CN117575424A - 一种矿井井下环境舒适度评价方法 - Google Patents
一种矿井井下环境舒适度评价方法 Download PDFInfo
- Publication number
- CN117575424A CN117575424A CN202410059602.8A CN202410059602A CN117575424A CN 117575424 A CN117575424 A CN 117575424A CN 202410059602 A CN202410059602 A CN 202410059602A CN 117575424 A CN117575424 A CN 117575424A
- Authority
- CN
- China
- Prior art keywords
- mine
- comfort
- human body
- underground
- formula
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 17
- 238000005286 illumination Methods 0.000 claims abstract description 16
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims abstract description 13
- 239000000428 dust Substances 0.000 claims abstract description 13
- 229910052760 oxygen Inorganic materials 0.000 claims abstract description 13
- 239000001301 oxygen Substances 0.000 claims abstract description 13
- 238000013528 artificial neural network Methods 0.000 claims abstract description 10
- 238000011835 investigation Methods 0.000 claims abstract description 10
- -1 noise Substances 0.000 claims abstract description 6
- 238000012549 training Methods 0.000 claims abstract description 6
- 238000000034 method Methods 0.000 claims description 21
- 238000001514 detection method Methods 0.000 claims description 16
- 238000013210 evaluation model Methods 0.000 claims description 6
- 230000005855 radiation Effects 0.000 claims description 6
- 238000012897 Levenberg–Marquardt algorithm Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000037149 energy metabolism Effects 0.000 claims description 4
- 230000004060 metabolic process Effects 0.000 claims description 4
- 238000003062 neural network model Methods 0.000 claims description 4
- 238000001704 evaporation Methods 0.000 claims description 2
- 230000017525 heat dissipation Effects 0.000 claims description 2
- 230000020169 heat generation Effects 0.000 claims description 2
- 230000035807 sensation Effects 0.000 claims description 2
- 210000004243 sweat Anatomy 0.000 claims description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 2
- 238000009825 accumulation Methods 0.000 claims 1
- 230000007613 environmental effect Effects 0.000 abstract description 6
- 230000029058 respiratory gaseous exchange Effects 0.000 abstract description 2
- 230000000694 effects Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005338 heat storage Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Agronomy & Crop Science (AREA)
