Разработка моделей машинного обучения для прогнозирования вероятности возникновения дискомфорта при естественном освещенииф (880,00 руб.)

Первый автор	Яо
Страниц	8

ID	880488
Аннотация	1Целью данной работы является разработка методов про- гнозирования вероятности появления дискомфорта при естественном освещении (DGP, daylight glare probability). Для сравнения эффективности недавно разработанных мо- делей применялись подходы на основе линейной регрес- сии и машинного обучения, а модели сравнивались с суще- ствующими уравнениями. Результаты показывают, что раз- работанные модели более точны в прогнозировании DGP, чем существующие уравнения. Кроме того, второе откры- тие этого исследования заключается в том, что комбинация азимута (Az) и высоты (Aa) угла солнца и времени суток (T) вместе с вертикальной освещённостью в поле зрения (Ev) обеспечивает незначительно лучшие характеристи- ки, чем одна только Ev из-за зависимости этих факторов друг от друга. Следовательно, разработанные модели мо- гут применяться в случае, если для упрощения вычисле- ний предпочтительна линейная модель. Для повышения эффективности прогнозирования рекомендуется исполь- зовать модели алгоритма «случайный лес» (random forest, RF) на основе Ev, Az, Aa и T, поскольку они лучше справ- ляются с нелинейной формой зависимрости. Ещё одним достижением этой работы является то, что модель клас- сификации была разработана для прогнозирования DGP> 0,4 с помощью алгоритма случайного леса с учётом Ev, Az, Aa и T при точности 90 %, за счёт чего расширяются воз- можности использования существующих методов в усло- виях, когда солнце находится в поле зрения.

Яо, Ц. Разработка моделей машинного обучения для прогнозирования вероятности возникновения дискомфорта при естественном освещенииф / Ц. Яо // Светотехника .— 2021 .— №3 .— С. 59-66 .— URL: https://rucont.ru/efd/880488 (дата обращения: 17.04.2025)