Застосування нейромережевого методу для пошуку оптимальних умов іонізації повітря
DOI:
https://doi.org/10.15587/1729-4061.2022.270315Ключові слова:
іонізація повітря, якість повітря, нейронна мережа, виробничі приміщення, показники повітряАнотація
Проведено вимірювання, моделювання та визначення оптимізованого аероіонного складу повітря виробничих приміщень для забезпечення безпечних умов життя та праці працівників.
Досліджено можливість використання сольових розчинів з різними ступенями концентрації для збільшення кількості негативних іонів у повітряному просторі, а також варіабельності швидкості повітряного потоку для процесу іонізації повітря виробничих приміщень. Аналіз експериментальних даних показав, що збільшення концентрації сольових розчинів призводить до зменшення виділення кількості аероіонів у паро–повітряний простір приміщення.
Доведено, що для покращення якості повітря доцільно забезпечити іонізацію повітря за допомогою ультразвукового генератора аероіонів і використання демінералізованої води. Оптимальними вхідними параметрами для ультразвукової установки визначено такі: s відстань до ультразвукової установки ‒ 40 см, v ‒ швидкість повітряного потоку ‒ 6,00 м/с і c ‒ концентрація розчину солоної води ‒ 3,3 %.
Отриманий результат може бути використаний при проєктуванні та розробці системи керування ультразвуковим генератором аероіонів вентиляційних систем та систем мікроклімату з метою створення максимально комфортного якісного іонізованого повітря виробничих приміщень.
Для знаходження оптимального режиму роботи процесу іонізації було застосовано методику відображення нейронної мережі, яка найбільш точно здатна визначити оптимальні параметри іонізації повітряного простору робочого приміщення.
Оптимізацію було виконано за допомогою технології відображення нейронної мережі вузького місця (FFBN NN). Такий підхід дозволяє визначити кілька оптимальних умов досліджуваного процесу на основі компромісного рішення
Посилання
- Standard of Building Biology Testing Methods: SBM-2015. BAUBIOLOGIE MAES / Institut für Baubiologie + Nachhaltigkeit IBN. Available at: https://buildingbiology.com/site/wp-content/uploads/standard-2015-englisch.pdf
- Wang, H., Wang, B., Niu, X., Song, Q., Li, M., Luo, Y. et al. (2020). Study on the change of negative air ion concentration and its influencing factors at different spatio-temporal scales. Global Ecology and Conservation, 23, e01008. doi: https://doi.org/10.1016/j.gecco.2020.e01008
- Yue, C., Yuxin, Z., Nan, Z., Dongyou, Z., Jiangning, Y. (2020). An inversion model for estimating the negative air ion concentration using MODIS images of the Daxing’anling region. PLOS ONE, 15 (11), e0242554. doi: https://doi.org/10.1371/journal.pone.0242554
- Kaiser, F.-J., Bassler, N., Tölli, H., Jäkel, O. (2011). Initial recombination in the track of heavy charged particles: Numerical solution for air filled ionization chambers. Acta Oncologica, 51 (3), 368–375. doi: https://doi.org/10.3109/0284186x.2011.626452
- Rubenstone, J. (2021). Cleaning the Air, Fighting The Virus. ENR: Engineering News-Record, 286 (8), 8–11.
- Wei, W., Ramalho, O., Malingre, L., Sivanantham, S., Little, J. C., Mandin, C. (2019). Machine learning and statistical models for predicting indoor air quality. Indoor Air, 29 (5), 704–726. doi: https://doi.org/10.1111/ina.12580
- Sukach, S., Kozlovs’ka, T., Serhiienko, I., Khodakovskyy, O., Liashok, I., Kipko, O. (2018). Studying and substantiation of the method for normalization of airionic regime at industrial premises at the ultrasonic ionization of air. Eastern-European Journal of Enterprise Technologies, 4 (10 (94)), 36–45. doi: https://doi.org/10.15587/1729-4061.2018.141060
- Noakes, C. J., Sleigh, P. A., Beggs, C. B. (2007). Modelling the air cleaning performance of negative air ionisers in ventilated rooms. Proceeding of the 10 th Int. Conference on Air Distribution in Rooms (Roomvent 2007). Helsinki.
- Sydorov, O. V., Hlyva, V. A. (2013). Vplyv elektrostatychnykh poliv na kontsentratsiyi lehkykh aeroioniv na robochomu mistsi operatora PEOM. Stroitel'stvo, materialovedenie, mashinostroenie. Seriya: Bezopasnost' zhiznedeyatel'nosti, 71 (2), 176–183. Available at: https://dspace.nau.edu.ua/handle/NAU/29609
- Biliaiev, M. M., Tsygankova, S. G. (2016). Complex of numerical models for computation of air ion concentration in premises. Science and Transport Progress. Bulletin of Dnipropetrovsk National University of Railway Transport, 2 (62), 16–24. doi: https://doi.org/10.15802/stp2016/67281
- Rusakova, T. I. (2019). Method for predicting parameters of the aeroionic mode in open terrain ground areas. Science and Transport Progress. Bulletin of Dnipropetrovsk National University of Railway Transport, 3 (81), 16–26. doi: https://doi.org/10.15802/stp2019/170273
- Podorozhniak, A., Liubchenko, N., Kvochka, M., Suarez, I. (2021). Usage of intelligent methods for multispectral data processing in the field of environmental monitoring. Advanced Information Systems, 5 (3), 97–102. doi: https://doi.org/10.20998/2522-9052.2021.3.13
- Sobchuk, V., Zamrii, I., Olimpiyeva, Y., Laptiev, S. (2021). Functional stability of technological processes based on nonlinear dynamics with the application of neural networks. Advanced Information Systems, 5 (2), 49–57. doi: https://doi.org/10.20998/2522-9052.2021.2.08
- Sukach, S. V., Sydorov, O. V. (2016). Metodolohichni zasady pidvyshchennia yakosti kontroliu aeroionnoho skladu povitria vyrobnychoho seredovyshcha. Problemy okhorony pratsi v Ukraini, 32, 127–133.
- Daszykowski, M. (2003). A journey into low-dimensional spaces with autoassociative neural networks. Talanta, 59 (6), 1095–1105. doi: https://doi.org/10.1016/s0039-9140(03)00018-3
- Eriksson, L., Johansson, E., Kettaneh-Wold, N., Wikström, C., Wold, S. (2008). Design of Experiments: Principles and Applications. Umetrics AB, Umeе.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2022 Serhii Sukach, Volodymyr Chenchevoi, Natalja Fjodorova, Olga Chencheva, Volodymyr Bakharev, Olena Kortsova, Volodymyr Shevchenko, Ivan Petrenko
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.
Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.