A prediction model for daylighting illuminance for office buildings

Abstract

Günışığı, çoğunlukla gündüz konforlu ve verimli çalışma ortamı sağlanması gereken ofis binaları için temel ışık kaynağıdır. Günışığının istenilmesinin kanıtı araştırmayla birlikte insan davranışı ve ofis mekanının düzenlenmesinin gözleminde bulunabilir. Bu yüzden Yapay Sinir Ağları'nı (YSA) kullanarak ofis binaları için günışığı aydınlık değerlerini belirleyen bir tahmin modeli geliştirilmiştir. İzmir Yüksek Teknoloji Enstitüsü'nde Mimarlık Fakültesi'nin konu olan binasında aydınlık verisi toplamak için dört ay boyunca bir saha çalışması gerçekleştirilmiştir. Bu çalışma daha sonra yerel hava durumu istasyonundan elde edilen hava durumu verileri ve binanın parametreleri ile ilişkilendirilmiştir. Bu parametrelerden yararlanılarak ileri-besleme türünde üç katmanlı YSA modeli kurulmuştur. Girdi verileri; tarih, saat, dış sıcaklık, güneş radyasyonu (ışınımı), nem, UV indeksi, UV dozu, pencerelere uzaklık, pencere sayısı, odaların yönelimi, kat tanımı, oda boyutları ve nokta tanımıdır. Aydınlık ise çıktı verisi olarak kullanılmıştır. Veri takımının ilk 80 tanesi modeli eğitmek için, kalan 20 tanesi de modeli denemek için kullanılmıştır. En uygun yükler için Microsoft Excel Solver (çözücü) tek yönlü (basit) optimizasyon (eniyileme) yöntemini kullanmıştır. Sonuçlar modelin tahmin gücünün hemen hemen % 97.8 olduğunu göstermiştir. Böylece model örnek ölçümler dahilinde başarılı olmuştur. Modelin hassaslık analizi NeuroSolutions yazılımı yardımıyla gerçekleştirilmiştir. Bu model günışığının önemi konusunda, tasarım aşamasında ve binaların günışığı veriminin değerlendirilmesinde tahminler ve karşılaştırmalar yaparak yararlı girdiler sağlayabilir. Bu konudaki araştırma, ofis binalarının istenilen günışığı konfor koşullarına sahip olmasını destekleyebilir.

Daylight is a primary light source for the office buildings where a comfortable and an efficient working environment should be provided mostly during day time. Evidence that daylight is desirable can be found in research as well as in observations of human behavior and the arrangement of office space. A prediction model was then developed to determine daylight illuminance for the office buildings by using Artificial Neural Networks (ANNs). A field study was performed to collect illuminance data for four months in the subject building of the Faculty of Architecture in İzmir Institute of technology. The study then involved the weather data obtained from the local Weather Station and building parameters from the architectural drawings. A three-layer ANNs model of feed-forward type was constructed by utilizing these parameters. Input variables were date, hour, outdoor temperature, solar radiation, humidity, UV Index, UV dose, distance to windows, number of windows, orientation of rooms, floor identification, room dimensions and point identification. Illuminance was used as the output variable. The first 80 of the data sets were used for training and the remaining 20 for testing the model. Microsoft Excel Solver used simplex optimization method for the optimal weights. Results showed that the prediction power of the model was almost 97.8%. Thus the model was successful within the sample measurements. NeuroSolutions Software performed the sensitivity analysis of the model. On the top of daylight consideration, this model can supply beneficial inputs in designing stage and in daylighting performance assessment of buildings by making predictions and comparisons. Investigation about this subject can be able to support the office buildings? having intended daylighting comfort conditions.