Resumen

El sistema fotovoltaico semitransparente integrado en edificios (BISTPV) es una tecnología emergente que sustituye a los materiales convencionales de envolvente y cubierta de los edificios. La predicción del rendimiento del sistema BISTPV desempeña un papel vital en la reducción del consumo energético del edificio. En este trabajo, la red neuronal artificial (RNA) se utiliza para predecir el rendimiento de este sistema mediante la optimización del parámetro importante de la selección de características. En este estudio se investigan el algoritmo de red neuronal de Elman (EN), la red neuronal feed forward (FN) y el modelo de red neuronal de regresión generalizada (GRN). Se analizan las métricas de rendimiento de los errores, como el error cuadrático medio (RMSE), el error porcentual medio absoluto (MAPE) y la raíz cuadrada media (MSE). Según los resultados, el modelo se comporta de forma coherente en el momento y el lugar especificados en el experimento. Los pronosticadores que utilicen modelos de redes neuronales tendrán mayor precisión si emplean técnicas como EN, FFN y GRN, con un RMSE de 0,25, 0,37 y 0,45, respectivamente.

• Materias:Energía solar Termodinámica Energía limpia Biofotónica Efecto fotoeléctrico
• Subjects:Solar energy Thermodynamics Clean energy Biophotonics Photoelectric effect
• Palabras claves:red neuronal, envolventes de materiales de construcción convencionales, error porcentual absoluto, red neuronal artificial, modelo de red neuronal, modelos de red neuronal, grn, rmse, construcción, sistema
• Keywords:neural network, conventional building material envelopes, absolute percentage error, artificial neural network, neural network model, neural network models, grn, rmse, building, system