AI kan användas för att analysera och förutsäga yttre ljudnivåer och deras inverkan på användarkomforten i en byggnads entréutrymmen genom följande steg: 1.
Datainsamling: Installera och använd bullersensorer eller mikrofoner i byggnadens närhet för att samla in ljuddata i realtid av yttre ljudnivåer. Denna datainsamling bör inkludera olika faktorer som tid på dagen, veckodag, väderförhållanden och eventuella specifika händelser eller aktiviteter i närheten.
2. Dataförbehandling: Rengör och förbearbeta insamlade ljuddata för att ta bort eventuellt brus eller störningar som inte är relaterade till den yttre miljön. Detta kan involvera tekniker som filtrering, brusreducering och normalisering.
3. Funktionsextraktion: Extrahera relevanta funktioner från förbehandlade ljuddata som kan hjälpa till att karakterisera brusnivåer och användarkomfort. Dessa funktioner kan inkludera ljudintensitet, frekvensfördelning, tidsmönster och psykoakustiska mätvärden som ljudstyrka eller irritation.
4. Datamärkning: Märk den förbearbetade datan med motsvarande subjektiva betyg av användarkomfort som samlats in genom undersökningar eller användarfeedback. Detta kommer att skapa en märkt datauppsättning för modellträning.
5. Modellträning: Använd maskininlärningstekniker för att träna en prediktionsmodell med hjälp av den märkta datamängden. Olika AI-modeller kan användas, såsom regressionsmodeller eller djupinlärningsarkitekturer som konvolutionella neurala nätverk (CNN) eller återkommande neurala nätverk (RNN).
6. Modellutvärdering: Utvärdera den tränade modellens prestanda med hjälp av lämpliga mätvärden som medelkvadratfel eller noggrannhet. Detta steg hjälper till att säkerställa att modellen exakt kan förutsäga yttre ljudnivåer och deras inverkan på användarkomforten.
7. Realtidsprediktion: Använd den tränade modellen för att kontinuerligt analysera realtidsljuddata från brussensorerna/mikrofonerna som är installerade utanför byggnaden. Modellen kan sedan förutsäga de förväntade yttre ljudnivåerna och uppskatta användarkomforten baserat på de inlärda mönstren.
8. Beslutsstöd: Kombinera de förutsedda ljudnivåerna och användarkomfortbedömningen med andra byggnadskontrollsystem för att fatta välgrundade beslut. Till exempel att justera ventilations- eller VVS-system, styra bullerdämpande enheter eller meddela passagerare om potentiellt obehag.
Genom att integrera AI i analysen och förutsägelsen av yttre ljudnivåer kan byggnadschefer och designers optimera användarkomforten, vidta förebyggande åtgärder och förbättra den övergripande kvaliteten på byggnadens entréutrymmen.
Publiceringsdatum: