不同AQI条件下的光谱特征外文翻译资料

 2022-12-06 15:57:13

英语原文共 9 页，剩余内容已隐藏，支付完成后下载完整资料

本文研究在香港的国际照明委员会(CIE)对标准的天气通过使用天空亮度和其他气候参数测量进行的分类，提出了一个方法来识别标准的天气。Bartzokas等人对测量方法通过均方根误差(RMSE)进行了评估。统计分析表明,使用Bartzokas等人的方法,,大约50%的数据被分类时抛弃，整体RMSE计算约为34%。该方法产生一个总体RMSE成本在数据还原前减少不到33%。

专业译员随时待命，
248分钟 返回精准译文
【母语润色服务,全新上线】

窗体底端

1.介绍

采光被公认为建筑历史上一个重要的设计元素。日光是唯一的光源,最匹配人类视觉反应。人们渴望好的自然采光在他们的生活和工作环境。许多研究表明,采光在学校可显著提高学生的学术表现和促进身体健康和身体发育(Plympton et al .,2000;smiley,1996)。日光合理利用有巨大的节能潜力。有一种趋势是将日光与人造光合成的节能建筑(Jenkins和Newborough,2007)。它在炎热的气候格外具有吸引力,因为适当的采光设计可以减少电费支付，而电气照明和空调由于更少的热量也会减少耗散的光配件(李等等。,2006 b)。

总额也可用分布在天空穹顶的外部照度水平的亮度(李et al .,2006)。天空亮度分布受到各种因素的影响,如太阳的位置,大气浑浊度和空气污染和云数量、类型和模式,会影响不可预知的阳光和天窗(Kittleretal,1997 b)。一般来说,条件可以分为阴天,多云和清晰条件。2003年国际照明委员会(CIE)采用15标准天空(CIE 2003),覆盖所有在自然界中可能发现的频谱的天空。天空条件在一定范围内相同的类别会有类似的天空亮度分布和相应的气候参数和指标。这种分析可以帮助识别天空模式而不需要复杂的数学表达式。

一旦天气现象被解释,基本日光照度在不同倾斜表面可获得后续的调查。重要的问题是出现在给定位置的个别标准天空出现的频率(LiandCheung,2006)。大量的研究人员报道,15 CIE标准天空为代表的实际天空条件提供了一个良好的总体框架(李曲撒,1999;et al .,2003;Ng et al .,2007)。整个天空亮度分布拱顶远非广泛使用。

在解释天气情况下,气候参数通常被用来作为权重因子来表示天空晴朗的程度,天空亮度分布可以分类。就像Kittler et al .(1998)建议的,天顶亮度比水平扩散照度(Lz / Dv)是可以描述瞬间天空亮度和理论上可以分类测量到15个标准天空模式之一。然而,Lz / Dv理论曲线的15个标准天空不平行,但他们彼此相交在太阳高度351或更高。利用Lz / Dv的地方,太阳高度往往超过351会导致模棱两可的结果(Markou et al .,2005)。Bartzokas et al。(2003、2005)在欧洲的两个城市研究日光气候修改Lz / Dv天空分类方法,即雅典的希腊,在斯洛伐克的布拉迪斯拉发。然而,没有进一步评估性能的方法。有一些适当的气候参数识别日光气候(Kittler和Darula,2002)。本文介绍了使用各种适当的气候参数的标准天空亮度分布的分类工作。比较评估方法的最佳配合（bartzokas等人)。所提出通过对扫描天空亮度数据的方法收集1999和2005之间的报告。讨论了采光设计的结果和影响的特点。

  1. 数据测量和质量控制

测量站于1991年成立在香港城市大学。最初,只有水平测量太阳辐照度和照度（全球和扩散）。1996年,测量扩展到全球辐照度和垂直照度四项基本表面面对北,东部,西部和南部。该测量站于1999升级，安装了天空扫描仪，记录整个天空的辐射亮度和亮度分布。所有的传感器都安装在屋顶上的位置相对不受任何外部障碍,和容易接近进行检查,一般清洁和维护。数据收集始于日出前，每天日落后结束。所有测量都记录在太阳出现时。这有利于涉及太阳高度为extraterres试辐照度/照度在单位水平面和其他地方的后续的数据比较计算。太阳辐照度和照度测量的细节可以在早期的作品中找到（林和李）， 云层分布受天空扫描仪记录（EKO MS 300lr），这由日本公司EKO制造和校准。传感器头旋转的高度和方位测量亮度的145个圆形天空补丁扫描天空半球。扫描仪的全视角11°让每一天的补丁被视为一个可以忽略不计的误差源（Tregenza，1987）。测量方法不包括某些地区的天空穹，并给出了约68%的天空覆盖率。图1显示了天空扫描的145个测量点的顺序。天空的网格模式如图1所示（不是测量模式）是由Tregenza和Sharples提出的（1995），整个天空可以考虑后续分析。重要部位的天空扫描仪都装在一个防水套管允许连续户外作业。扫描仪上的数据被记录在放在顶层实验室内的微型计算机上。维护传感器，扫描器不记录的亮度数据大于35 mAgrave;KCD 2（e210w MAgrave;2Agrave;1）使用自动快门。

