Modelos de predição da redução do consumo energético em edifícios que utilizam a iluminação natural através de regressão linear multivariada e redes neurais artificiais
Palabras clave:
Iluminação natural, Eficiência energética, Redes neurais artificiaisResumen
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.Descargas
Los datos de descargas todavía no están disponibles.
Descargas
Publicado
03.02.2012
Cómo citar
FONSECA, Raphaela Walger da; DIDONÉ, Evelise Leite; PEREIRA, Fernando Oscar Ruttkay. Modelos de predição da redução do consumo energético em edifícios que utilizam a iluminação natural através de regressão linear multivariada e redes neurais artificiais. Ambiente Construído, [S. l.], v. 12, n. 1, p. 163–175, 2012. Disponível em: https://seer.ufrgs.br/index.php/ambienteconstruido/article/view/23642. Acesso em: 3 ago. 2026.
Número
Sección
Artigos
Licencia
Derechos de autor
Los autores de los artículos publicados por Ambiente Construido mantienen los derechos de autor de sus trabajos, licenciándolos bajo la licencia Creative Commons Attribution BY 4.0, la cual permite que los artículos sean reutilizados y distribuidos sin restricciones, siempre que la obra original sea debidamente citada.


