Uso de redes neurais artificiais para estimação do voto de percepção térmica a céu aberto em clima tropical de savana
DOI:
https://doi.org/10.46421/encac.v17i1.3871Palavras-chave:
Inteligência artificial, conforto térmico, voto de sensação térmicaResumo
O conhecimento da percepção térmica em ambientes a céu aberto exige a aplicação de entrevistas em campo. Essas campanhas são demoradas e apresentam alto custo de execução, uma vez que é necessário coletar dados em vários períodos do ano e realizar grande quantidade de entrevistas para caracterizar a adaptação térmica dos indivíduos. Com vistas a otimizar essa etapa, vislumbra-se a aplicação da técnica de Redes Neurais Artificiais (RNA), que possibilita a integração de dados e a criação de modelos capazes de prever comportamentos humanos em resposta às características do ambiente. Este estudo tem por objetivo avaliar a precisão da aplicação de RNA na estimação da percepção térmica declarada para ambientes a céu aberto em região de clima tropical de savana. A metodologia se utiliza de banco de dados secundário de percepção declarada por entrevistados, obtida simultaneamente às variáveis meteorológicas. A RNA foi desenvolvida utilizando o aplicativo MATLAB, com configurações específicas para a estrutura e algoritmo de aprendizado. As estimações com a rede neural modelada envolveram a utilização de nove combinações diferentes de variáveis de entrada para o aprendizado, visando a determinação da melhor precisão com o banco de dados disponível. Os melhores resultados se apresentam quando a rede é treinada utilizando como inputs as variáveis antropométricas, individuais, meteorológicas e o local de coleta de dados, obtendo-se raiz quadrática média dos erros de 0,115 e coeficiente de correlação de 0,783. Constatou-se, também, que o gênero foi a variável de entrada que menos afetou a precisão da rede quando foi excluída do treinamento.
Referências
ASHRAE - AMERICAN SOCIETY OF HEATING, REFRIGERATING AND AIR CONDITIONING ENGINEERS. Standard 55: Thermal environmental for human occupancy. Atlanta, 2010.
BORGES, V. C. D. A. L., CALLEJAS, I. J. A., DURANTE, L. C. (2020) Thermal sensation in outdoor urban spaces: a study in a tropical savannah climate- Brazil. Int J Biometeorol, v.64, n. 3, p.533–545. https://doi.org/10.1007/s00484-019-01830-x
CALLEJAS, I. J. A.; BIANCHI, E. C. Utilização de Redes Neurais Artificiais para estimação do Índice de Bulbo Úmido Termômetro de Globo (IBUTG). In: Encontro Nacional de Tecnologia no Ambiente Construído, 18., 2020, Porto Alegre. Anais.... Porto Alegre: ANTAC, 2020. p. 1–8. https://doi.org/10.46421/entac.v18i.713
CHAN, S. Y.; CHAU, C. K. Development of artificial neural network models for predicting thermal comfort evaluation in urban parks in summer and winter. Building and Environment, v. 164, 106364, 2019. Disponível em: https://doi.org/10.1016/j.buildenv.2019.106364. Acesso em: 25 nov. 2022.
CORREA, S. M. B. B. Probabilidade e estatística. Belo Horizonte: PUC Minas Virtual, 2003.
DENG, Z.; CHEN, Q. Artificial neural network models using thermal sensations and occupants’ behavior for predicting thermal comfort. Energy and Buildings, v. 174, p. 587-602, 2018. https://doi.org/10.1016/j.enbuild.2018.06.060
HAYKIN, S. Redes neurais: princípios e práticas. 2. ed. Porto Alegre: Bookman, 2001. 898p.
INPE - INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS. Estação de Cuiabá - Climatologia Local. Disponível em: http://sonda.ccst.inpe.br/estacoes/cuiaba_clima.html. Acesso em: 06 fev. 2023.
ISO - INTERNATIONAL ORGANIZATION FOR STANDARDIZATION. ISO 10551: Ergonomics of the thermal environment – assessment of the influence of the thermal environment using subjective judgement scales. Geneva, 2019.
INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA (IBGE). Censo Brasileiro de 2021. Rio de Janeiro: IBGE, 2021.
KEELING, T. P.; ROESCH, E. B.; CLEMENTS-CROOME, D. Cognitive Appraisals Affect Both Embodiment of Thermal Sensation and Its Mapping to Thermal Evaluation. Frontiers in Psychology, v. 7, n. 800, 2016. https://doi.org/10.3389/fpsyg.2016.00800
LIU, W.; LIAN, Z.; ZHAO, B. A neural network evaluation model for individual thermal comfort. Energy and Buildings, v. 39, n. 10, p. 1115-1122, 2007. https://doi.org/10.1016/j.enbuild.2006.12.005
MATHWORKS. MATLAB. Disponível em: <https://www.mathworks.com/products/matlab.html>. Acesso em: 11 dez. 2022.
PEEL, M. C.; FINLAYSON, B. L.; McMAHON, T. A. Updated world map of the Köppen-Geiger climate classification. Hydrology and Earth System Sciences Discussions, European Geosciences Union, v. 11, p.1633-1644, 2007. https://doi.org/10.5194/hess-11-1633-2007
SHAH, R.; PANDIT, R. K.; GAUR, M. K. Thermal comfort analysis through development of artificial neural network models: An experimental study in Cwa climate. Materials Today: Proceedings, v. 57, p. 2018-2025, 2022. https://doi.org/10.1016/j.matpr.2021.11.139
VELLEI, Marika et al. Dynamic thermal perception: A review and agenda for future experimental research. Building and Environment, v. 205, p. 108269, 2021. https://doi.org/10.1016/j.buildenv.2021.108269
VON GRABE, J. Potential of artificial neural networks to predict thermal sensation votes. Applied energy, v. 161, p. 412-424, 2016. https://doi.org/10.1016/j.apenergy.2015.10.061
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2023 ENCONTRO NACIONAL DE CONFORTO NO AMBIENTE CONSTRUÍDO
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.