应当注意的是，有几个原因影响测量的天空亮度数据的准确性。首先，天空分割成145个圆形角补丁可以避免任何重复计数，但它排除某些地区的天空拱顶。其次，测量数据是基于离散的结果，而不是连续的分析功能。天空亮度相邻测量点之间可能会有明显的不同。再次，每个扫描周期约4min，测量每10min。在天空亮度大幅变化可能在每个记录发生。此外，对于“距离”的测量（点接近太阳的位置非阴天的天空下，一个估计的）和天空亮度是由在附近的点的亮度的简单平均数；这样的转换会将数据失真（Li et al.，2005）。为了消除杂散数据和由于余弦效应的传感器的错误的测量，以下质量控制测试采用如下：

1。应用阴影环校正所观察到的根据该方法扩散水平数据 LeBaron 等人描述的。（1990）。

2。移除天空扫描数据集中在11°以内的太阳位置。 3.防止所有扩散数据大于相应的全局值。

4防止所有全球数据大于相应的地外太阳组件。 5。防止所有的数据与太阳高度（AS）小于51。

6。用水平全局值剔除所有比20wmAgrave;2小的数据。 7。防止所有的数据直接与正常值[i.e.(global–diffuse)/sinaS]超过相应的外星太阳能组件。

8。防止所有的散射数据大于相应的地外太阳组件的一半（因为不正确的阴影环调整）。

9。当校正的水平漫射照度差时剔除天空亮度数据 15标准天空的描述 基于145个扫描天空亮度点的综合漫射水平照度大于30%。

1999一月至十二月录得的测量数据收集的测试。有各种原因丢失数据的某些时期是不可避免的，包括仪表故障、断电和传感器校准。作出了相当大的努力，以获得连续记录的数据。质量控制试验后，保留68000份10分钟的读数进行分析。

  1. CIE标准天空

15标准天空的集合包括CIE晴朗的天空分布，均匀的亮度分布，和接近的CIE多云天空。一般来说，标准的天空包含5晴朗，5中等，5全覆盖的天空类型整个可能的光谱（基特勒等人，1999）。通过分布所描述的连续的数学表达式，顺利地改变亮度从地平线到天顶和从太阳的角距离。

  1. 结果

要确定一组标准的天空中详细，个人标准天空的亮度分布进行了建模和扫描天空亮度读数比较。建模的天空亮度归一化的水平扩散照度乘以所有的亮度值与归一化比（NR）为 NRfrac14;

在Lmea的天空亮度测量点（kcdmAgrave;2），lpred是天空亮度预测点相对的形式，theta;是天空的补丁和beta;高度是天空的补丁的方位。

4.1最佳拟合方法

公式（即Eq.（1）确定天空亮度是在相对的形式，因此，lpred应使用公式的分母（4）。NR是不一样的，Littlefairrsquo;s Paper （1994），该模型的分析主要是基于绝对天空亮度。每个天空补丁的相对（而不是绝对值）天空亮度确定使用Eq（1）。一旦在每一个天空点综合漫照度和lpred得到预测的天空亮度（lpred），这样NR和lpred产品可以很容易地计算。另一种方法是把所有的天空亮度读数的天顶亮度，但这会导致测量误差大当太阳接近天顶（Tregenza，2004）。低纬度地区（如香港）当太阳经常在从天顶小角距离，归一化相对于漫水平照度，更适合。一旦定下标准，每个标准的天空亮度模型性能评价的根均方误差（RMSE）：

