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

Detalhes bibliográficos
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: eng
Título da fonte: Repositório Institucional da UFJF
Texto Completo: http://dx.doi.org/10.1590/s1678-86212017000300165
https://repositorio.ufjf.br/jspui/handle/ufjf/7267
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.
id UFJF_0b9e9fbc504279c67aa88de539f2a503
oai_identifier_str oai:hermes.cpd.ufjf.br:ufjf/7267
network_acronym_str UFJF
network_name_str Repositório Institucional da UFJF
repository_id_str
spelling 2018-09-05T15:22:03Z2018-08-072018-09-05T15:22:03Z2017-07DUARTE, Grasiele Regina et al. Uma comparação de técnicas de aprendizado de máquina para a previsão de cargas energéticas em edifícios. Ambient. constr., Porto Alegre, v. 17, n. 3, p.103-115, jul. 2017. Disponível em <http://www.scielo.br/scielo.php?script=sci_arttext&pid=S1678-86212017000300103&lng=pt&nrm=iso>. acessos em 03 set. 2018. http://dx.doi.org/10.1590/s1678-86212017000300165.http://dx.doi.org/10.1590/s1678-86212017000300165https://repositorio.ufjf.br/jspui/handle/ufjf/7267173103115Métodos 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.Machine learning methods can be used to help design energy-efficient buildings reducing energy loads while maintaining the desired internal temperature. They work by estimating a response from a set of inputs such as building geometry, material properties, project costs, local weather conditions, as well as environmental impacts. These methods require a training phase which considers a dataset drawn from selected variables in the problem domain. This paper evaluates the performance of four machine learning methods to predict cooling and heating loads of residential buildings. The dataset consists of 768 samples with eight input variables and two output variables derived from building designs. The methods were selected based on exhaustive research with cross validation. Four statistical measures and one synthesis index were used for the performance assessment and comparison. The proposed framework resulted in accurate prediction models with optimized parameters that can potentially avoid modeling and testing various designs, helping to economize in the initial phase of the project.eng--BrasilAmbiente Construído-Eficiência energéticaCargas de aquecimento e resfriamentoAprendizado de máquinaEnergy efficiencyHeating and cooling loadsMachine learningUma comparação de técnicas de aprendizado de máquina para a previsão de cargas energéticas em edifíciosComparison of machine learning techniques for predicting energy loads in buildingsinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/articleDuarte, Grasiele ReginaFonseca, Leonardo Goliatt daGoliatt, Priscila Vanessa Zabala CaprilesLemonge, Afonso Celso de Castroinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFJFinstname:Universidade Federal de Juiz de Fora (UFJF)instacron:UFJFTHUMBNAILUma comparação de técnicas de aprendizado de máquina para a previsão de cargas energéticas em edifícios.pdf.jpgUma comparação de técnicas de aprendizado de máquina para a previsão de cargas energéticas em edifícios.pdf.jpgGenerated Thumbnailimage/jpeg1599https://repositorio.ufjf.br/jspui/bitstream/ufjf/7267/6/Uma%20compara%c3%a7%c3%a3o%20de%20t%c3%a9cnicas%20de%20aprendizado%20de%20m%c3%a1quina%20para%20a%20previs%c3%a3o%20de%20cargas%20energ%c3%a9ticas%20em%20edif%c3%adcios.pdf.jpge9b4c7c44f2f06983d80a91a5228eb2bMD56ORIGINALUma comparação de técnicas de aprendizado de máquina para a previsão de cargas energéticas em edifícios.pdfUma comparação de técnicas de aprendizado de máquina para a previsão de cargas energéticas em edifícios.pdfapplication/pdf786269https://repositorio.ufjf.br/jspui/bitstream/ufjf/7267/3/Uma%20compara%c3%a7%c3%a3o%20de%20t%c3%a9cnicas%20de%20aprendizado%20de%20m%c3%a1quina%20para%20a%20previs%c3%a3o%20de%20cargas%20energ%c3%a9ticas%20em%20edif%c3%adcios.pdfb0d285b71f45f050cce2a45b7ae97da9MD53LICENSElicense.txtlicense.txttext/plain; charset=utf-82197https://repositorio.ufjf.br/jspui/bitstream/ufjf/7267/4/license.txt000e18a5aee6ca21bb5811ddf55fc37bMD54TEXTUma comparação de técnicas de aprendizado de máquina para a previsão de cargas energéticas em edifícios.pdf.txtUma comparação de técnicas de aprendizado de máquina para a previsão de cargas energéticas em edifícios.pdf.txtExtracted texttext/plain47432https://repositorio.ufjf.br/jspui/bitstream/ufjf/7267/5/Uma%20compara%c3%a7%c3%a3o%20de%20t%c3%a9cnicas%20de%20aprendizado%20de%20m%c3%a1quina%20para%20a%20previs%c3%a3o%20de%20cargas%20energ%c3%a9ticas%20em%20edif%c3%adcios.pdf.txt3ea1d35976c9a69afa9f3bf7528b6c5fMD55ufjf/72672019-06-16 10:41:27.983oai:hermes.cpd.ufjf.br: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Repositório InstitucionalPUBhttps://repositorio.ufjf.br/oai/requestopendoar:2019-06-16T13:41:27Repositório Institucional da UFJF - Universidade Federal de Juiz de Fora (UFJF)false
dc.title.pt_BR.fl_str_mv Uma comparação de técnicas de aprendizado de máquina para a previsão de cargas energéticas em edifícios
dc.title.alternative.pt_BR.fl_str_mv Comparison of machine learning techniques for predicting energy loads in buildings
title Uma comparação de técnicas de aprendizado de máquina para a previsão de cargas energéticas em edifícios
spellingShingle Uma comparação de técnicas de aprendizado de máquina para a previsão de cargas energéticas em edifícios
Duarte, Grasiele Regina
-
Eficiência energética
Cargas de aquecimento e resfriamento
Aprendizado de máquina
Energy efficiency
Heating and cooling loads
Machine learning
title_short Uma comparação de técnicas de aprendizado de máquina para a previsão de cargas energéticas em edifícios
title_full Uma comparação de técnicas de aprendizado de máquina para a previsão de cargas energéticas em edifícios
title_fullStr Uma comparação de técnicas de aprendizado de máquina para a previsão de cargas energéticas em edifícios
title_full_unstemmed Uma comparação de técnicas de aprendizado de máquina para a previsão de cargas energéticas em edifícios
title_sort Uma comparação de técnicas de aprendizado de máquina para a previsão de cargas energéticas em edifícios
author Duarte, Grasiele Regina
author_facet Duarte, Grasiele Regina
Fonseca, Leonardo Goliatt da
Goliatt, Priscila Vanessa Zabala Capriles
Lemonge, Afonso Celso de Castro
author_role author
author2 Fonseca, Leonardo Goliatt da
Goliatt, Priscila Vanessa Zabala Capriles
Lemonge, Afonso Celso de Castro
author2_role author
author
author
dc.contributor.author.fl_str_mv Duarte, Grasiele Regina
Fonseca, Leonardo Goliatt da
Goliatt, Priscila Vanessa Zabala Capriles
Lemonge, Afonso Celso de Castro
dc.subject.cnpq.fl_str_mv -
topic -
Eficiência energética
Cargas de aquecimento e resfriamento
Aprendizado de máquina
Energy efficiency
Heating and cooling loads
Machine learning
dc.subject.por.fl_str_mv Eficiência energética
Cargas de aquecimento e resfriamento
Aprendizado de máquina
Energy efficiency
Heating and cooling loads
Machine learning
description 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.
