Estimation of indoor relative humidity using anfis and BPNN: A case study from Eskisehir, Turkey

Abstract

Valuation of building energy efficiency necessitates systematically designed experimental studies since the design parameters should be validated with real life data. In this scope, it is a well known fact that indoor thermal comfort conditions arc thoroughly important for design. However, collection of data may be timc-consuming and expensive. Because necessary data is collected after construction of the building, determination or prediction of thesc paramcters can be uscful in design stagc. These paramcters can also be uscd for back-calculation of cnergy cffi-ciency parameters. In this study, adaptive neuro-fuzzy inference systems (ANFIS) and back-propagation neural networks (BPNN) were employed to predict the indoor thermal confort conditions. Data used in this study is collected from a residential building in Eskischir, Turkcy. Threc hobo dataloggers were placed in threc rooms of different locations in the building. The data concerning indoor temperature, relative humidity and dew point was systematically collected. A novel approach was adopted in evaluation of data: data collected from two rooms were used for prediction of rclative humidity in the third room. It was concluded that ANFIS and BPNN are uscful tools for estimating indoor thermal comfort conditions using data collected from same environment.За оценуването на ефикасноста на електричната енергна во зградите е потребно да се направат систематски осмислени експериментални студни, бидеки параметрите на проектираве треба да бидат валидирани со податоци од реалниот живот. Во таз насока, добро познат факт с дека условите за топ-линеки комфор во затворен простор се многу важни за проектирането. Сепак, собирането на податоци може да одземе многу време и да бидо скапо. Со оглед на тоа што потребните податоци сс собираат по изградба на зградата, утврдуваєто или предвидувансто на овис парамстри може да биде корисно во фазата на проекти- ратье. Овие параметри можат да се искористат и за пресметувате наназад на параметрите на енергетската сфикаснот. Во оваа студиа бса користсни моделитс ANFIS (адаптивни невро-фазни система) и BPNN (нев- рални мрежи со обратно распространувае на грешката) за предвидувае на условите на термален комфор на натрешен простор. Податоците користени во оваа студиа сс собрани од станбсна зграда во Ескишехир, Турциа. Три хобо уреди за прибираве на мерни податоци без сместени во три соби на различни локации во зградата. Систематски беа собрани податопи за внатрешната температура, релативната влажност и точката на оросувалье. Беше усвоен нов пристап во оценуваето на податоците на податоците: податоците собрани од две соби беа употребсни за предвидуванс на релативната влажност на третата соба. Сс доіде до заклучок дека ANFIS и BPNN се корисни алатки за оценувавс на условите на топлински комфор на внатрешен простор при користеьс на податоци собрани од истата средина.