Predicció del comportament d'ocupants d'edificis d'oficina sobre la base de variables de confort tèrmic mitjançant machine learning

Resum

Els treballadors d'oficines es troben la major part del temps a l'interior d'un edifici, i amb això, les variables fisicoambientals comencen a presentar una importància en la productivitat i l'acompliment. Aquest estudi relaciona els models de machine learning amb el comportament dels ocupants i la productivitat autoavaluada que presenten, mitjançant l’ús de diferents models. Aquests models es van implementar per reconèixer i comparar quins permeten estimar de millor manera aquest comportament, en particular, la productivitat autoavaluada que les persones senten al seu espai de treball. Per això, es van recollir les variables fisicoambientals i la percepció dels ocupants de diversos edificis d'oficina a la ciutat de Concepción. Aquest estudi aconsegueix comparar l'exercici de quatre models de machine learning (arbre de decisions, K-Nearest Neighbor, model de bais i xarxa neuronal), l'exercici d'aquests es va mesurar mitjançant els indicadors anomenats Accuracy, Precision i Recall. Aquests models es van implementar tant per a una base de dades original com en una base de dades balancejada, per després comparar els resultats obtinguts. Es pot establir que hi ha una relació entre les variables fisicoambientals i la productivitat autoavaluada dels treballadors. Així mateix, es pot esmentar que la xarxa neuronal és el model que millor descriu aquesta relació i, per tant, el que aconsegueix millor. Aquest estudi permet un apropament a comprendre el comportament dels ocupants des d'una perspectiva del machine learning.