Use este identificador para citar ou linkar para este item:
https://repositorio.ufjf.br/jspui/handle/ufjf/21117Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| cadernosderesumos1eiaufjf2024.pdf | PDF/A | 432.28 kB | Adobe PDF | Visualizar/Abrir |
| Tipo: | Artigo de Evento |
| Título: | Utilização de técnicas de Machine Learning para análise do desempenho térmico de materiais construtivos em edificações |
| Autor(es): | Ribeiro Júnior, Israel Louback Oliveira, Gabriela Mendes, Vítor Freitas Mendes, Júlia Castro |
| Organizador(es): | Braida, Frederico Nascimento, Viviane Gonçalves, Narcelly |
| Resumo: | O aumento das ondas de calor ao longo dos anos tem elevado significativamente a demanda por energia para climatização de ambientes internos, intensificando as emissões de gases de efeito estufa e pressionando financeiramente as famílias. Para enfrentar esses desafios ambientais, econômicos e sociais, é essencial selecionar materiais de construção que promovam conforto térmico com o mínimo consumo de energia. Este estudo propõe um modelo de aprendizado de máquina para prever o desempenho térmico de edificações com base nos materiais de sua envoltória, a partir de um banco de dados de 35 mil combinações construtivas. A técnica XGBoost foi aplicada em duas habitações de interesse social, utilizando simulações energéticas no software EnergyPlus, realizadas para a cidade de São Paulo, Brasil. Foram analisados dois métodos de desempenho térmico: Carga Térmica (CT) e Graus-Hora (GH). O modelo alcançou resultados satisfatórios, com coeficientes R² acima de 0,97 para previsão de CT e GH. O treinamento com apenas 2% dos dados já resultou em R² acima de 0,90, reduzindo a necessidade de morosas simulações energéticas e mostrando que o aprendizado de máquina é uma ferramenta promissora para apoiar o planejamento térmico e energético de edificações. |
| Abstract: | - |
| Palavras-chave: | Desempenho térmico de edificações Eficiência energética Aprendizado de máquina Carga térmica Graus-hora |
| CNPq: | CNPQ::CIENCIAS SOCIAIS APLICADAS::COMUNICACAO CNPQ::CIENCIAS SOCIAIS APLICADAS::ARQUITETURA E URBANISMO |
| Idioma: | por |
| País: | Brasil |
| Editor: | Universidade Federal de Juiz de Fora (UFJF) |
| Sigla da Instituição: | UFJF |
| Tipo de Acesso: | Acesso Aberto Attribution 3.0 Brazil |
| Licenças Creative Commons: | http://creativecommons.org/licenses/by/3.0/br/ |
| URI: | https://repositorio.ufjf.br/jspui/handle/ufjf/21117 |
| Data do documento: | 3-Dez-2024 |
| Aparece nas coleções: | 1º Encontro de Inteligência Artificial na UFJF |
Este item está licenciado sob uma Licença Creative Commons
