The Wet-Bulb Globe Temperature (WBGT) index prediction for open-air environments through Artificial Neural Networks using weather station data

Authors

DOI:

https://doi.org/10.55761/abclima.v30i18.14713

Keywords:

Meteorologia instrumental, Técnica de estimação, Gerenciamento de risco, Estresse ao calor

Abstract

This work aims to demonstrate the technical feasibility of estimating the wet-bulb globe temperature (WBGT) for the open-air environment without artificial heat source through data measured in conventional meteorological stations using Artificial Neural Networks (ANN). To this end, it was installed a natural wet bulb and globe thermometers in a conventional meteorological station to calculate the IBUTG synchronously with the variables of temperature, humidity, and airspeed, as well as direct solar radiation and atmospheric pressure. The ANN training was conducted using 81 days of measurements. Some RNA configurations have been modified to find the one with the best performance for the network. For the training validation test, a day with open sky, cloudy and rainy conditions were selected, with synoptic conditions that impose high heat stress. The WBGT estimated by the ANN followed the daily cycle of the measured IBUTG, with the best network configuration (three layers and five neurons) estimating an average daily square error of 0.3060°C and an absolute mean error of 0.1818°C (a 0.7% of percentage error). We concluded for the technical feasibility of estimating WBGT with adequate precision from meteorological data is proven, which allows the ANN technique to be used as an occupational risk management strategy.

Downloads

Download data is not yet available.

Author Biographies

Ivan Julio Apolonio Callejas, Departamento de Arquitetura e Urbanismo/Faculdade de Arquitetura, Engenharia e Tecnologia, Universidade Federal de Mato Grosso - UFMT

Graduado pela Universidade Federal de Mato Grosso (1995). Mestre pela Faculdade de Engenharia Civil, área de concentração Estruturas, Universidade Estadual de Campinas (1998). Doutor pelo programa de pós graduação em Física Ambiental na área de conforto ambiental (2012). Atualmente é professor Associado I da Universidade Federal de Mato Grosso, atuando no Departamento de Arquitetura e Urbanismo, tendo atuado como docente do Curso de Pós-Graduação em Engenharia de Edificações e Ambiental (PPGEEA). Integra como colaborador o curso de Mestrado Profissional em Propriedade Intelectual e Transferência de Tecnologia para Inovação (PROFNIT). É líder do Grupo de Pesquisa em Dinâmica Ambiental e Tecnologia (GPDAT). Atuou como bolsista do CNPq, na modalidade EXP (extensão no país), no Programa Agentes Locais de Inovação (ALI) do SEBRAE-MT, de 2014 a 2016. Tem experiência na área de Arquitetura/ Engenharia Civil e interesse na área de tecnologia do ambiente construído, com enfoque na sustentabilidade, voltados ao desempenho termoenergético das edificações e desenvolvimento de materiais, produtos e processos construtivos inovadores.

Ermete Cauduro Bianchi, Departamento de Ensino – Campus Pontes e Lacerda, Instituto Federal de Mato Grosso (IFMT)

raduado em "Engenharia Elétrica" pela Universidade Federal de Mato Grosso - UFMT (2015). Possui especialização em "Engenharia de Segurança do Trabalho" pela Universidade Federal de Mato Grosso - UFMT. Participou do Programa de Educação Tutorial do curso de Engenharia Elétrica (PET - ELÉTRICA UFMT) no período de Dezembro de 2010 a Junho de 2013. Graduação Saduiche por intercâmbio internacional entre Agosto de 2013 a Julho de 2014 na Università Degli Studi di Firenze - Florença, Itália pelo programa Ciência Sem Fronteiras, com bolsa Capes. Mestre em "Engenharia de Edificações e Ambiental" pela Universidade Federal de Mato Grosso - UFMT (2018). Professor Substituto na UFMT - 2018 a 2019.

References

AGUIRE, L. A. Introdução à identificação de sistemas: técnicas lineares e não-lineares aplicadas a sistemas reais. Belo Horizonte: Editora UFMG, 2007. 728 p.

