info:eu-repo/semantics/article
Artificial neural networks to estimate daylighting in residential environments with surrounding obstruction
Redes neuronales artificiales para estimar la iluminación natural en entornos residenciales con obstrucción circundante;
Redes neurais artificiais para estimar a iluminação natural em ambientes residenciais com obstrução do entorno
Autor
Walger da Fonseca, Raphaela
Mariano, Pedro Oscar Pizzetti
Pereira, Fernando Oscar Ruttkay
Institución
Resumen
Many countries adopt regulatory instruments to improve the performance of buildings and luminous quality is often addressed in their scopes. Simplified methods facilitate the application of such instruments and artificial intelligence has been shown to be useful for this purpose. Thus, the objective of this work is to propose a metamodel, using artificial neural networks, to verify the luminous performance of residential buildings, considering the impact of the built environment in the context of the revision of the Brazilian standard “ABNT NBR 15.575-1 Housing buildings — Performance". For this, the simulated database was adopted for the proposed revision of the standard, containing 36,000 cases that relate the influence of external obstructions to the building to its performance regarding the sufficiency and uniformity of natural light. Thus, metamodels of artificial neural networks Multilayer Perceptron were trained with data from the cities of Curitiba, Brasília and Belém. The architecture of the networks consisted of 3 layers, the input, a hidden and the output. Aspects of its architecture and the grouping of input parameters, building variables, and output parameters, ALNE200lx,50% and ALNE60lx,50%, were tested. Its overall performance was considered acceptable, with an average percentage error of less than 10%, requiring its refinement to reduce outliers. It was concluded that the ANN can be an alternative as a simplified method for application in the standard, pointing out as options for refining the metamodel the variation of the learning algorithm, the partition of the training and test sets, and the expansion of its scope with other proportions and visible transmissions. 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. Muitos países adotam instrumentos regulatórios para a melhoria do desempenho das edificações e a qualidade luminosa é frequentemente abordada em seus escopos. Métodos simplificados facilitam a aplicação de tais instrumentos e a inteligência artificial tem se mostrado útil para esse fim. Assim, o objetivo deste trabalho é a propor um metamodelo, utilizando-se redes neurais artificiais, para verificar o desempenho luminoso de edificações residenciais, considerando o impacto do entorno construído no contexto da revisão da norma brasileira “ABNT NBR 15.575-1 Edificações habitacionais — Desempenho”. Para isto, adotou-se a base de dados simulados para a proposta de revisão da norma, contendo 36.000 casos que relacionam a influência de obstruções externas à edificação ao seu desempenho quanto à suficiência e uniformidade da luz natural. Assim, metamodelos de redes neurais artificias Perceptron Multicamadas foram treinados com dados das cidades de Curitiba, Brasília e Belém. A arquitetura das redes consistiu em 3 camadas, a de entrada, uma oculta e a de saída. Testaram-se aspectos de sua arquitetura e do agrupamento dos parâmetros de entrada, as variáveis da edificação, e de saída, ALNE200lx,50% e ALNE60lx,50%. O seu desempenho global foi considerado aceitável, com erro percentual médio inferior a 10%, sendo necessário o seu refinamento para a redução de discrepantes. Concluiu-se que as RNA podem ser uma alternativa como método simplificado para aplicação na norma, apontando-se como opções de refinamento do metamodelo a variação do algoritmo de aprendizagem, da partição dos conjuntos de treinamento e teste, e a ampliação do seu escopo com outras proporções e transmissões visíveis.