4.2。B等人的的方法

天顶亮度的水平面散射照度的比值（LZ / DV）每个太阳高度值可以作为指南来定义天空型（Markouet al.，2005；Bartzokas等，2003）。在整个天空拱顶上的每个天空补丁的亮度集成给出DV。由于天顶在天空中占主导地位，相对于（即正常）的水平面，DV基本上受LZ的影响。一个高概率的一致性（即天顶亮度为DV的主要成分）是这两个日光变量之间存在。建模的LZ / DV对所有15个标准的天空太阳高度绘制 重叠在太阳高度（AS）351或以上。这可能会导致模糊的结果在天空分类高太阳高度。为了克服这个困难，Bartzokas等人的数据，LZ / DV值在一个特定的初始计算的基础上的个别LZ和DV参数的测量，并比较与LZ / DV值的15个理论曲线（即图3）。每一个观察被分配到15个标准的天空只有当测量的LZ / DV值位于一个区域周围的选定的理论曲线72.5%。由于收敛和相交的理论曲线，一个观察可以解释在一个以上的标准天空。在这种情况下，水平的全球照度与水平照度的比值（外星GV / EV）为特定的观察进一步相比平均GV / EV估计所有的观察是一个特定的标准同一天空。然后在标准的天空与最近的值分类的观察。bartzokas等人。还定义了两个术语，即“正常”和“相反”的情况。所有这些被称为正常情况下。当观察并不归类为正常的情况下，分类是相反的条件下的重复。因此，68000个10分钟的数据被收集的分类。集成的DV，这是145个天空点的亮度的总和被用来形成LZ / DV。表2总结了所有的15个标准天空的法线和相反的数目。所有上述测试后，约24000和10300个数据点被归类为正常和相反的情况下，分别。这意味着，大约50%的数据（即33700的68000）被发现以外的72.5%区和排除分析。被排除的数据主要是清晰的天空条件在高太阳高度。这并不奇怪，因为香港位于低纬度地区（22.31n）和超过351高的太阳高度频繁出现的大多数系统。可以看出，正常情况下，在阴天和晴朗的天空，反之亦然，部分多云的情况下，是相反的。这种功能和那些冬天的布拉迪斯拉发很相似（bartzokas et al.，2003）。出现的频率显示范围从3.1%天空型15 - 10.3%天空型1。RMSEs是个别的天空相当大（包括正常和相反的情况下）介于24.5%天和51.3%天的标准13%标准9。总体均方根误差是34.6%，这是10.8%高于基于最佳拟合方法。

4.3.程序

Bartzokas等人天空分类的方法很适合。然而，对于低纬度的CLI的地方，大量的数据可能会被排除进一步分析。由Kittler和Darula提出（2002），对LZ / DVAgrave;GV /EV是一种有效的混合日光变量解释三种典型天气条件下（如阴天、多云、清晰）。当大气清晰，日光照度的一小部分是分散的，结果在主要的直接成分大量GV /ev。一个阴天，大量的室外照度分布，表明较低的GV / EV成分高的部分。有lz/ DVAgrave;GV /ev为代表的各种天气条件没有明确的定义。基于测得的香港数据，我们提出了LZ / DV对3种典型的天空识别Agrave;GV / EV范围（李和Lau，2007）。 为了区分5种天空类型之间的数据集，比LZ / DV和DV / EV采用了EM。Darula基特勒（2004）表明，1–4大于0.32和LZ / DVfrac14;0.32代表绝对均匀的天空的标准通常LZ / DV范围（即天空5型）（Li et al.，2004）。这表明，LZ / DV的0.32将是一个适当的阈值，以确定天空标准5。天空标准1 - 4可以进一步分类使用DV / EV。在标准的天空亮度分布显示表（SSLD）（基特勒等人，1998）一般的DV /ev大于0.18天标准的2和4，而小于0.18天的标准1和3。图3的深入研究表明，理论LZ / DV曲线可用于分离天空类型1和3，和天空类型2和。图4给出了识别5阴天空的过程。 对于部分多云的情况，天空标准6应该没有任何直接的阳光。当没有直接的组件（BV），它可以被视为天空标准6。其余4个天空标准可分为使用发光浊度（tv）。tv的一般公式（基特勒等人，1998） 天空标准7和9的典型tv值一般高于天空标准8和10，tv是标准。然后，理论LZ / DV曲线再次被用来解释天空标准。相同的68000个10分钟的天空亮度数据被用来形成和评估天空分类按照所提出的方法。再次，RMSEs的评估计算。图7显示（一）发生的频率和（B）结果的均方根误差。天空标准1和13有发生以上所有的天空和33%的最大频率的问题。这些发现与我们的协议吻合得很好。 以前的数据（李et al.，2004年a，b）。天空标准10的发生频率最低为1.4%。除了天空标准8和9，个别天空发生的频率是类似的使用最合适的方法（即图2）。一般来说，图7表明，天空在这样的分类标准是相当均匀地分布在3种典型天气条件下的。的有效值范围从少于14天的标准超过49%天标准9 25%。

5.结论

您是不是要找:

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章