面向撒哈拉亚南部地区的室内温度通用 AI 模型
机器学习
2025-08-29 v1
摘要
本研究提出了一种轻量级、基于领域知识的 AI 模型，用于预测撒哈拉亚南部地区自然通风学校和住宅的室内温度。该模型扩展了 Temp-AI-Estimator 框架，基于坦桑尼亚学校数据进行训练，在尼日利亚学校和冈比亚住宅上进行评估。仅使用可获取的最小输入，即可实现跨国稳健性能，尼日利亚学校的平均绝对误差为 1.45°C，冈比亚住宅为 0.65°C。这些发现凸显了 AI 在资源受限环境下进行热舒适管理的潜力。
引用
@article{arxiv.2508.20260,
title = {Generalizable AI Model for Indoor Temperature Forecasting Across Sub-Saharan Africa},
author = {Zainab Akhtar and Eunice Jengo and Björn Haßler},
journal= {arXiv preprint arXiv:2508.20260},
year = {2025}
}