OPTIMIZACIÓN DEL CONTROL TÉRMICO EN EDIFICACIONES UTILIZANDO REDES NEURONALES CONFORMABLES INVERSAS PARA SISTEMAS DE CALEFACCIÓN RADIANTE

Este estudio presenta una metodología innovadora que integra redes neuronales inversas conformables (CANNi) con algoritmos genéticos (GA) y algoritmo de optimización por enjambre de partículas (PSO) para optimizar el confort térmico en edificios. Haciendo hincapié en la eficacia de las funciones de transferencia conformables dentro de las CANNi, la investigación se basa en un amplio conjunto de datos para predecir la transferencia de calor en diversos climas. En particular, la metodología destaca por su meticuloso proceso de selección de modelos, en el que se emplean pruebas de pendiente-intercepto para garantizar una predictibilidad sólida (99%) y una fuerte correlación entre las variables de entrada y de salida.