PREDIÇÃO DE DESEMPENHO ENERGÉTICO EM EDIFICAÇÕES: uma abordagem baseada em treinamento de redes neurais de múltiplas camadas

Resumo

A eficiência energética em edificações é uma estratégia essencial para a redução do consumo de recursos naturais e para a promoção da sustentabilidade ambiental. Este estudo teve como objetivo analisar a influência de variáveis arquitetônicas no desempenho térmico de edifícios, por meio da aplicação de algoritmos de aprendizado de máquina em uma base de dados simulada, conhecida como Energy Efficiency Data Set. A metodologia envolveu análise exploratória, pré-processamento dos dados e aplicação de rede neural PMC aproximador (Perceptron múltiplas camadas) avaliados por métricas estatísticas como erro quadrático médio, coeficiente de Pearson e variância. Os resultados apontaram que a rede neural assumiu boa eficiência em sua aproximação, porém é necessário subdividir os modelos de edifícios para que evite a dispersão entre os dados, proporcionando uma menor variância. Constatou-se que a altura total do edifício e a área do telhado são os principais determinantes do desempenho energético. Conclui-se que o uso de técnicas de inteligência artificial pode subsidiar decisões mais conscientes e sustentáveis no processo de concepção arquitetônica.