Aplicação de algoritmos de aprendizado supervisionado na previsão do consumo energético de edifícios

Abstract

Resumo: Este estudo retrata a aplicação de métodos de aprendizado supervisionado na predição do consumo energético em edifícios. Dada a morfologia dos dados coletados, foi realizada uma etapa de pré-processamento, e na sequência foram testados todos os modelos de regressão disponíveis na biblioteca scikit-learn da linguagem python. Por fim o modelo ExtraTreeRegressor que apresentou maior coeficiente de determinação R2 passa por uma otimização de hiperparâmetros e tem seu desempenho determinado em relação às métricas MAE, RMSE e R2. Percebe-se que o desempenho do modelo é inferior em algumas categorias de consumo energético, e para essas é realizada a seleção e otimização de um novo modelo, o HistGradientBoostingRegressor, o qual tem seu desempenho em relação às métricas MAE, RMSE e R2 comparado com o modelo treinado na primeira etapa. Percebe-se uma elevação de 12,22% no coeficiente de determinação R2 , e uma redução de 24,55 e 22,23 respectivamente nas métricas de erro MAE e RMSE.