0
  • DE
  • EN
  • FR
  • Base de données et galerie internationale d'ouvrages d'art et du génie civil

Publicité

SOUNDLAB AI Tool – Machine Learning zur Bestimmung des bewerteten Schalldämmmaßes

Auteur(s): (M&M Network‐Ing Lennebergstraße 40 55124 Mainz Deutschland)
(M&M Network‐Ing Lennebergstraße 40 55124 Mainz Deutschland)
(M&M Network‐Ing Lennebergstraße 40 55124 Mainz Deutschland)
(Kuraray Europe GmbH Philip‐Reis‐Straße 4 65795 Hattersheim am Main Deutschland)
Médium: article de revue
Langue(s): anglais
Publié dans: ce/papers, , n. 1, v. 5
Page(s): 147-156
DOI: 10.1002/cepa.1665
Abstrait:

Die moderne Architektur strebt nach transparenten Gebäudehüllen und insbesondere nach nachhaltigen und bauphysikalisch adäquaten Glasfassaden. Typischerweise werden Glasfassaden entworfen, um eine Vielzahl von Zielen zu erfüllen, eines davon sind die Anforderungen an den Schallschutz. Eine zuverlässige Abschätzung der Schalldämmeigenschaften beliebiger Glasaufbauten ist aufgrund der Komplexität experimenteller Tests oder numerischer Simulationen zeitaufwendig und kostenintensiv. Daher wird in dieser Arbeit ein maschineller Lern‐Ansatz zur Prädiktion der akustischen Eigenschaften beliebiger Glasaufbauten vorgestellt.

SOUNDLAB AI Tool – Machine learning for the determination of the weighted sound Insulation Value. Modern architecture strives for transparent building envelopes and, in particular, for sustainable and physically adequate glass facades. Typically, glass facades are designed to meet a variety of objectives, one of which is to satisfy sound insulation requirements. Reliable estimation of the sound insulation properties of arbitrary glass assemblies is time consuming and costly due to the complexity of experimental tests or numerical simulations. Therefore, this paper presents a machine learning approach for predicting the acoustic properties of various glass setups.

Structurae ne peut pas vous offrir cette publication en texte intégral pour l'instant. Le texte intégral est accessible chez l'éditeur. DOI: 10.1002/cepa.1665.
  • Informations
    sur cette fiche
  • Reference-ID
    10767531
  • Publié(e) le:
    17.04.2024
  • Modifié(e) le:
    17.04.2024
 
Structurae coopère avec
International Association for Bridge and Structural Engineering (IABSE)
e-mosty Magazine
e-BrIM Magazine