研究解説
深層学習を用いた境界条件変更における室内温度分布の非定常予測
2022 年 74 巻 1 号 p. 53-58
詳細
2022 年 74 巻 1 号 p. 53-58
本研究は，深層ニューラルネットワーク（DNN）を用いた高速・高精度的な室内気流予測手法の開発を目指す．本論文では，非定常予測を対象として，境界条件の変更を考慮する場合，高効率な訓練データの選択方法を検討した．結果は，ケースあたりに出来る限り多くの時点を訓練データとして選択した方が良い．同時に，条件空間（条件変更実験事例の条件を設定することによって形成される座標空間）の内部の事例を訓練事例としてとらえる方が良い．なお，条件空間の端点と内部にあるケースを訓練ケースにすると，高効率的にDNN を訓練できることも分かった．
