35986841_10216840653711318_1105697261150535680_n
Youssef Elsebaie Ahmed 154411

Prediction of thermal comfort by using machine learning // GP // Dr. Farid Ali // Dr. Yasmin Eid (2018 - 2019) - GIZA : MSA, 2019. - 36 p. - COMPUTER SCIENCES DISTINGUISHED PROJECTS 2019 .

When working in a workplace whether under high or low temperature it reduces work
performance. As thermal comfort plays a significant role for indoor environment when it comes
to work in work places.
The aim of this study is to propose a method by using a machine learning algorithm to predict the
thermal comfort. Neural network’s algorithms will be implemented by using the momentum for
the dataset required. After that taking the final weights and then switching to android studio to
read the data coming from the Arduino-Uno device via Bluetooth and use the resulted final
weights for classification and start predicting the thermal comfort.
The proposed solution consists of 4 steps: 1) collect data, 2) feature extraction, 3) classification,
4) evaluation. external components were used such as: 1) Arduino-Uno, 2) HC05-bluetooth, 3)
LM-35 temperature sensors just to connect them to the application and start receiving the
temperature.
After the application is developed it will help the user with the current and predicted thermal
comfort/discomfort using mobile application. The output accuracy was that thermal “Comfort” is
72.7% and only 28.3% remained for thermal “discomfort” And for later future work, Relative
humidity and air velocity sensors will be implemented to get the correct data for each. أثناء العمل في مكان، سواء تحت درجة حرارة عالية أو منخفضة ، فإنه يقلل من أداء العمل. كما تلعب الراحة الحرارية
دورًا مهمًا للبيئة الداخلية عندما يتعلق الأمر بالعمل في الأماكن الخاصة.
الهدف من هذه الدراسة هو اقتراح طريقة باستخدام خوارزمية التعلم الآلي للتنبؤ بالراحة الحرارية. سيتم تنفيذ خوارزميات
الشبكة العصبية باستخدام الزخم لمجموعة البيانات المطلوبة. بعد ذلك أخذ الأوزان النهائية ثم الانتقال إلى android
studio لقراءة البيانات الواردة من جهاز Arduino-Uno عبر البلوتوث واستخدام الأوزان النهائية الناتجة للتصنيف
والبدء في التنبؤ بالراحة الحرارية.
يتكون الحل المقترح من 4 خطوات: 1) جمع البيانات ، 2) استخراج الميزة ، 3) التصنيف ، 4) التقييم. تم استخدام
المكونات الخارجية مثل:) Arduino-Uno(1 ، HC05-bluetooth(2 ، 3) أجهزة استشعار درجة الحرارة LM-35
فقط لتوصيلها بالتطبيق والبدء في تلقي درجة الحرارة
بعد تطوير التطبيق ، سيساعد المستخدم في توفير الراحة / الانزعاج الحراري الحالي والمتوقع باستخدام تطبيق الهاتف
المحمول. كانت دقة الخرج هي أن الراحة الحرارية هي 72.7٪ وبقيت 28.3٪ فقط بسبب الانزعاج الحراري ،
وبالنسبة للعمل في المستقبل ، سيتم تطبيق مستشعرات الرطوبة النسبية وسرعة الهواء للحصول على البيانات الصحيحة
ككل


Thermal comfort