruikt, zoals regressiemodellen of deep learning-architecturen zoals convolutional neural networks (CNN's) of recurrent neural networks (RNN's).
6. Modelevaluatie: Evalueer de prestaties van het getrainde model met behulp van de juiste statistieken, zoals gemiddelde kwadratische fouten of nauwkeurigheid. Deze stap helpt ervoor te zorgen dat het model de externe geluidsniveaus en hun impact op het gebruikerscomfort nauwkeurig kan voorspellen.
7. Realtime voorspelling: implementeer het getrainde model om continu realtime audiogegevens te analyseren van de geluidssensoren/microfoons die buiten het gebouw zijn geïnstalleerd. Het model kan vervolgens de verwachte externe geluidsniveaus voorspellen en het gebruikerscomfort inschatten op basis van de aangeleerde patronen.
8. Beslissingsondersteuning: combineer de voorspelde geluidsniveaus en beoordeling van het gebruikerscomfort met andere gebouwbeheersystemen om weloverwogen beslissingen te nemen. Bijvoorbeeld het aanpassen van ventilatie- of HVAC-systemen, het bedienen van ruisonderdrukkende apparaten of het informeren van bewoners over mogelijk ongemak.
Door AI te integreren in de analyse en voorspelling van externe geluidsniveaus, kunnen gebouwbeheerders en ontwerpers het gebruikerscomfort optimaliseren, preventieve maatregelen nemen en de algehele kwaliteit van de entreeruimten van het gebouw verbeteren.
Publicatie datum: