Modelowanie neuronowe w obliczaniu współczynnika przenikania ciepła oraz wymaganej warstwy izolacji przegrody budowlanej

• Autorzy: Dawidowicz J. , Sidorowicz W.

Warianty tytułu

EN

Neural modelling for calculating the heat transfer coefficient and required isolation layer of wall barier

• Języki publikacji: PL

Abstrakty

PL

W referacie przedstawiono zastosowanie sztucznych sieci neuronowych do obliczania współczynnika przenikania ciepła U oraz model odwrotny, polegający na obliczaniu grubości warstwy izolacyjnej przy zadanym współczynniku. Opisano metodykę sporządzenia zbioru uczącego sztuczne sieci neuronowe oraz opisano zbiór przetestowanych sieci neuronowych. Metody sztucznej inteligencji, w tym sztuczne sieci neuronowe, pozwalają uwzględnić w obliczeniach wiele zjawisk i procesów trudnych do opisu matematycznego ze względu na swoją nieliniowość, stąd uzyskane modele neuronowe będą uzupełniane w przyszłości o dodatkowe parametry obliczeniowe.

EN

The report presents the usage of artificial neural networks to calculate heat transfer coefficient U and the opposite model, which consists on calculating the thickness of the isolation layer with given coefficient. The methodology of making a set teaching artificial neural networks and the set of tested neural networks were described. The methods of artificial intelligence, including neural networks, let include in calculations many phenomena and processes hard to describe mathematically because of their nonlinearity, so obtained neural models will be completed by additional computable parameters in future.

Słowa kluczowe

PL

straty ciepła; współczynnik przenikania ciepła; modelowanie neuronowe; inteligencja obliczeniowa

EN

warmth losses; heat transfer coefficient; neural modelling; calculation intelligence

• Wydawca: Oficyna Wydawnicza Politechniki Białostockiej
• Czasopismo: Budownictwo i Inżynieria Środowiska
• Rocznik: 2010
• Tom: Vol. 1, no. 1
• Strony: 17--24
• Opis fizyczny: Bibliogr. 17 poz., rys.

Twórcy

autor

Dawidowicz J.

autor

Sidorowicz W.

• Politechnika Białostocka, Białystok

Bibliografia

• lberts B., Bray D., Hopkin K., Johnson A., Lewis J., Raff M., Roberts K., Walter P. (2005). Podstawy biologii komórki, Część 1. Przekład zbiorowy pod red. Kmity H. i Wojtaszka P. Wydawnictwo Naukowe PWN. Warszawa.
• Bishop C. M. (1995). Neural Networks for Pattern Recognition. Oxford University Press, Oxford.
• Boermans T., Petersdorff C. (2008). Wartości współczynnika przenikania ciepła U dla lepszej efektywności energetycznej budynków. Raport opracowany przez ECOFYS dla EURIMA. Wydawca wersji polskiej: MIWO Stowarzyszenie Producentów Wełny Mineralnej: Szklanej i Skalnej. Bruksela.
• Cichosz P. (2000). Systemy Uczące się. Wydawnictwa Naukowo-Techniczne. Warszawa.
• Korbicz J., Obuchowicz A., Uciński D. (1994). Sztuczne Sieci Neuronowe. Podstawy i Zastosowania. Akademicka Oficyna Wydawnicza PLJ. Warszawa.
• Mulawka J. J. (1991). Wprowadzenie w dziedzinę sztucznych sieci neuronowych. W: Materiały seminarium Ośrodka Informacji Naukowej PAN „Systemy Ekspertowe i Sztuczne Sieci Neuronowe”. Warszawa 1991.
• Osowski S. (1996). Sieci Neuronowe. Oficyna Wydawnicza Politechniki Warszawskiej. Warszawa.
• Rutkowski L. (2005). Metody i techniki sztucznej inteligencji. Inteligencja obliczeniowa. Wydawnictwo Naukowe PAN. Warszawa.
• Strzeszewski M., Wereszczyński P. (2007). Norma PN-EN 12831. Nowa metoda obliczania projektowego obciążenia cieplnego. Poradnik. Purmo. Warszawa.
• Tadeusiewicz R. (1993). Sieci neuronowe. Akademicka Oficyna Wydawnicza. Warszawa.
• Wróbel A. (1997). Neuron i sieci neuronowe. W: Mózg a zachowanie, pod red. Górskiej T., Grabowskiej A., Zagrodzkiej J., Wydawnictwo Naukowe PWN. Warszawa.
• Żurada J., Barski M., Jędruch W. (1996). Sztuczne sieci neuronowe, Wydawnictwo Naukowe PWN. Warszawa.
• STATISTICA Neural Networks. (1998). StatSoft Inc. Tulsa. USA.
• Wprowadzenie do sieci neuronowych. (2001a) STATISTICA Neural Networks PL, StatSoft Inc. 2001.
• Poradnik użytkownika. (2001b). STATISTICA Neural Networks PL, StatSoft Inc. Tulsa. USA.
• Przewodnik problemowy. (2001c). STATISTICA Neural Networks PL, StatSoft Inc. Tulsa. USA.
• Kurs użytkowania programu na przykładach. (2001d). STATISTICA Neural Networks PL, StatSoft Inc. Tulsa. USA.