Измерение физиологических и параметров окружающей среды для оценки теплового комфорта человека с использованием методов машинного обучения

В статье представлены результаты экспериментального применения датчиков умных часов для прогнозирования теплового комфорта людей, находящихся в помещении, при различных условиях окружающей среды. Целью исследования было определить точность измерений умных часов при их использовании в качестве датчиков теплового комфорта, интегрируемых в контуры управления системами отопления, вентиляции и кондиционирования воздуха (HVAC). Десять участников подвергались воздействию различных условий окружающей среды, а также тестам на дискомфорт, вызванный теплом и холодом; еще 13 участников подвергались воздействию переходных условий. Сеть датчиков и умные часы регистрировали параметры окружающей среды и вариабельность сердечного ритма (ВСР). Показатели ВСР использовались в качестве входных данных для алгоритмов классификации машинного обучения (ML), чтобы определить, испытывает ли пользователь дискомфорт; средняя точность составила 92,2%. Регрессионные алгоритмы машинного обучения и глубокого обучения обучались для прогнозирования оценки теплового ощущения (TSV) в переходных условиях. Результаты показали, что объединение параметров окружающей среды и физиологических показателей обеспечивает более точное прогнозирование TSV по средним абсолютной ошибке (MAE) и абсолютной процентной ошибке (MAPE): 1,2 и 20% соответственно, по сравнению с использованием только показателей ВСР. В заключение, эксперимент подтверждает предположение о том, что физиологические показатели, связанные с тепловым комфортом, могут повысить точность прогнозирования TSV при объединении с параметрами окружающей среды.