Redes neuronales artificiales para estimar la iluminación natural en entornos residenciales con obstrucción circundante

Resumen

Muchos países adoptan instrumentos regulatorios para mejorar el rendimiento de los edificios y la calidad luminosa a menudo se aborda en sus alcances. Los métodos simplificados facilitan la aplicación de tales instrumentos y la inteligencia artificial ha demostrado ser útil para este propósito. Así, el objetivo de este trabajo es proponer un metamodelo, utilizando redes neuronales artificiales, para verificar el desempeño luminoso de edificios residenciales, considerando el impacto del ambiente construido en el contexto de la revisión de la norma brasileña “ABNT NBR 15.575-1 Edificios de viviendas — Rendimiento". Para ello, se adoptó la base de datos simulada para la propuesta de revisión de la norma, que contiene 36.000 casos que relacionan la influencia de obstrucciones externas al edificio con su desempeño en cuanto a la suficiencia y uniformidad de la luz natural. Así, se entrenaron metamodelos de redes neuronales artificiales Multilayer Perceptron con datos de las ciudades de Curitiba, Brasilia y Belém. La arquitectura de las redes constaba de 3 capas, la de entrada, una oculta y la de salida. Se probaron aspectos de su arquitectura y la agrupación de parámetros de entrada, variables de construcción y parámetros de salida, ALNE200lx,50% y ALNE60lx,50%. Su desempeño general se consideró aceptable, con un porcentaje de error promedio de menos del 10%, lo que requiere su refinamiento para reducir los valores atípicos. Se concluyó que la RNA puede ser una alternativa como método simplificado de aplicación en el estándar, señalando como opciones de refinamiento del metamodelo la variación del algoritmo de aprendizaje, la partición de los conjuntos de entrenamiento y prueba, y la ampliación de su alcance. con otras proporciones y transmisiones visibles.