Modelling skin temperature of a human exercising in an outdoor environment
Notice bibliographique
Résumé
Skin temperature monitoring is an important component when estimating thermoregulatory responses due to heat exchange at the skin surface.The aim of this study is to improve the accuracy of mean skin temperature ( Tsk ) predictions in human thermal comfort models, specifically the COMFA (COMfort FormulA) outdoor model, in order to reduce errors in energy budget estimates associated with Tsk .Field tests were conducted on 12 subjects performing 30 minutes of steadystate physical activity (running or cycling) on two separate occasions.The predicted thermal sensations (PTS) from the COMFA budget model using both actual (measured) and predicted (with model) Tsk were compared at 5-minute intervals.Results indicate that the model over-predicted Tsk throughout the exercise period.The root mean square error (RMSE) of Tsk of subjects running was larger than cycling, and increased throughout the 30 minute exercise session; hence, the model was less able to accurately predict Tsk as metabolic activity increased.The Spearman's correlation coefficients (r s ) for actual thermal sensation (ATS) with both actual and predicted Tsk thermal sensation scores were low, (r s =0.315 and 0.285, respectively).However, ATS votes correlated more strongly with predicted thermal sensation (PTS) scores in running tests.Added psychological and physiological variables when exercising outdoors make it inherently difficult to apply current thermal comfort (TC) models to exercising subjects.There is need for further studies regarding prediction of overall TC while exercising outdoors for use in urban design and planning, as well as adapting models to specific types of exercise.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».