Please use this identifier to cite or link to this item: https://repositorio.ufjf.br/jspui/handle/ufjf/21117
Files in This Item:
File Description SizeFormat 
cadernosderesumos1eiaufjf2024.pdfPDF/A432.28 kBAdobe PDFView/Open
Full metadata record
DC FieldValueLanguage
dc.creatorRibeiro Júnior, Israel Louback-
dc.creatorOliveira, Gabriela-
dc.creatorMendes, Vítor Freitas-
dc.creatorMendes, Júlia Castro-
dc.date.accessioned2026-08-25T12:55:00Z-
dc.date.available2026-08-25-
dc.date.available2026-08-25T12:55:00Z-
dc.date.issued2024-12-03-
dc.citation.issue1pt_BR
dc.identifier.urihttps://repositorio.ufjf.br/jspui/handle/ufjf/21117-
dc.description.abstract-pt_BR
dc.description.resumoO 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.pt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal de Juiz de Fora (UFJF)pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.initialsUFJFpt_BR
dc.relation.ispartof1º Encontro de Inteligência Artificial na UFJFpt_BR
dc.rightsAcesso Abertopt_BR
dc.rightsAttribution 3.0 Brazil*
dc.rights.urihttp://creativecommons.org/licenses/by/3.0/br/*
dc.subjectDesempenho térmico de edificaçõespt_BR
dc.subjectEficiência energéticapt_BR
dc.subjectAprendizado de máquinapt_BR
dc.subjectCarga térmicapt_BR
dc.subjectGraus-horapt_BR
dc.subject.cnpqCNPQ::CIENCIAS SOCIAIS APLICADAS::COMUNICACAOpt_BR
dc.subject.cnpqCNPQ::CIENCIAS SOCIAIS APLICADAS::ARQUITETURA E URBANISMOpt_BR
dc.titleUtilização de técnicas de Machine Learning para análise do desempenho térmico de materiais construtivos em edificaçõespt_BR
dc.typeArtigo de Eventopt_BR
dc.contributor.organizadorBraida, Fredericopt_BR
dc.contributor.organizadorNascimento, Vivianept_BR
dc.contributor.organizadorGonçalves, Narcellypt_BR
Appears in Collections:1º Encontro de Inteligência Artificial na UFJF

Show simple item record Recommend this item
Facebook Twitter LinkedIn Google+ Mendeley Whatsapp


This item is licensed under a Creative Commons License Creative Commons