0
  • DE
  • EN
  • FR
  • Internationale Datenbank und Galerie für Ingenieurbauwerke

Anzeige

Anomaly Detection Based on LSTM Learning in IoT-Based Dormitory for Indoor Environment Control

Autor(en):

Medium: Fachartikel
Sprache(n): Englisch
Veröffentlicht in: Buildings, , n. 11, v. 13
Seite(n): 2886
DOI: 10.3390/buildings13112886
Abstrakt:

This study focuses on gathering environmental data concerning the indoor climate within a dormitory, encompassing variables such as air temperature, relative humidity, CO2 concentration, fine dust concentration, illuminance, and total volatile organic compounds. Subsequently, an anomaly detection long short_term memory model (LSTM) model, utilizing a two-stacked LSTM model, was developed and trained to enhance indoor environment control. The study demonstrated that the trained model effectively identified anomalies within eight environmental variables. Graphical representations illustrate the model’s accuracy in anomaly detection. The trained model has the capacity to monitor indoor environmental data collected and transmitted using an Internet-of-Things sensor. In the event of an anomaly domain prediction, it proactively alerts the building manager, facilitating timely indoor environment control. Furthermore, the model can be seamlessly integrated into indoor environment control systems to actively detect anomalies, thereby contributing to the automation of control processes.

Copyright: © 2023 by the authors; licensee MDPI, Basel, Switzerland.
Lizenz:

Dieses Werk wurde unter der Creative-Commons-Lizenz Namensnennung 4.0 International (CC-BY 4.0) veröffentlicht und darf unter den Lizenzbedinungen vervielfältigt, verbreitet, öffentlich zugänglich gemacht, sowie abgewandelt und bearbeitet werden. Dabei muss der Urheber bzw. Rechteinhaber genannt und die Lizenzbedingungen eingehalten werden.

  • Über diese
    Datenseite
  • Reference-ID
    10753347
  • Veröffentlicht am:
    14.01.2024
  • Geändert am:
    07.02.2024
 
Structurae kooperiert mit
International Association for Bridge and Structural Engineering (IABSE)
e-mosty Magazine
e-BrIM Magazine