Onderzoeksrecord VV-0328 — Analyse van Essentiële Factoren in Deep Learning-gebaseerde Voorspelling van Koellast en Oppervlaktetemperatuur
Disclaimer bij vertaling en gebruik: dit is een Nederlandse werkvertaling en samenvatting van de oorspronkelijke publicatie. Bij verschillen in betekenis, formulering of interpretatie is uitsluitend de oorspronkelijke tekst bepalend. Raadpleeg altijd de originele publicatie via de bronlink.
Oorspronkelijke titel
Analysis of Essential Factors in Deep Learning-based Prediction of Cooling Load and Surface Temperature
Brongegevens
- Auteurs
- Dong Kyu Lee, Woong June Chung en Seong-Won Park
- Jaar
- 2025
- Tijdschrift of instelling
- Journal of the Korean Solar Energy Society
- Onderzoekstype
- Technisch onderzoek
- Website-vakgebieden
- vloerverwarming; koeling; thermisch comfort
- Materialen en technieken
- SHAP; sensoren; voorspellingsmodellen
- Schadebeeld of thema
- gebouwen; energie-efficiëntie; kunstmatige intelligentie
Nederlandstalige samenvatting en conclusies
Stralingsvloerverwarmingssystemen zorgen voor een uniforme thermische verdeling binnenshuis en bieden een beter thermisch comfort voor de bewoners in vergelijking met convectiesystemen. In de hete en vochtige klimaten van Korea brengt het gebruik van stralingskoelsystemen echter risico's met zich mee, zoals condensatie en overkoeling. Voor een geïntegreerde voorspelling van de gebouwbelasting en de oppervlaktetemperatuur is het essentieel om deze problemen op te lossen. Dit onderzoek identificeert de belangrijkste invoervariabelen voor het voorspellen van gebouwbelastingen en oppervlaktetemperaturen met behulp van SHapley Additive exPlanations (SHAP), een van de meest nauwkeurige technieken voor uitlegbare kunstmatige intelligentie (XAI). Door het aantal benodigde sensoren te optimaliseren, kan de praktische toepasbaarheid van voorspellingsmodellen worden verbeterd.
Betekenis voor de vloerpraktijk
De bevindingen van dit onderzoek kunnen bijdragen aan de ontwikkeling van efficiëntere stralingskoelsystemen, die beter zijn afgestemd op de specifieke klimaatomstandigheden. Dit kan leiden tot verbeterd thermisch comfort en een vermindering van energieverbruik in gebouwen.
Bron
Dong Kyu Lee, Woong June Chung en Seong-Won Park. 2025. “Analysis of Essential Factors in Deep Learning-based Prediction of Cooling Load and Surface Temperature.” Journal of the Korean Solar Energy Society. https://doi.org/10.7836/kses.2025.45.5.027
Auteur-jaarverwijzing: (Lee et al. 2025)
Openbaarheid en bronlinks
De oorspronkelijke publicatie blijft de primaire bron.
Opgenomen in het Vloerenvademecum op 18-10-2026.