Resumen

Este trabajo se ocupa del diseño de una Red de Función de Base Radial Incremental (IRBFN) combinando la Regresión Lineal (LR) y la RBFN local para la predicción de la carga de calefacción y la carga de refrigeración en edificios residenciales. Aquí la IRBFN propuesta se diseña construyendo una colección de gránulos de información a través del algoritmo de clustering Context-based Fuzzy C-Means (CFCM) que se guía por la distribución del error de la parte lineal del modelo LR. Después de adoptar una construcción de un LR como modelo global, se refina a través de RBFN local que captura las no linealidades restantes y más localizadas del sistema a considerar. Los experimentos se realizan sobre la estimación del rendimiento energético de 768 edificios residenciales diversos. Los resultados experimentales revelaron que el IRBFN propuesto mostró un buen rendimiento en comparación con el LR, el RBFN estándar, el RBFN con gránulos de información y el Modelo Lingüístico (LM).

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva
• Subjects:Artificial intelligence Data mining Genetic algorithms Brain - pathophysiology Cognitive Neuroscience
• Palabras claves:gránulo de información, propuesta de irbfn, red de función de base, función de base radial, edificio residencial diverso, lr, predicción de calefacción, recogida de información, estimación de energía, base radial incremental
• Keywords:information granule, proposed irbfn, basis function network, radial basis function, diverse residential building, lr, prediction of heating, collection of information, estimation of energy, incremental radial basis