Autor Pérez-Fargallo, Alexis
|
|
Documentos disponibles escritos por este autor (1)
Hacer una sugerencia Refinar búsqueda
Título : Energy Optimization and Prediction in Office Buildings : A Case Study of Office Building Design in Chile Tipo de documento: documento electrónico Autores: Rubio-Bellido, Carlos, Autor ; Pérez-Fargallo, Alexis, Autor ; Pulido-Arcas, Jesús, Autor Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2018 Número de páginas: X, 78 p. 22 ilustraciones, 20 ilustraciones en color. ISBN/ISSN/DL: 978-3-319-90146-6 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Arquitectura sostenible La política energética Energía y estado Edificio Redes neuronales (Informática) Optimización matemática Arquitectura Sostenible/Edificios Verdes Política Economía y Gestión Energética Construcción y diseño de edificios Modelos matemáticos de procesos cognitivos y redes neuronales Mejoramiento Índice Dewey: 720.47 Resumen: Este libro explica cómo se puede predecir la demanda y el consumo de energía en edificios nuevos y cómo se pueden reducir estos aspectos y las emisiones de CO2 resultantes. Se basa en la extensa investigación de los autores sobre el diseño y la optimización energética de edificios de oficinas en Chile. En primer lugar, los autores presentan un procedimiento de cálculo que se puede utilizar para optimizar los parámetros energéticos en edificios de oficinas y para predecir cómo un clima cambiante puede afectar la demanda de energía. La predicción de la demanda de energía, el consumo y las emisiones de CO2 se demuestra resolviendo ecuaciones simples usando el ejemplo de edificios chilenos, y los hallazgos se aplican posteriormente a edificios de todo el mundo. Se analiza en detalle un proceso de optimización basado en Redes Neuronales Artificiales, que predice las demandas de energía de calefacción y refrigeración, el consumo de energía y las emisiones de CO2. En conjunto, estos procesos mostrarán a los lectores cómo reducir la demanda de energía, el consumo y las emisiones de CO2 asociadas con los edificios de oficinas en el futuro. Los lectores obtendrán una comprensión avanzada del uso de energía en los edificios y cómo se puede reducir. Nota de contenido: Introduction -- Research Method -- Energy Demand Analysis -- Multiple Linear Regressions -- Artificial Neural Networks -- Conclusions. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Energy Optimization and Prediction in Office Buildings : A Case Study of Office Building Design in Chile [documento electrónico] / Rubio-Bellido, Carlos, Autor ; Pérez-Fargallo, Alexis, Autor ; Pulido-Arcas, Jesús, Autor . - 1 ed. . - [s.l.] : Springer, 2018 . - X, 78 p. 22 ilustraciones, 20 ilustraciones en color.
ISBN : 978-3-319-90146-6
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Arquitectura sostenible La política energética Energía y estado Edificio Redes neuronales (Informática) Optimización matemática Arquitectura Sostenible/Edificios Verdes Política Economía y Gestión Energética Construcción y diseño de edificios Modelos matemáticos de procesos cognitivos y redes neuronales Mejoramiento Índice Dewey: 720.47 Resumen: Este libro explica cómo se puede predecir la demanda y el consumo de energía en edificios nuevos y cómo se pueden reducir estos aspectos y las emisiones de CO2 resultantes. Se basa en la extensa investigación de los autores sobre el diseño y la optimización energética de edificios de oficinas en Chile. En primer lugar, los autores presentan un procedimiento de cálculo que se puede utilizar para optimizar los parámetros energéticos en edificios de oficinas y para predecir cómo un clima cambiante puede afectar la demanda de energía. La predicción de la demanda de energía, el consumo y las emisiones de CO2 se demuestra resolviendo ecuaciones simples usando el ejemplo de edificios chilenos, y los hallazgos se aplican posteriormente a edificios de todo el mundo. Se analiza en detalle un proceso de optimización basado en Redes Neuronales Artificiales, que predice las demandas de energía de calefacción y refrigeración, el consumo de energía y las emisiones de CO2. En conjunto, estos procesos mostrarán a los lectores cómo reducir la demanda de energía, el consumo y las emisiones de CO2 asociadas con los edificios de oficinas en el futuro. Los lectores obtendrán una comprensión avanzada del uso de energía en los edificios y cómo se puede reducir. Nota de contenido: Introduction -- Research Method -- Energy Demand Analysis -- Multiple Linear Regressions -- Artificial Neural Networks -- Conclusions. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i