AMORIM, A. ELOÁ B.; LABAKI, L. C.; MAIA, P. A.; BARROS, T. M. SANTIAGO; & MONTEIRO, L. R. Exposição ocupacional ao calor em atividades a céu aberto na construção de estruturas de edifícios. Ambiente Construído, v.20, n.1, p.231-245, 2019. Disponível em: https://doi.org/10.1590/s1678-86212020000100371. Acesso em: 15 fev. 2021.

ATTHAJARIYAKUL, S.; LEEPHAKPREEDA, T. Neural computing thermal comfort index for HVAC systems. Energy Conversion and Management, v. 46, n. 15-16, p. 2553–2565, 2005. Disponível em: https://doi.org/10.1016/j.enconman.2004.12.007. Acesso em: 15 fev. 2021.

ANOCHI, Juliana Aparecida. Previsão climática de precipitação por redes neurais autoconfiguradas. 2015. Tese (Doutorado em Computação Aplicada) – Instituto Nacional de Pesquisas Espaciais, São José dos Campos, 2015.

Ministério do Trabalho e Emprego. Portaria n° 3214 de 8 de junho de 1978: Normas Regulamentadoras relativas à segurança e medicina do trabalho. NR. 15 – Atividades e operações insalubres, 1978a.

Ministério do Trabalho e Emprego. Portaria n° 3214 de 8 de junho de 1978: Normas Regulamentadoras relativas à segurança e medicina do trabalho. NR. 09 – Programa de Prevenção de Riscos Ambientais, 1978b.

BIANCHI, E. C. Estimativa da energia elétrica gerada por um sistema fotovoltaico utilizando Redes Neurais Artificiais. 2018. 126f. Dissertação (mestrado) – Universidade Federal de Mato Grosso, Faculdade de Arquitetura, Engenharia e Tecnologia, Cuiabá, 2018.

BORGES, V. C. A. L.; CALLEJAS, I. J. A.; DURANTE, L. C. Thermal sensation in outdoor urban spaces: a study in a Tropical Savannah climate Brazil. Int J Biometeorol, v.64, p.533–545, 2020. Disponível em: https://doi.org/10.1007/s00484-019-01830-x. Acesso em: 25 jan. 2021.

BUDD, G. M. Wet-bulb globe temperature (WBGT) - its history and its limitations. Journal of Science and Medicine in Sport, v.11, n.1, p.20-32, 2008. Disponível em: https://doi.org/10.1016/j.jsams.2007.07.003. Acesso em: 15 fev. 2021.

CALLEJAS, I. J. A. Mapeamento do índice de bulbo úmido termômetro de globo (IBUTG) em região de clima tropical continental. 2012. 40 f. Monografia (Especialização) – Faculdade de Arquitetura, Engenharia e Tecnologia, Universidade Federal de Mato Grosso, Cuiabá, 2012.

CALLEJAS, I. J. A.; NOGUEIRA, M. C. J. A.; BIUDES, M. S.; DURANTE, L. C. Seasonal Variation of Surface Energy Balance of a Central Brazil City. Mercator, v.15, n.3, p.85–106, 2016. Disponível em: https://doi.org/10.4215/RM2016.1503.0006. Acesso em: 12 fev. 2021.

CAMELO, Henrique do Nascimento; LUCIO, Paulo Sérgio; LEAL JUNIOR, João Verçosa. Modelagem da Velocidade do Vento Usando Metodologias ARIMA, HOLT-WINTERS e RNA Na Previsão de Geração Eólica no Nordeste Brasileiro. Revista Brasileira de Climatologia, v. 21, p.449–466, 2017. Disponível em: https://dx.doi.org/10.5380/abclima.v21i0.48565. Acesso em: 15 jan. 2021.

CARVALHO, Roberto Luís da Silva; DELGADO, Angel Ramon Sanchez. Estimativas Das Modelagens Por Redes Neurais Tipo GMDH E BOX-JENKINS para Séries de Temperaturas Máximas e Mínimas do Município de Ariquemes (RO). Revista Brasileira de Climatologia, v. 26, p.326–344, 2020. Disponível em: https://doi.org/10.5380/abclima.v26i0.59145. Acesso em: 10 jan. 2021.

