Modelos de predição da redução do consumo energético em edifícios que utilizam a iluminação natural através de regressão linear multivariada e redes neurais artificiais
Palavras-chave:
Iluminação natural, Eficiência energética, Redes neurais artificiaisResumo
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.Downloads
Não há dados estatísticos.
Downloads
Publicado
03.02.2012
Como 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.
Edição
Seção
Artigos
Licença
Direitos Autorais
Autores de artigos publicados pela Ambiente Construído mantêm os direitos autorais de seus trabalhos, licenciando-os sob a licença Creative Commons Attribution BY 4.0, que permite que os artigos sejam reutilizados e distribuídos sem restrição, desde que o trabalho original seja corretamente citado.