- Biomedical Technology (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Primary Health Care (AREA)
- Artificial Intelligence (AREA)
- Quality & Reliability (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明公开了一种矿井井下环境舒适度评价方法,涉及环境评价技术领域。其首先对矿井井下环境进行实时采集,获取矿井井下的温度、湿度、风速、辐射热、光照强度、粉尘、噪音、含氧量以及压强的数据;之后对矿井井下工人舒适度指标进行统计调查,利用神经网络对结果进行训练;然后使用MATLAB对步骤三所得训练后模型进行权重分析,得到权重公式;最后得到热舒适性指标PMV值,根据该PMV值即可评价矿井井下环境舒适度。本发明不仅考虑了热舒适度,而且加入了人体对噪音、光照以及呼吸舒适度等参考指标,能够得到更全面的环境舒适度指标与评价结果。本发明可以更全面的综合各种影响因素,有效地评价矿井井下环境。
Description
技术领域
本发明涉及环境评价技术领域,具体涉及一种矿井井下环境评价方法。
背景技术
煤炭行业经过几百年的发展,通过长期实际操作与大量研究数据,各国的研究者和相关部门总结出大量简单实用、便于操作的经验指标参数及评价方法。目前国内外用于评价高温高湿环境中人体舒适的指标,主要为热环境舒适度指标。人体热舒适是矿井里多种因素共同作用结果的最终体现会对工作效率而言是最重要直接的评价指标,所以对矿井热环境人体热舒适评价这一指标进行研究是非常有必要的。目前主要事与人体的热舒适性相关的研究,影响因素是从环境以及人员自身两方面进行考虑,这两方面包含环境温度、相对湿度、空气流速及人员衣着程度和人员的活动量等。
但是考虑到井下作业的复杂环境,另有比如光线不足,噪音太吵,空气质量等因素,都会对井下矿工舒适度造成影响。因此,上述一些参数指标往往只是从单一因素或简单组合去评价,只注重热环境因素或者人体主观热反应,没有能够很好的综合众多影响因素,综合主客观因素的结合,不能全面有效地评价矿井井下环境及矿工舒适性。要想更加全面准确的井下矿工舒适度需要从多个因素进行全面分析。
发明内容
本发明的目的在于提供一种矿井井下环境舒适度评价方法,该方法可以更全面的综合各种影响因素,有效地评价矿井井下环境。
为了实现上述目的,本发明采用了以下技术方案:
一种矿井井下环境舒适度评价方法,包括以下步骤:
步骤一、对矿井井下环境进行实时采集,得到矿井井下的温度、湿度、风速、辐射热、光照强度、粉尘、噪音、含氧量以及压强的数据;步骤二、对矿井井下工人舒适度指标进行统计调查,并做好记录;步骤三、使用神经网络对步骤一采集到的所有数据和步骤二调查得到的结果进行训练,直至神经网络模型的精度达到95%以上;步骤四、使用MATLAB对步骤三所得训练后模型进行权重分析,得到权重公式;步骤五、根据步骤一采集得到所有数据,结合人体新陈代谢率以及服装热阻值,建立PMV的热环境评价模型,并计算得到热舒适性指标PMV值。
步骤六、利用公式(1)计算矿井井下环境舒适度指数,并进行分析:
(1)。
公式(1)中:ssd为矿井井下环境舒适度指数;p为压强;T为温度;s为风速;E为光照
强度; 为氧含量;为空气相对湿度;C为粉尘浓度;N为噪音强度;PMV为热舒适性指标。
上述的一种矿井井下环境舒适度评价方法,通过在矿井井下安装传感器来采集各个数据,安装的传感器分别有温度传感器、湿度传感器、风速传感器、辐射热传感器、光照强度检测传感器、粉尘浓度检测传感器、噪音检测传感器、含氧量传感器以及压强传感器。
上述的一种矿井井下环境舒适度评价方法,步骤三中,神经网络是指使用Levenberg-Marquardt算法的多层反向传播神经网络。
上述的一种矿井井下环境舒适度评价方法,步骤五中,PMV热环境评价模型的建立方法包括:S1、根据热力学第一定律,人体产热量与人体散热量相等,热平衡方程如式(2)所示:
(2)。
式(2)中:M-人体能量代谢率;W-人体对外所做机械功;C-人体与周围环境间对流热交换;R-人体与周围环境间辐射热交换;E-人体皮肤汗液呼出和蒸发水蒸气带走热量;S-人体蓄热量。
S2、利用Fanger教授的热舒适方程,得出人体的热感觉与人体热负荷之间回归公式并基于人体热平衡公式展开得到如下确定人体热舒适性的评价指标PMV的计算公式,如式(3)所示:
(3)。
式(3)中,M-人体能量代谢率;W-人体对外所做机械功;ta-空气温度;tmr-平均辐射温度;Pa-空气水蒸气分压力;fcl-服装表面积系数;hc-对流热交换系数;tcl-穿衣人体外表面平均温度。
上述的一种矿井井下环境舒适度评价方法,步骤六中,矿井井下环境舒适度指数的划分标准为:当170≤ssd≤190时,最舒适;当160≤ssd <170或190<ssd≤200时,较舒适;当150≤ssd <160或200<ssd≤210时,不舒适;当ssd <150或210<ssd时,为非常不舒适。
上述的一种矿井井下环境舒适度评价方法,噪音检测传感器加装有防风罩,防风罩离噪音检测传感器的反射面达到1.2米以上。
与现有技术相比,本发明带来了以下有益技术效果:
本发明提出了一种矿井井下环境舒适度评价方法,其首先对矿井井下环境进行实时采集,获取矿井井下的温度、湿度、风速、辐射热、光照强度、粉尘、噪音、含氧量以及压强的数据;之后对矿井井下工人舒适度指标进行统计调查,利用神经网络对结果进行训练;然后使用MATLAB对步骤三所得训练后模型进行权重分析,得到权重公式;最后根据矿井工人的热舒适性指标PMV值,将该PMV值即可带入到ssd公式,即可评价矿井井下环境舒适度。
