Metodología orientada a identificar las soluciones tecnológico-constructivas más frecuentes de la envolvente edilicia para mejorar su eficiencia energética
DOI :
https://doi.org/10.24215/24226483e134Mots-clés :
minería de datos, reglas de asociación, eficiencia energética, envolvente edilicia, sectores urbanosRésumé
La edilicia construida representa más de un tercio del consumo de energía final a nivel mundial y casi el 40% del total de las emisiones directas e indirectas de CO2. La demanda de este sector se debe principalmente al uso de equipos para climatización, los cuales guardan relación con la envolvente edilicia pues allí se produce el intercambio de calor entre el espacio interior y el entorno. Así, mejorar el consumo energético de los edificios existentes mediante medidas de eficiencia de la envolvente representa una oportunidad para ahorrar costes y energía. Este trabajo presenta una metodología que utiliza um método de minería de datos, las reglas de asociación, para identificar las soluciones tecnológico-constructivas más frecuentes en la envolvente de los edificios. Esto permite sugerir medidas específicas para las soluciones más frecuentes con el objetivo de mejorar su eficiencia energética y, a la vez, facilitar su implementación en forma masiva.
Téléchargements
Statistiques
Références
Agrawal, R. Imielinski, T. y Swami, A. (1993). Mining association rules between sets of items in large databases. ACM-SIGMOD, 22(2), 207-216.
Amato, J. M. (2018). Reglas de asociación y algortimo Apriori con R. https://www.cienciadedatos.net/documentos/43_reglas_de_asociacion
Báez Acuña, J. M. Paredes Cabañas, C. A. Sosa Cabrera, G. y García, M. E. (8- 2 de octubre de 2018). Descubriendo reglas de asociación en bases de datos del sector retail usando R. XV Workshop Bases de Datos y Minería de Datos (WBDDM). XXIV Congreso Argentino de Ciencias de la Computación. RedUNCI, Facultades de Exactas. Universidad Nacional de La Plata. La Plata, Buenos Aires, Argentina.
Fayyad, U. M. Piatetsky-Shapiro, G. y Smyth, P. (1996). From data mining to knowledge discovery: An overview. Al Magazine, 17, 3, 37-54.
Gómez Cerdeiro, C. G. (2021). Análisis de la importancia de la eficiencia energética en los hospitales. [Trabajo de grado, Escuela Politécnica de Ingeniería de minas y energía, Universidad de Cantabria]. https://repositorio.unican.es/xmlui/handle/10902/22083
Hernández Orallo, J. Ramírez Quintana, M. J. y Ferri Ramírez, C. (2004). Introducción a la minería de datos. Person-Prentice Hall.
IPCC. (2021). Climate change 2021: The physical science basis. Contribution of working group I to the sixth assessment report of the intergovernmental ´panel on climate change. Cambridge University Press. https://doi.org/0.1017/9781009157896
Ma, Z. Cooper, P. Daly, D. y Ledo, L. (2012). Existing building retrofits: Methodology and state-of-the-art. Energy and Buildings, 55, 889-902.
Ministerio de Economía. (2021). Balance Energético Nacional 2021. https://www.argentina.gob.ar/economia/energia/hidrocarburos/balances-energeticos
Pérez Gómez, R. (2020). Generación de reglas de asociación para productos de retail utilizando el algoritmo FP-Growth paralelo. Actas del Congreso Internacional de Ingeniería de Sistemas 2019: Innovando la educación en tecnología. Facultad de Ingeniería y Arquitectura. Ingeniería de Sistemas. Universidad de Lima.
Regnier, C. Sun, K. Hong, T. y Piette, M. A. (2018). Quantifying the benefits of a building retrofit using an integrated system approach: A case study. Energy and Buildings, 159, 332-345.
Sáenz López, A. Cortés Martínez, F. y Betancourt Chávez, J. R. (2017). Reglas de asociación en una Base de datos del área médica. Revista Arquitectura e Ingeniería, 11(2).
Tenhunen, S. (2021). Energy Performance of Buildings Directive 2010/31/EU: Fit for 55 revision-Implementation in action. European Parliamentary Research Service.
United Nations Environment Programme (2020) Global status report for buildings and construction. Towards a zero-emissiones, efficient and resilient buildings and construction sector. UNEP.
Urteneche, E., Barbero, D. A., Fondoso Ossola, S. T. y Martini, I. (2023). Clasificación de establecimientos de salud a partir de características técnico-constructivas de la envolvente edilicia para fundamentar medidas de eficiencia energética. Energías Renovables Y Medio Ambiente, 51, 1–6. https://portalderevistas.unsa.edu.ar/index.php/erma/article/view/4185
Witten, I. H. y Frank, E. (2000). Data mining. Practical machine learning tools and techniques with Java implementations. Morgan Kaufmann Publishers.
Witten, I. H. Frank, E. Hall, M. A. y Pal, C. J. (2017). Data mining. Practical machine learning tools and techniques. Fourth edition.
Ye, N. (2014). Data mining. Theories, algorithms and examples. CRC Press.
Téléchargements
Publié-e
Comment citer
Numéro
Rubrique
Licence
(c) Tous droits réservés Dante Andrés Barbero, Emilia Urteneche, Irene Martini 2024
![Licence Creative Commons](http://i.creativecommons.org/l/by-nc-sa/4.0/88x31.png)
Cette œuvre est sous licence Creative Commons Attribution - Pas d'Utilisation Commerciale - Partage dans les Mêmes Conditions 4.0 International.
Acorde a estos términos, el material se puede compartir (copiar y redistribuir en cualquier medio o formato) y adaptar (remezclar, transformar y crear a partir del material otra obra), siempre que a) se cite la autoría y la fuente original de su publicación (revista y URL de la obra), b) no se use para fines comerciales y c) se mantengan los mismos términos de la licencia.