Resumen

CHORONOPOULOS, K.; KAMOUTSIS, A.; MATSOUKIS, A.  y  MANOLI, E. An artificial neural network model application for the estimation of thermal comfort conditions in mountainous regions, Greece. Atmósfera [online]. 2012, vol.25, n.2, pp.171-181. ISSN 0187-6236.

En esta investigación, se aplicó un modelo de red neuronal artificial (ANN), para estimar las condiciones térmicas de las regiones montañosas de Gerania (MG) y de Nafpaktia (MN) en Grecia. La temperatura del aire y la humedad relativa fueron registradas de junio hasta agosto de 2007, en dos sitios seleccionados de cada región estudiada. Datos de los parámetros antes mencionados se usaron para calcular el índice termohigrométrico (THI), evaluando las condiciones de confort térmico como categorías. El modelo ANN, perceptrón multicapa (MLP), fue usado para estimar los valores del THI en los niveles de las alturas 1334 y 1338 m en MG y MN, respectivamente. Con base en la temperatura y en la humedad relativa de los niveles examinados a baja altitud (650 m en MG y 676 m en MN), teniendo en cuenta el tiempo de medición real (ATM). Los resultados del desarrollo y aplicación del modelo ampliado MLP indicaron una estimación más precisa de los valores THI en los estudios de las dos regiones durante un periodo de todo el día, comparado con la aplicación MLP sin el uso del ATM. También, el modelo ampliado, examinando el día entero, mostró estimaciones más precisas de los valores THI en el MG comparados con el MN. De manera similar, este modelo proporcionó una mejor estimación por separado del periodo, tanto durante el día (09h00min-20h00min) y durante la noche (21h00min-08h00min) en comparación con las estimaciones respectivas del THI, tomando en cuenta sólo la temperatura del aire y la humedad relativa como parámetros de entrada. Adicionalmente, la ampliación del modelo MLP fue mucho más eficiente para estimar los valores THI durante las horas del día, comparado con las horas de la noche en ambos MG y MN. También el modelo ampliado MLP fue capaz de estimar mejor los valores de THI en la clase Caliente en MG, como así mismo en la clase Confortable en MN.

Palabras llave : Artificial neural networks; air temperature; relative humidity; thermohygrometric index; mountainous Nafpaktia; Gerania mountains; Greece.

        · resumen en Inglés     · texto en Inglés     · Inglés ( pdf )