本发明不仅考虑了热舒适度,而且加入了人体对噪音、光照以及呼吸舒适度地参考指标,能够得到更全面的环境舒适度指标与评价结果。本发明准确程度高,能够便捷、客观、全面地评价矿井井下环境舒适度。
附图说明
图1为本发明矿井井下环境舒适度评价方法的流程图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。
本发明中所用到的各种传感器的结构、以及工作原理,本领域技术人员可借鉴现有技术实现。
本发明的主要技术构思在于:基于人体热平衡方程以及热舒适度评价指标,综合考虑环境温度、相对湿度、空气流速、空气质量、噪音大小、光照强度及人员衣着程度、人员的活动量等对人体舒适度的影响,为改善旷工的工作环境提供技术支持。
如图1所示,本发明矿井井下环境舒适度评价方法,具体包括以下步骤:
步骤一、通过在矿井井下安装传感器来采集各个数据,安装的传感器分别有温度传感器、湿度传感器、风速传感器、辐射热传感器、光照强度检测传感器、粉尘浓度检测传感器、噪音检测传感器、含氧量传感器以及压强传感器;对各个传感器进行调试,确保其可以正常工作,通过对应的传感器分别获取温度、湿度、风速、辐射热、光照强度、粉尘、噪音、含氧量以及压强的数据。
步骤二、对矿井井下工人舒适度指标进行统计调查,并做好记录。
步骤三、使用Levenberg-Marquardt算法的多层反向传播神经网络对步骤一采集到的所有数据和步骤二调查得到的结果进行训练,直至神经网络模型的精度达到95%以上。
步骤四、使用MATLAB对步骤三所得训练后模型进行权重分析,得到权重公式。
步骤五、根据步骤一采集得到所有数据,结合人体新陈代谢率以及服装热阻值,建立PMV的热环境评价模型,并计算得到热舒适性指标PMV值。
步骤六、利用公式(1)计算矿井井下环境舒适度指数,并进行分析:
(1)。
公式(1)中:ssd为矿井井下环境舒适度指数;p为压强;T为温度;s为风速;E为光照
强度; 为氧含量;为空气相对湿度;C为粉尘浓度;N为噪音强度;PMV为热舒适性指标。
矿井井下环境舒适度指数的划分标准为:当170≤ssd≤190时,最舒适;当160≤ssd <170或190<ssd≤200时,较舒适;当150≤ssd <160或200<ssd≤210时,不舒适;当ssd<150或210<ssd时,为非常不舒适。
下面结合具体实施例1对本发明做进一步说明。
实施例1:
步骤一、选取矿井下某一段位置安装温度传感器、湿度传感器、风速传感器、辐射热传感器、光照强度检测传感器、粉尘浓度检测传感器、噪音检测传感器、含氧量传感器以及压强传感器。
调试上述传感器,确保能够正常运行,然后对矿井井下环境进行实时采集,获取温度、湿度、风速、辐射热、光照强度、粉尘、噪音、含氧量以及压强的数据。
步骤二、对矿井井下工人舒适度指标进行统计调查,并做好记录;统计调查数据如表1所示。
表1井下环境舒适度调查表
步骤三、使用Levenberg-Marquardt算法的多层反向传播神经网络对步骤一采集到的所有数据和步骤二调查得到的结果进行训练,直至神经网络模型的精度达到95%以上。
步骤四、使用MATLAB对训练后模型进行权重分析,得到权重公式。
步骤五、根据步骤一采集得到所有数据,结合人体新陈代谢率以及服装热阻值,建立PMV的热环境评价模型,并计算得到热舒适性指标PMV值,其中部分信息可由表2、表3做出参考。
表2人体活动的机械效率
表3衣着与服装热阻值对应表
步骤六、利用(1)计算矿井井下热环境舒适度指数,并进行分析:
(1)。
通过该实施例1计算得到的ssd值等于180;由此确定矿井井下环境舒适度指数为最舒适。
需要说明的是,本技术领域的普通技术人员应当认识到,以上的实施方式仅是用来说明本申请,而并非用作为对本申请的限定,只要在本申请的实质精神范围之内,对以上实施例所作的适当改变和变化都落在本申请要求保护的范围之内。
Claims (6)
1.一种矿井井下环境舒适度评价方法,其特征在于,包括以下步骤:
步骤一、对矿井井下环境进行实时采集,得到矿井井下的温度、湿度、风速、辐射热、光照强度、粉尘、噪音、含氧量以及压强的数据;
步骤二、对矿井井下工人舒适度指标进行统计调查,并做好记录;
步骤三、使用神经网络对步骤一采集到的所有数据和步骤二调查得到的结果进行训练,直至神经网络模型的精度达到95%以上;
步骤四、使用MATLAB对步骤三所得训练后模型进行权重分析,得到权重公式;
步骤五、根据步骤一采集得到所有数据,结合人体新陈代谢率以及服装热阻值,建立PMV的热环境评价模型,并计算得到热舒适性指标PMV值;
步骤六、利用公式(1)计算矿井井下环境舒适度指数,并进行分析;
(1);
公式(1)中:ssd为矿井井下环境舒适度指数;p为压强;T为温度;s为风速;E为光照强度; 为氧含量;/>为空气相对湿度;C为粉尘浓度;N为噪音强度;PMV为热舒适性指标。
2.根据权利要求1所述的一种矿井井下环境舒适度评价方法,其特征在于:通过在矿井井下安装传感器来采集各个数据,安装的传感器分别有温度传感器、湿度传感器、风速传感器、辐射热传感器、光照强度检测传感器、粉尘浓度检测传感器、噪音检测传感器、含氧量传感器以及压强传感器。
3.根据权利要求1所述的一种矿井井下环境舒适度评价方法,其特征在于:步骤三中,神经网络是指使用Levenberg-Marquardt算法的多层反向传播神经网络。
4.根据权利要求1所述的一种矿井井下环境舒适度评价方法,其特征在于:步骤五中,PMV热环境评价模型的建立方法包括:
S1、根据热力学第一定律,人体产热量与人体散热量相等,热平衡方程如式(2)所示:
(2);
式(2)中:M-人体能量代谢率;W-人体对外所做机械功;C-人体与周围环境间对流热交换;R-人体与周围环境间辐射热交换;E-人体皮肤汗液呼出和蒸发水蒸气带走热量;S-人体蓄热量;
