Uma comparação de técnicas de aprendizado de máquina para a previsão de cargas energéticas em edifícios

• Autor(a) principal: Duarte,Grasiele Regina
• Data de Publicação: 2017
• Outros Autores: Fonseca,Leonardo Goliatt da, Goliatt,Priscila Vanessa Zabala Capriles, Lemonge,Afonso Celso de Castro
• Tipo de documento: Artigo
• Idioma: por
• Título da fonte: Ambiente construído (Online)
• Texto Completo: http://old.scielo.br/scielo.php?script=sci_arttext&pid=S1678-86212017000300103
• topic: Eficiência energética; Cargas de aquecimento e resfriamento; Aprendizado de máquina

Resumo Métodos de aprendizagem de máquina podem ser usados para auxiliar o projeto de edifícios energeticamente eficientes, reduzindo cargas de energia enquanto se mantém a temperatura interna desejada. Eles operam estimando uma resposta a partir de um conjunto de entradas tais como a geometria do edifício, propriedades do material, custos do projeto, condições do tempo no local e impacto ambiental. Esses métodos requerem uma fase de treinamento que considera uma base de dados construída a partir de variáveis selecionadas no domínio do problema. Este trabalho avalia o desempenho de quatro métodos de aprendizado de máquina na predição de cargas de resfriamento e aquecimento de edifícios residenciais. A base de dados do treinamento consiste de oito variáveis de entrada e duas variáveis de saída, todas derivadas de projetos de edifícios. Os métodos foram selecionados de acordo com uma pesquisa exaustiva e ajustados por uma estratégia com validação cruzada. Para a avaliação foram usadas quatro medidas estatísticas de desempenho e um índice de sintetização e resultados. Essa estratégia resultou em algoritmos com parâmetros otimizados e permitiu obter resultados competitivos com os apresentados na literatura.