Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Prediction of CO2 concentration in smart homes using IBM SPSS software tool

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F19%3A10243998" target="_blank" >RIV/61989100:27240/19:10243998 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Prediction of CO2 concentration in smart homes using IBM SPSS software tool

  • Popis výsledku v původním jazyce

    The growth of measured data from intelligent buildings in the recent years provides new opportunities for improvements of quality of the indoor environment. This paper examines the possibilities of increasing the accuracy of CO2 predictions in the smart homes using IBM SPSS software tools. The accuracy of this implementation was evaluated at daily and monthly intervals. Radial basis function (Feedforward neural network) was used in order to predict CO2 concentration levels from the measured relative humidity, indoor and outdoor temperatures. Daily interval resulted in the most accurate prediction results. (C) Technical University of Košice 2019.

  • Název v anglickém jazyce

    Prediction of CO2 concentration in smart homes using IBM SPSS software tool

  • Popis výsledku anglicky

    The growth of measured data from intelligent buildings in the recent years provides new opportunities for improvements of quality of the indoor environment. This paper examines the possibilities of increasing the accuracy of CO2 predictions in the smart homes using IBM SPSS software tools. The accuracy of this implementation was evaluated at daily and monthly intervals. Radial basis function (Feedforward neural network) was used in order to predict CO2 concentration levels from the measured relative humidity, indoor and outdoor temperatures. Daily interval resulted in the most accurate prediction results. (C) Technical University of Košice 2019.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    20200 - Electrical engineering, Electronic engineering, Information engineering

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/EF16_019%2F0000867" target="_blank" >EF16_019/0000867: Centrum výzkumu pokročilých mechatronických systémů</a><br>

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2019

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Proceedings of the 10th International Scientific Symposium on Electrical Power Engineering, ELEKTROENERGETIKA 2019

  • ISBN

    978-80-553-3324-3

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    5

  • Strana od-do

    546-550

  • Název nakladatele

    Technical University of Košice

  • Místo vydání

    Košice

  • Místo konání akce

    Stará Lesná

  • Datum konání akce

    16. 9. 2019

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku