Modelos de predição da redução do consumo energético em edifícios que utilizam a iluminação natural através de regressão linear multivariada e redes neurais artificiais

AUTOR(ES)

Fonseca, Raphaela Walger da, Didoné, Evelise Leite, Pereira, Fernando Oscar Ruttkay

FONTE

Ambiente Construído

DATA DE PUBLICAÇÃO

2012-03

RESUMO

Muitos estudos já comprovaram a preferência dos usuários pela luz natural como fonte de luz em edificações. Além de benefícios à saúde atribuídos a sua influência no ritmo circadiano humano, a elevada qualidade na reprodução de cor, entre outros aspectos, a luz natural apresenta reconhecido potencial de economia de energia quando substitui ou complementa a iluminação artificial. Outro fator a ser considerado é que a maior disponibilidade de iluminação natural coincide com o horário comercial de funcionamento de edificações de escritório. Neste contexto, o objetivo deste trabalho é demonstrar um comparativo entre dois modelos de aproximação de funções utilizadas para representar o potencial de economia de energia través do uso da iluminação natural em escritórios. São eles: Regressão Linear Multivariada e Regressão Não Linear Multivariada, também conhecida como Rede Neural Artificial (RNA). Os resultados mostraram que as RNAs são mais adequadas para esse tipo de problema devido a sua grande habilidade de aprender, o que permite melhor capacidade de generalizar os dados em relação à Regressão Linear Multivariada.

ASSUNTO(S)

iluminação natural eficiência energética redes neurais artificiais

Documentos Relacionados

• Usando redes neurais artificiais e regressão logística na predição da Hepatite A
• Modelos de dispositivos de microondas e ópticos através de redes neurais artificiais de alimentação direta
• Estudo sobre a viabilidade da simulação e predição de efeitos difusivos em reações de polimerização atraves de modelos deterministicos e redes neurais
• Predição da intensidade do campo elétrico da onda de superfície utilizando redes neurais artificiais
• Redes neurais artificiais aplicadas na caracterização e predição de regiões promotoras