علیرضا انتظاری - Assistant Professor of climatology, Hakim Sabzevari University, Sabzevar, Iran.
فاطمه میوانه - Ph.D. Student of Climatology, Hakim Sabzevari University, Sabzevar, Iran.
خسرو رضایی - Assistant Professor of Medical Engineering, Hakim Sabzevari University, Sabzevar, Iran.
فاطمه رحیمی - Graduate student of Climatology, University of Sabzevar Landscape, Sabzevar, Iran.

آسایش و عدم آسایش حرارتی انسان از طریق شاخص های تئوری و تجربی زیادی محاسبه می شوند که داده های ورودی این شاخص ها بسیاری از عناصر آب و هوایی از جمله سرعت باد، درجه حرارت، رطوبت، تابش خورشید و غیره می باشد. در مطالعه حاضر از داده های روزانه درجه حرارت، سرعت باد،رطوبت نسبی و ابرناکی شهر مشهد بین سال های۱۳۹۲-۱۳۸۳ استفاده شده است. ابتدا پارامتر Tmrt در محیط نرم افزار Ray Man محاسبه و با استفاده از نرم افزار Bioklima مقادیر شاخص های UTCI وPMV استخراج گردید. نتایج مطالعه نشان می دهد که شدیدترین تنش های سرمایی بر اساس شاخص PMV در فصل زمستان و اواخر فصل پاییز مشاهده می شود. و شاخص UTCI نیز در ماه های دی و بهمن بیشترین تنش سرمایی را دارند. با وجود توانایی شبکه های عصبی، پیش بینی عملکرد آینده شبکه (تعمیم یافتگی) به سادگی امکان پذیر نیست و لذا مدل جدیدی در این مقاله ارائه گردیده که از شبکه های عصبی مبتنی بر ماشین بولتزمان محدود شده یا شبکه های عصبی باور عمیق بهره گرفته است. با بکارگیری این ساختار، معیارهای میانگین مربعات خطای استاندارد (MSE) و میانگین مطلق درصد خطا (MAPE) محک خوردند و برای ۷ شاخصه حاصل از داده های گردآوری شده که سه شاخصه مربوط به زمان وقوع شرایط آب و هوایی و سایرین، شاخص های حرارتی آسایش انسان است، در سیستم ارزیابی گردید. ارزیابی با تقسیم داده ها به بخش های آموزشی و آزمایشی و به ترتیب به نسبت های دوسوم، پنجاه درصد و یک سوم صورت پذیرفته است و دو محک MSE و MAPE محاسبه شدند. عملکرد سیستم پیشنهادی در پیش بینی وضعیت آسایش حرارتی انسان مطلوب بود.   #s۳gt_translate_tooltip_mini { display: none !important; }

thermal comfort, neural network, weather conditions, human health., آسایش حرارتی, شبکه عصبی, شرایط آب و هوایی, سلامت انسان