SOUNDLAB AI Tool – Machine Learning zur Bestimmung des bewerteten Schalldämmmaßes. Issue 1 (19th July 2022)

• Record Type: Journal Article
• Authors: Drass, Michael; Kraus, Michael Anton; Riedel, Henrik; Stelzer, Ingo
• Is Part Of: Ce/papers. Volume 5:Issue 1(2022)
• Page Start: 147
• Page End: 156
• Publication Date: 2022-07-19
• Subjects: Künstliche Intelligenz -- Maschinelles Lernen -- Glas -- Akustik; artificial intelligence -- machine learning -- glass -- acoustics; Civil engineering -- Periodicals; 624
• DOI: 10.1002/cepa.1665
• Languages: English
• ISSNs: 2509-7075

Abstract

Abstract: 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.