S2、利用Fanger教授的热舒适方程,得出人体的热感觉与人体热负荷之间回归公式并基于人体热平衡公式展开得到如下确定人体热舒适性的评价指标PMV的计算公式,如式(3)所示:
(3);
式(3)中,M-人体能量代谢率;W-人体对外所做机械功;ta-空气温度;tmr-平均辐射温度;Pa-空气水蒸气分压力;fcl-服装表面积系数;hc-对流热交换系数;tcl-穿衣人体外表面平均温度。
5.根据权利要求1所述的一种矿井井下环境舒适度评价方法,其特征在于:步骤六中,矿井井下环境舒适度指数的划分标准为:当170≤ssd≤190时,最舒适;当160≤ssd <170或190<ssd≤200时,较舒适;当150≤ssd <160或200<ssd≤210时,不舒适;当ssd <150或210<ssd时,非常不舒适。
6.根据权利要求2所述的一种矿井井下环境舒适度评价方法,其特征在于:噪音检测传感器加装有防风罩,防风罩离噪音检测传感器的反射面达到1.2米以上。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410059602.8A CN117575424A (zh) | 2024-01-16 | 2024-01-16 | 一种矿井井下环境舒适度评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410059602.8A CN117575424A (zh) | 2024-01-16 | 2024-01-16 | 一种矿井井下环境舒适度评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117575424A true CN117575424A (zh) | 2024-02-20 |
Family
ID=89895943
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410059602.8A Pending CN117575424A (zh) | 2024-01-16 | 2024-01-16 | 一种矿井井下环境舒适度评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117575424A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104535109A (zh) * | 2014-12-23 | 2015-04-22 | 中国矿业大学 | 一种矿井井下热环境评价方法及其装置 |
CN105698861A (zh) * | 2016-03-04 | 2016-06-22 | 广东轻工职业技术学院 | 一种室内环境舒适度评价方法 |
CN206558105U (zh) * | 2017-02-17 | 2017-10-13 | 湖南科技大学 | 矿井作业环境与安全人工智能仿真装置 |
-
2024
- 2024-01-16 CN CN202410059602.8A patent/CN117575424A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104535109A (zh) * | 2014-12-23 | 2015-04-22 | 中国矿业大学 | 一种矿井井下热环境评价方法及其装置 |
CN105698861A (zh) * | 2016-03-04 | 2016-06-22 | 广东轻工职业技术学院 | 一种室内环境舒适度评价方法 |
CN206558105U (zh) * | 2017-02-17 | 2017-10-13 | 湖南科技大学 | 矿井作业环境与安全人工智能仿真装置 |
Non-Patent Citations (2)
Title |
---|
关维娟 等: ""基于多目标决策理想区间法的煤矿工作面作业环境评价"", 《煤炭技术》, vol. 37, no. 06, 30 June 2018 (2018-06-30), pages 30 - 32 * |
程磊 等: ""基于BP神经网络的矿井热环境评价体系研究"", 《中国矿业》, vol. 29, no. 4, 30 April 2020 (2020-04-30), pages 152 - 156 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kjellstrom et al. | Workplace heat stress, health and productivity–an increasing challenge for low and middle-income countries during climate change | |
Hills et al. | Statistical methods used in assessing the risk of disease near a source of possible environmental pollution: a review | |
Chan et al. | Using the thermal work limit as an environmental determinant of heat stress for construction workers | |
Malchaire et al. | Assessment of the risk of heat disorders encountered during work in hot conditions | |