CHAN, S. Y.; CHAU, C. K. Development of artificial neural network models for predicting thermal comfort evaluation in urban parks in summer and winter. Building and Environment, v. 164, 106364, 2019. Disponível em: https://doi.org/10.1016/j.buildenv.2019.106364. Acesso em: 15 jan. 2021.

CORREA, S. M. B. B. Probabilidade e estatística. 2. ed. Belo Horizonte: PUC Minas Virtual, 2003. 116p.

DE PAULA, Diana Carolina Jesus et al. Estimativa da Temperatura do Ar Microclimática em Cuiabá/MT Utilizando Redes Neurais. Revista Brasileira de Climatologia, v. 28, 2021. Disponível em: http://dx.doi.org/10.5380/rbclima.v28i0.75304. Acesso em: 20 jan. 2021.

ENGELBRECHT, A. P. Computational intelligence: an introduction. 2. ed. Wiley, 2007. 628p.

FERREIRA, P. M.; RUANO, A. E.; SILVA, S.; CONCEIÇÃO, E. Z. E. Neural networks based predictive control for thermal comfort and energy savings in public buildings. Energy and Buildings, v.55, p. 238-251, 2012. Disponível em: https://doi.org/10.1016/j.enbuild.2012.08.002. Acesso em: 20 jan. 2021.

GAO, L.; BAI, H. Neural Network Based Prediction of PMV Index. In Architectural Engineering Conference (AEI), September 17-20, Austin, Texas, United States, 2003. Anais [...]. American Society of Civil Engineers, 2003. Disponível em: https://doi.org/10.1061/40699(2003)16. Acesso em: 25 jan. 2021.

GIAMPAOLI, Eduardo. NHO 06 - Avaliação Da Exposição Ocupacional Ao Calor. [s.n.], 2018. Web. Disponível em: https://www.abho.org.br/nho-06-avaliacao-da-exposicao-ocupacional-ao-calor/. Acesso em: 20 jan. 2021.

HAGAN, M. T.; DEMUTH, H. B.; BEALE, M. H.; JESÚS, O. Neural network design. 2. ed. Martin Hagan, 2014. 1012p.

HAYKIN, S. Redes neurais: princípios e práticas. 2. ed. Porto Alegre: Bookman, 2001. 898p.

INTERNATIONAL ORGANIZATION FOR STANDARDIZATION. ISO 7726. Ergonomics of the thermal environments: Instruments and methods for measuring physical quantities. International Standards Organization. Genebra, 1998.

KAIHO, Y.; TAKAMATSU, S.; e ITOH, T. Method of Estimating Heatstroke Risk Using Wristwatch-type Device, Sensors and Materials, v. 31, n. 12, p.4061-4068, 2019. Disponível em: https://doi.org/10.18494/SAM.2019.2452. Acesso em: 20 jan. 2021.

LOWRY, W. P. Empirical estimation of urban effects on climate: A problem analysis. Journal of Applied Meteorology, v.16, p.129-135, 1977. Disponível em: https://doi.org/10.1175/1520-0450(1977)016<0129:EEOUEO>2.0.CO;2. Acesso em: 30 jan. 2021.

MAIA, P.A.; RUAS, A. C.; BITENCOURT, D. P. Wet-bulb globe temperature index estimation using meteorological data from São Paulo State, Brazil. Int J Biometeorol,v. 59, n. 10, p.1395-403, 2015. Disponível em: https://doi.org/10.1007/s00484-014-0949-7. Acesso em: 30 jan. 2021.

MAHGOUB, A. O.; GOWID, S.; GHANI, S. Global evaluation of WBGT and SET indices for outdoor environments using thermal imaging and artificial neural networks. Sustainable Cities and Society, v. 60, 102182, 2020. Disponível em: https://doi.org/10.1016/j.scs.2020.102182. Acesso em: 25 jan. 2021.

MATHWORKS. MATLAB. Disponível em: https://www.mathworks.com/products/matlab.html. Acesso em: 10 mar. 2021.

MELLIT, A; SAǦLAM, S; KALOGIROU, S. A. Artificial neural network-based model for estimating the produced power of a photovoltaic module. Renewable Energy, v.60, p.71–78. 2013. Disponível em: https://doi.org/10.1016/j.renene.2013.04.011. Acesso em: 15 mar. 2021.

