Muitos países adotam instrumentos regulatórios para a melhoria do desempenho das edificações e a qualidade luminosaé 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 36.000casos que relacionam a influência de obstruções externas à edificação ao seu desempenho quanto à suficiência e uniformidade daluz natural. Assim, metamodelos deredes neurais artificias Perceptron Multicamadas foram treinadoscom 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-seaspectos de suaarquitetura e do agrupamento dosparâmetros de entrada, as variáveis da edificação,edesaída, ALNE200lx,50%e ALNE60lx,50%.Oseu desempenho global foi considerado aceitável,com erro percentual médio inferior a 10%,sendo necessárioo seu refinamento para a redução de discrepantes. Concluiu-se que as RNA podem ser uma alternativa como método simplificado para aplicação nanorma, apontando-se como opções derefinamento 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.
Many countries adopt regulatory instruments to improve buildings’ performance and daylighting 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 aim of this work is to propose a metamodel, using artificial neural networks, to verify the dwellings daylightingperformance, considering the surroundings impact, in the context of the Brazilian standard "ABNT NBR 15.575-1 Residential Buildings —Performance" revision process. For this, the simulated database for the standard revision, 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 was adopted. Thus, Multilayer Perceptron artificial neural network metamodels’were trained with data from the cities of Curitiba, Brasília and Belém. The networks’ architecture consisted of 3 layers, the input, a hidden and the output. Aspects of them architecture and the grouping of input parameters, building variables, and output parameters, sDA200lx,50%and sDA 60lx,50%, were evaluated. Its global performance was considered acceptable, with a mean percentage error of less than 10%, requiring its refinement to reduce outliers. It was concluded that 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.
