Fugu-MT 論文翻訳(概要): Spatial features of CO2 for occupancy detection in a naturally ventilated school building

論文の概要: Spatial features of CO2 for occupancy detection in a naturally ventilated school building

arxiv url: http://arxiv.org/abs/2403.06643v1
Date: Mon, 11 Mar 2024 12:04:28 GMT
ステータス: 処理完了
システム内更新日: 2024-03-12 19:25:34.369714
Title: Spatial features of CO2 for occupancy detection in a naturally ventilated school building
Title（参考訳）: 自然換気型校舎におけるCO2の占有検知における空間的特徴
Authors: Qirui Huang, Marc Syndicus, J\'er\^ome Frisch, Christoph van Treeck
Abstract要約: 自然に換気された建物では、複雑な換気挙動と窓を通しての実際の空気交換を測定するのが難しいため、CO2による占有率検出の精度が低いのが一般的である。本研究では,CO2濃度の空間分布に基づく2つの新しい占有検知機能について述べる。
参考スコア（独自算出の注目度）: 0.9217021281095907
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Accurate occupancy information helps to improve building energy efficiency and occupant comfort. Occupancy detection methods based on CO2 sensors have received attention due to their low cost and low intrusiveness. In naturally ventilated buildings, the accuracy of CO2-based occupancy detection is generally low in related studies due to the complex ventilation behavior and the difficulty in measuring the actual air exchange through windows. In this study, we present two novel features for occupancy detection based on the spatial distribution of the CO2 concentration. After a quantitative analysis with Support Vector Machine (SVM) as classifier, it was found that the accuracy of occupancy state detection in naturally ventilated rooms could be improved by up to 14.8 percentage points compared to the baseline, reaching 83.2 % (F1 score 0.84) without any ventilation information. With ventilation information, the accuracy reached 87.6 % (F1 score 0.89). The performance of occupancy quantity detection was significantly improved by up to 25.3 percentage points versus baseline, reaching 56 %, with root mean square error (RMSE) of 11.44 occupants, using only CO2-related features. Additional ventilation information further enhanced the performance to 61.8 % (RMSE 9.02 occupants). By incorporating spatial features, the model using only CO2-related features revealed similar performance as the model containing additional ventilation information, resulting in a better low-cost occupancy detection method for naturally ventilated buildings.
Abstract（参考訳）: 正確な占有情報は、建築エネルギー効率と居住快適性を改善するのに役立つ。低コストで侵入性が低いため,CO2センサを用いた作業検出手法が注目されている。自然換気建物では, 複雑な換気行動や窓からの実際の空気交換量の測定が困難であるなど, 関連する研究において, co2ベースの占有率検出の精度は一般的に低い。本研究では,CO2濃度の空間分布に基づく2つの新しい占有検知機能について述べる。補助ベクトルマシン(SVM)を分類器として定量分析した結果, 自然換気室における占有状態検出の精度は, 基準値に比べて14.8ポイント向上し, 換気情報なしで83.2%(F1スコア0.84)に達した。換気情報により精度は87.6%に達した(F1スコア0.89)。占有量検出性能は, 基準線に対して25.3ポイント, 56 %, 根平均二乗誤差(RMSE)は11.44人であり, CO2関連の特徴のみを用いて有意に向上した。追加の換気情報により性能はさらに61.8%向上した(rmse 9.02)。空間的特徴を取り入れることで,co2関連特徴のみを用いたモデルが追加換気情報を含むモデルと同様の性能を示した。