CN105698861A (zh) | 一种室内环境舒适度评价方法 | |
Tang et al. | Detailed thermal indicators analysis based on outdoor thermal comfort indices in construction sites in South China | |
Parsons | International heat stress standards: a review | |
CN104535109A (zh) | 一种矿井井下热环境评价方法及其装置 | |
Fang et al. | Experimental investigation of standard effective temperature (SET*) adapted for human walking in an indoor and transitional thermal environment | |
Volkov et al. | Modelling the thermal comfort of internal building spaces in social buildings | |
Foster et al. | Quantifying the impact of heat on human physical work capacity; part III: the impact of solar radiation varies with air temperature, humidity, and clothing coverage | |
Al-Bouwarthan et al. | A field evaluation of construction workers’ activity, hydration status, and heat strain in the extreme summer heat of Saudi Arabia | |
Gschwind et al. | Including the temporal change in PM2. 5 concentration in the assessment of human health impact: Illustration with renewable energy scenarios to 2050 | |
CN117575424A (zh) | 一种矿井井下环境舒适度评价方法 | |
Feng et al. | A review of heat stress evaluation indices in extremely hot environments | |
Umer | Sensors based physical exertion monitoring for construction tasks: Comparison between traditional physiological and heart rate variability based metrics | |
Bernard et al. | Estimation of metabolic rate using qualitative job descriptors | |
Golbabaei et al. | Limitations of WBGT Index for Application in Industries: A Systematic Review | |
Kesler et al. | A modified SCBA facepiece for accurate metabolic data collection from firefighters | |
Cho et al. | Comparison of subjective and objective thermal comfort of residuals according to office setting temperature changes | |
Lumley et al. | Clothing ventilation—Update and applications | |
Dehaghi et al. | Farm workers exposure to heat extreme in upcoming years in Southern Part of Iran | |
Foster et al. | The impact of heat on human physical work capacity; part III: the impact of solar radiation varies with air temperature, humidity, and clothing coverage | |
Akair et al. | Thermal comfort investigation in Libya | |
Sugiono et al. | Thermal comfort investigation based on predicted mean vote (PMV) Index using computation fluid dynamic (CFD) Simulation (Case Study: University of Brawijaya, Malang-Indonesia) |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |