Predição da eficiência energética de edifícios residenciais utilizando redes neurais artificiais.

Abstract

Métodos de aprendizado de máquina podem ser usados para ajudar a projetar edifícios, reduzindo as cargas de energia enquanto se mantem a temperatura interna em níveis desejados. O presente trabalho visa estudar o efeito de oito variáveis referentes a construção de edifícios, a saber: compacidade relativa, área de superfície, área da parede, área do telhado, altura total, orientação, área envidraçada e distribuição da área envidraçada, para prever duas variáveis de saída (carga de aquecimento e carga de refrigeração) utilizando redes neurais artificiais. A base de dados empregada considera dados de 768 edifícios. Foi realizada um estudo estatístico entre as variáveis e foram testados os parâmetros de modelos preditivos do tipo MultiLayer Perceptron (MLP) e Redes Convolucionais (CNN). Dentre os cenários testados, o método MLP forneceu um erro absoluto médio de 0.28 na predição da carga de aquecimento e de 0.36 para a predição da carga de aquecimento. O erro cometido pelo modelo proposto é menor que os relatados na literatura que também empregam a mesma base de dados.