publishDate 2017
dc.date.issued.fl_str_mv 2017-07
dc.date.accessioned.fl_str_mv 2018-09-05T15:22:03Z
dc.date.available.fl_str_mv 2018-08-07
2018-09-05T15:22:03Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/article
format article
status_str publishedVersion
dc.identifier.citation.fl_str_mv DUARTE, Grasiele Regina et al. Uma comparação de técnicas de aprendizado de máquina para a previsão de cargas energéticas em edifícios. Ambient. constr., Porto Alegre, v. 17, n. 3, p.103-115, jul. 2017. Disponível em <http://www.scielo.br/scielo.php?script=sci_arttext&pid=S1678-86212017000300103&lng=pt&nrm=iso>. acessos em 03 set. 2018. http://dx.doi.org/10.1590/s1678-86212017000300165.
dc.identifier.uri.fl_str_mv https://repositorio.ufjf.br/jspui/handle/ufjf/7267
dc.identifier.doi.pt_BR.fl_str_mv http://dx.doi.org/10.1590/s1678-86212017000300165
identifier_str_mv DUARTE, Grasiele Regina et al. Uma comparação de técnicas de aprendizado de máquina para a previsão de cargas energéticas em edifícios. Ambient. constr., Porto Alegre, v. 17, n. 3, p.103-115, jul. 2017. Disponível em <http://www.scielo.br/scielo.php?script=sci_arttext&pid=S1678-86212017000300103&lng=pt&nrm=iso>. acessos em 03 set. 2018. http://dx.doi.org/10.1590/s1678-86212017000300165.
url http://dx.doi.org/10.1590/s1678-86212017000300165
https://repositorio.ufjf.br/jspui/handle/ufjf/7267
dc.language.iso.fl_str_mv eng
language eng
dc.relation.ispartof.pt_BR.fl_str_mv Ambiente Construído
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv -
dc.publisher.initials.fl_str_mv -
dc.publisher.country.fl_str_mv Brasil
publisher.none.fl_str_mv -
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFJF
instname:Universidade Federal de Juiz de Fora (UFJF)
instacron:UFJF
instname_str Universidade Federal de Juiz de Fora (UFJF)
instacron_str UFJF
institution UFJF
reponame_str Repositório Institucional da UFJF
collection Repositório Institucional da UFJF
bitstream.url.fl_str_mv https://repositorio.ufjf.br/jspui/bitstream/ufjf/7267/6/Uma%20compara%c3%a7%c3%a3o%20de%20t%c3%a9cnicas%20de%20aprendizado%20de%20m%c3%a1quina%20para%20a%20previs%c3%a3o%20de%20cargas%20energ%c3%a9ticas%20em%20edif%c3%adcios.pdf.jpg
https://repositorio.ufjf.br/jspui/bitstream/ufjf/7267/3/Uma%20compara%c3%a7%c3%a3o%20de%20t%c3%a9cnicas%20de%20aprendizado%20de%20m%c3%a1quina%20para%20a%20previs%c3%a3o%20de%20cargas%20energ%c3%a9ticas%20em%20edif%c3%adcios.pdf
https://repositorio.ufjf.br/jspui/bitstream/ufjf/7267/4/license.txt
https://repositorio.ufjf.br/jspui/bitstream/ufjf/7267/5/Uma%20compara%c3%a7%c3%a3o%20de%20t%c3%a9cnicas%20de%20aprendizado%20de%20m%c3%a1quina%20para%20a%20previs%c3%a3o%20de%20cargas%20energ%c3%a9ticas%20em%20edif%c3%adcios.pdf.txt
bitstream.checksum.fl_str_mv e9b4c7c44f2f06983d80a91a5228eb2b
b0d285b71f45f050cce2a45b7ae97da9
000e18a5aee6ca21bb5811ddf55fc37b
3ea1d35976c9a69afa9f3bf7528b6c5f
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFJF - Universidade Federal de Juiz de Fora (UFJF)
repository.mail.fl_str_mv
_version_ 1813193932758056960

Registros relacionados