MOUSTRIS, K.; NASTOS, P. T.; PALIATSOS, A. G. One-Day Prediction of Biometeorological Conditions in a Mediterranean Urban Environment Using Artificial Neural Networks, Advances in Meteorology, V. 2013, 538508, 2013. Disponível em: https://doi.org/10.1155/2013/538508. Acesso em: 20 mar. 2021.

MOUSTRIS, K.; TSIROS, I. X.; TSELIOU, A. et al. Development and application of artificial neural network models to estimate values of a complex human thermal comfort index associated with urban heat and cool island patterns using air temperature data from a standard meteorological station. Int J Biometeorol, v.62, p.1265-1274, 2018. Disponível em: https://doi.org/10.1007/s00484-018-1531-5. Acesso em: 5 mar. 2021.

PALLADINO, D.; NARDI, I.; BURATTI, C. Artificial Neural Network for the Thermal Comfort Index Prediction: Development of a New Simplified Algorithm. Energies, v.13, 4500, 2020. Disponível em: https://doi.org/10.3390/en13174500. Acesso em: 5 mar. 2021.

OKE, T. R. Initial guide to obtain representative meteorological observations at urban site. World Meteorological Organization. Canadá: WMO, 2006. 47p.

ROSCANI, R. C.; BITENCOURT, D. P.; MAIA, P. A.; RUAS, A. C. Risco de exposição à sobrecarga térmica para trabalhadores da cultura de cana-de-açúcar no Estado de São Paulo, Brasil, Cad. Saúde Pública, v.33, n.3, e00211415, 2017. Disponível em: http://dx.doi.org/10.1590/0102-311X00211415. Acesso em: 10 mar. 2021.

SOUZA, Amaury de; PAVÃO, Hamilton Germano; OLIVEIRA, A. P. Garcia. Artificial Neural Networks: An Application In The Study Of Air Quality. Revista Brasileira de Climatologia, v. 13, 2014. Disponível em: http://dx.doi.org/10.5380/abclima.v13i0.33066. Acesso em: 15 mar. 2021.

WILLMOTT, C. J. Some comments on the evaluation of model performance. Bulletin of the American Meteorological Society, v. 63, n. 11, p.1309-1313, 1982. Disponível em: https://doi.org/10.1175/1520-0477(1982)063<1309:SCOTEO>2.0.CO;2. Acesso em: 10 fev. 2021.

Downloads

Published

10/04/2022

How to Cite

Callejas, I. J. A., & Bianchi, E. C. (2022). The Wet-Bulb Globe Temperature (WBGT) index prediction for open-air environments through Artificial Neural Networks using weather station data. Brazilian Journal of Climatology, 30(18), 524–548. https://doi.org/10.55761/abclima.v30i18.14713

Issue

Vol. 30 (2022)

Section

Artigos

License

A aprovação dos artigos implica a aceitação imediata e sem ônus de que a Revista Brasileira de Climatologia terá exclusividade na primeira publicação do artigo. Os autores continuarão, não obstante, a deter os direitos autorais. Os autores autorizam também que seus artigos sejam disponibilizados em todos os indexadores aos quais a revista está vinculada.

Os autores mantém seus direitos de publicação sem restrições

A Comissão Editorial não se responsabiliza pelos conceitos ou afirmações expressos nos trabalhos publicados, que são de inteira responsabilidade dos autores.

A Revista Brasileira de Climatologia oferece acesso livre imediato ao seu conteúdo, seguindo o entendimento de que disponibilizar gratuitamente o conhecimento científico ao público proporciona maior democratização do conhecimento e tende a produzir maior impacto dos artigos publicados. Os artigos publicados na revista são disponibilizados segundo a Licença Creative Commons CC-BY-NC 4.0 (https://creativecommons.org/licenses/by-nc/4.0/). Segundo essa licença é permitido acessar, distribuir e reutilizar os artigos para fins não comerciais desde que citados os autores e a fonte. Ao submeter artigos à Revista Brasileira de Climatologia, os autores concordam em tornar seus textos legalmente disponíveis segundo essa licença