(Th9). Mohamed Khayri RAHMANI   (January 2023 - May 2026)

• Thesis topic : Contributions à l'efficacité énergétique et au confort thermique pour les bâtiments intelligents

• Thesis director :  Dr. Anouar BEN KHALIFA.

• Co-supervisor : Dr. Hajer CHTIOUI, Dr. Mireille Gettler Summa

• Institution : ENISo, University of Sousse.

• Defense date : May 09, 2026 

• Abstract : Reducing building energy consumption while maintaining adequate thermal comfort for occupants is a key challenge in smart buildings. This thesis proposes innovative human-centered approaches for modeling and controlling heating, ventilation, and air-conditioning (HVAC) systems, leveraging artificial intelligence and machine learning techniques. The first contribution demonstrates the impact of gender on thermal comfort perception using benchmark datasets, highlighting greater consistency in female responses and superior performance of XGBoost models trained on these data. The second contribution introduces a hybrid deep GRU–BiGRU transfer learning model that improves the generalization of comfort predictions in data-scarce contexts. The third contribution presents an HVAC control strategy based on optimal trajectory generation that explicitly integrates thermal comfort predictions, achieving a 27% reduction in energy consumption compared to conventional setpoint-based control. Finally, an integrated framework combining advanced oversampling, adaptive LSTM modeling, and deep reinforcement learning is validated on real industrial data collected in Tunisia, achieving 92% accuracy, a thermal comfort satisfaction rate of 94.5%, and energy savings ranging from 23% to 31%.

• Key words :  Thermal comfort; Smart buildings; HVAC systems; Artificial intelligence; Machine learning; Transfer learning; Deep reinforcement learning; Energy efficiency.

• Résumé : La réduction de la consommation énergétique des bâtiments tout en maintenant un confort thermique adapté aux occupants constitue un enjeu clé des bâtiments intelligents. Cette thèse propose des approches innovantes de modélisation et de contrôle des systèmes CVC centrées sur l’humain, en s’appuyant sur l’intelligence artificielle et l’apprentissage automatique. Une première contribution démontre l’impact du genre sur la perception du confort thermique à partir de bases de données de référence, mettant en évidence une meilleure cohérence des réponses féminines et des performances supérieures des modèles XGBoost entraînés sur ces données. La deuxième contribution introduit un modèle profond hybride GRU–BiGRU basé sur l’apprentissage par transfert, permettant d’améliorer la généralisation des prédictions de confort dans des contextes à données limitées. La troisième contribution propose une stratégie de contrôle CVC fondée sur la génération de trajectoires optimales intégrant les prédictions de confort, conduisant à une réduction de la consommation énergétique de 27 % par rapport à un contrôle classique. Enfin, un cadre intégré combinant suréchantillonnage avancé, modélisation adaptative par LSTM et apprentissage par renforcement profond est validé sur des données industrielles réelles collectées en Tunisie, atteignant une exactitude de 92 %, un taux de satisfaction thermique de 94,5 % et des économies d’énergie comprises entre 23 % et 31 %.

• Mots Clés :  Confort thermique ; Bâtiments intelligents ; Systèmes CVC ; Intelligence artificielle ; Apprentissage automatique ; Apprentissage par transfert ; Apprentissage par renforcement profond ; Efficacité énergétique.

• Publications : This thesis led to the publication of the following papers : 

(J25). Mohamed Khayri Rahmani, Hajer Chtioui, Jalel Ben Hadj Slama, Mireille Gettler Summa, Anouar Ben Khalifa,. Numerical and experimental study using a novel approach to balance data for thermal comfort prediction. Advances in Building Energy Research, pages 1–28, 2025. DOI:  https://doi.org/10.1080/17512549.2025.2607052  Quartile: Q2, IF=2.5.

(Cxx) Mohamed Khayri Rahmani, Hajer Chtioui, Jalel Ben Hadj Slama, Mireille Gettler Summa and Anouar Ben Khalifa, Predictive Trajectory-Based Thermal Comfort Control in Smart Buildings, 20th IEEE International Conference on Advances in Data-Driven Analytics and Intelligent Systems November (ADACIS), pp. 1-6, 2025.

(C63). Mohamed Khayri Rahmani, Hajer Chtioui, Jalel Ben Hadj Slama, Mireille Gettler Summa, Anouar Ben Khalifa, Transfer Learning for Predicting Thermal Comfort in Office Environments with Climate Similar to Tunisia: Overcoming Data Scarcity with Deep GRU-BiGRU Models, 2025 11th International Conference on Control, Decision and Information Technologies (CoDIT), Split, Croatia, 2025, pp. 1096-1101, DOI: https://doi.org/10.1109/CoDIT66093.2025.11321383  (Conf.Rank C)  

(C61). Mohamed Khayri Rahmani, Hajer Chtioui, Jalel Ben Hadj Slama, Mireille Gettler Summa, Anouar Ben Khalifa, Gender Role in Thermal Comfort Prediction in Industrial Environments Using a Novel XGBoost Approach, 2025 11th International Conference on Control, Decision and Information Technologies (CoDIT), Split, Croatia, 2025, pp. 781-786, DOI: https://doi.org/10.1109/CoDIT66093.2025.11321519 (Conf.Rank C)