関連論文リスト

Improved Anomaly Detection through Conditional Latent Space VAE Ensembles [49.1574468325115]
条件付きラテント空間変分オートエンコーダ(CL-VAE)は、既知の不整形クラスと未知の不整形クラスを持つデータに対する異常検出のための前処理を改善した。モデルでは異常検出の精度が向上し、MNISTデータセットで97.4%のAUCが達成された。さらに、CL-VAEは、アンサンブルの利点、より解釈可能な潜在空間、モデルサイズに制限のある複雑なデータでパターンを学習する能力の増大を示す。
論文参考訳（メタデータ） (2024-10-16T07:48:53Z)
Machine Learning for Methane Detection and Quantification from Space -- A survey [49.7996292123687]
メタン (CH_4) は強力な温室効果ガスであり、20年間で二酸化炭素 (CO_2) の86倍の温暖化に寄与する。この研究は、ショートウェーブ赤外線(SWIR)帯域におけるメタン点源検出センサの既存の情報を拡張する。従来の機械学習(ML)アプローチと同様に、最先端の技術をレビューする。
論文参考訳（メタデータ） (2024-08-27T15:03:20Z)
Indoor PM2.5 forecasting and the association with outdoor air pollution: a modelling study based on sensor data in Australia [8.864955783255803]
本研究は, オーストラリアの24の異なる建物において, 毎時室内微粒子物質(PM2.5)濃度を予測することを目的とする。室内空気質データは、2019年から2022年までの8都市で91個の監視センサーから収集された。屋外PM2.5濃度は室内の空気質に大きな影響を与え、特に森林火災などのイベントでは顕著であった。
論文参考訳（メタデータ） (2024-05-13T00:51:36Z)
Predicting Lung Disease Severity via Image-Based AQI Analysis using Deep Learning Techniques [0.0]
この研究は、PM2.5レベルに加えて、AQI、PM10、O3、CO、SO2、NO2などの大気汚染物質を予測することを目的としている。本稿では,画像の特徴抽出にVGG16モデル,AQI予測にニューラルネットワークを用いる。 AQI予測のためのニューラルネットワークモデルは、トレーニング精度88.54%、テスト精度87.44%を達成した。
論文参考訳（メタデータ） (2024-05-07T03:42:49Z)
Airport take-off and landing optimization through genetic algorithms [55.2480439325792]
本研究は, 航空機の運転における汚染問題に対処し, ゲート割り当てと滑走路スケジューリングを同時に最適化することに焦点を当てた。本研究は,航空機の離陸・着陸時の燃料燃焼による汚染を最小化するための,革新的な遺伝的アルゴリズムに基づく手法を提案する。
論文参考訳（メタデータ） (2024-02-29T14:53:55Z)
Autonomous Detection of Methane Emissions in Multispectral Satellite Data Using Deep Learning [73.01013149014865]
メタンは最も強力な温室効果ガスの1つである。現在のメタン放出モニタリング技術は、近似的な放出要因や自己報告に依存している。深層学習法は、Sentinel-2衛星マルチスペクトルデータにおけるメタン漏れの自動検出に利用することができる。
論文参考訳（メタデータ） (2023-08-21T19:36:50Z)
Fuzzy Attention Neural Network to Tackle Discontinuity in Airway Segmentation [67.19443246236048]
気道セグメンテーションは肺疾患の検査、診断、予後に重要である。いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
論文参考訳（メタデータ） (2022-09-05T16:38:13Z)
ERNIE-SPARSE: Learning Hierarchical Efficient Transformer Through Regularized Self-Attention [48.697458429460184]
情報ボトルネック感度と異なる注目トポロジ間の不整合の2つの要因がスパース変換器の性能に影響を及ぼす可能性がある。本稿では,ERNIE-Sparseというモデルを提案する。 i) 局所情報とグローバル情報を逐次統一する階層スパース変換器(HST) と、(ii) 注意トポロジの異なる変換器の距離を最小化する自己注意正規化(SAR) の2つの特徴がある。
論文参考訳（メタデータ） (2022-03-23T08:47:01Z)
Using Statistical Models to Detect Occupancy in Buildings through Monitoring VOC, CO$_2$, and other Environmental Factors [2.1485350418225244]
これまでの研究は、CO$$のセンサーと視覚に基づく技術を使って、占有パターンを判定していた。揮発性有機化合物(VOCs、Volatile Organic Compounds)は、別の汚染物質である。揮発性有機化合物(VOCs、Volatile Organic Compounds)は、別の汚染物質である。
論文参考訳（メタデータ） (2022-03-07T22:25:11Z)
The Diagnosis of Asthma using Hilbert-Huang Transform and Deep Learning on Lung Sounds [2.294014185517203]
ヒルベルト変換を肺音に適用することにより抽出される固有モード関数から統計的特徴を算出した。喘息および健常者からの肺音の分類はDeep Belief Networks(DBN)を用いて行われる。
論文参考訳（メタデータ） (2021-01-20T19:04:33Z)
Characterization of Industrial Smoke Plumes from Remote Sensing Data [1.2205797997133396]
本研究では,ESAのSentinel-2衛星から産業用煙管を検出し定量化する可能性について検討する。改良されたResNet-50を使用して、94.3%の精度で異なる大きさのスモークプラムを検出することができる。以上の結果から,世界中の産業プラントにおいて,煙活動のレベルを確実に検出し,定性的に推定することが可能となった。
論文参考訳（メタデータ） (2020-11-23T11:54:32Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。