Multivariate linear regression model for estimating average daylight illuminance

↓ Direkt till sidans innehåll
↓ Direkt till sidans sekundära innehåll (sidomenyn)

Sökning: WFRF:(Mahapatra Krushna 1974 ) > Multivariate linear...

Jalilzadehazhari, Elaheh,1985-Linnéuniversitetet,Institutionen för skog och träteknik (SOT) (författare)

Multivariate linear regression model for estimating average daylight illuminance

Artikel/kapitelEngelska2017

Förlag, utgivningsår, omfång ...

Ingenta Connect,2017
printrdacarrier

Nummerbeteckningar

LIBRIS-ID:oai:DiVA.org:lnu-59687
https://urn.kb.se/resolve?urn=urn:nbn:se:lnu:diva-59687URI
https://doi.org/10.1166/asl.2017.9228DOI

Kompletterande språkuppgifter

Språk:engelska
Sammanfattning på:engelska

Ingår i deldatabas

SwePubSwePub

Klassifikation

Ämneskategori:ref swepub-contenttype
Ämneskategori:art swepub-publicationtype

Anmärkningar

Window design and the selection of glazing system have significant effect on daylight illuminance. Occupants’ productivity is highly dependent on daylight, as it associates with numerous health advantages. Hence conducting a systematic investigation considering the performance of various window designs and glazing systems is highly important at the early stage of design process. For this purpose, this study attempts to develop a multivariate linear regression model for estimating the average daylight illuminance. To perform the simulations, an office room prototype was modelled by COMFEN 5Beta software. The prototype is a hypothetical office room, as its size, HVAC system and envelopes construction are based on the common practice in construction in Sweden. Because average daylight illuminance is sensitive to window size, orientation, glazing system, design model and position, 544 simulations were performed based on thses variable to create an extensive dataset. A multivariate linear regression model was developed based on 90% dataset, which was chosen randomly. The obtained R² value was exceeded 96%, which shows an excellent fit for the developed model. The interaction between variables was also studied. The remaining 10% of dataset was utilized for validating the developed model. The validity of the model was further compared with another multivariate linear regression model, developed based on 50% of the dataset.The results show the effectiveness of multivariate linear regression models in supporting architects and predicting average daylight illuminance in early stage of design analysis.

Ämnesord och genrebeteckningar

TEKNIK OCH TEKNOLOGIER Samhällsbyggnadsteknik Arkitekturteknik hsv//swe
ENGINEERING AND TECHNOLOGY Civil Engineering Architectural Engineering hsv//eng
Multivariate linear regression
Daylight Illuminance
interaction analysis
Byggteknik
Civil engineering

Biuppslag (personer, institutioner, konferenser, titlar ...)

Mahapatra, Krushna,1974-Linnéuniversitetet,Institutionen för byggd miljö och energiteknik (BET),SBER(Swepub:lnu)krmaaa (författare)
LinnéuniversitetetInstitutionen för skog och träteknik (SOT) (creator_code:org_t)

Sammanhörande titlar

Ingår i:Advanced Science Letters: Ingenta Connect23:7, s. 6163-61671936-66121936-7317

Internetlänk

Hitta via bibliotek

Advanced Science Letters (Sök värdpublikationen i LIBRIS)

Till lärosätets databas

Hitta mer i SwePub

Av författaren/redakt...: Jalilzadehazhari ...; Mahapatra, Krush ...

Om ämnet

TEKNIK OCH TEKNOLOGIER: TEKNIK OCH TEKNO ...; och Samhällsbyggnads ...; och Arkitekturteknik

Artiklar i publikationen: Advanced Science ...

Av lärosätet: Linnéuniversitetet

Sök utanför SwePub

Sök vidare i:: Google; Google Book Search; Google Scholar

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.

LIBRIS.kb.se