2026-05-05T04:08:27Zhttps://riubu.ubu.es/oai/requestoai:riubu.ubu.es:10259/77972024-05-14T09:56:31Zcom_10259_2699col_10259_2725
Repositorio Institucional de la Universidad de Burgos
advisor
Alonso Tristán, Cristina
advisor
Diez Mediavilla, Montserrat
author
Granados López, Diego
other
Universidad de Burgos. Departamento de Ingeniería Electromecánica
2023-09-05T12:37:02Z
2023-09-05T12:37:02Z
2022
http://hdl.handle.net/10259/7797
10.36443/10259/7797
Searching and selecting an adequate methodology for daylight modeling
is essential in the design of energy efficient buildings that guarantee the
visual, physical and psychological comfort of their occupants. The first step
in determining the indoor building illuminance lies in knowing the outdoor
illuminance. This dissertation addresses this key aspect through different
strategies such as luminous efficacy models and the determination of the
angular distribution of the sky's luminance.
Daylight is strongly determined by sky conditions. The CIE/ISO standard
provides a good general framework to represent the real conditions of the
sky, covering the entire probable spectrum of skies, and has been used as
a reference throughout this work. The characterization of the skies
according to the CIE standard requires experimental measurements of the
luminance distribution of the sky, scarcely recorded in terrestrial
meteorological facilities. The thesis proposes, as alternatives for the
classification of skies according to the CIE taxonomy, the use of
meteorological indices, sky images and algorithms based on artificial
intelligence. The structure and efficiency of the machine learning
algorithms used, both neural networks and decision trees, have been
optimized through feature selection procedures in the case of the use of
meteorological indices and through image pre-processing techniques, as a
step prior to using the classification algorithm. The thesis has also
developed a new locally calibrated luminous efficacy model, with excellent
results both when used for all-sky types and for clear, overcast and
partially overcast sky conditions.
La búsqueda y elección de una metodología adecuada para el modelado
de la iluminación natural es fundamental en el diseño de edificios
energéticamente eficientes y que garanticen el confort visual, físico y
psicológico de sus ocupantes. El primer paso para la determinación de la
iluminación en el interior de un edificio reside en el conocimiento de la
iluminación exterior. La tesis doctoral aborda este aspecto fundamental a
través de diferentes estrategias como son los modelos de eficacia luminosa
y la determinación de la distribución angular de la luminancia del cielo.
La iluminación natural está fuertemente determinada por las
condiciones de cielo. El estándar CIE/ISO proporciona un buen marco
general para representar las condiciones reales del cielo cubriendo todo el
espectro probable de cielos, por lo que se ha seleccionado como referencia a
lo largo de este trabajo. La caracterización de los cielos según el estándar
CIE requiere de medidas experimentales de la distribución de luminancia
del cielo, escasamente registradas en las instalaciones meteorológicas
terrestres. La tesis propone como alternativas para la clasificación de cielos
según la taxonomía CIE, la utilización de índices meteorológicos, imágenes
del cielo y algoritmos basados en inteligencia artificial. La estructura y la
eficacia de los algoritmos de aprendizaje automático empleados, redes
neuronales y árboles de decisión, se han optimizado mediante
procedimientos de selección de variables en el caso de la utilización de
índices meteorológicos y mediante técnicas de pre-procesamiento de
imágenes, como paso previo a la utilización del algoritmo de clasificación.
La tesis ha desarrollado también un nuevo modelo de eficacia luminosa,
calibrado localmente, con excelentes resultados tanto al utilizarlo para
todos los tipos de cielo como para condiciones de cielo claro, cubierto y
parcialmente cubierto.
eng
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
CIE standard sky classification
Illuminance
Daylight
Meteorological indices
Machine learning
Clasificación de cielos estándar CIE
Iluminancia
Iluminación natural
Índices meteorológicos
Inteligencia artificial
Daylight modeling for energy efficiency and visual comfort in buildings
info:eu-repo/semantics/doctoralThesis
RWwgYXV0b3IgY29tbyDDum5pY28gdGl0dWxhciBkZSBsb3MgZGVyZWNob3MgZGUgcHJvcGllZGFkIGludGVsZWN0dWFsIGRlIGxhIG9icmEsIG8gZGlzcG9uaWVuZG8gZGUgbG9zIGRlYmlkb3MgcGVybWlzb3MgZGUgbG9zIG90cm9zIHRpdHVsYXJlcywgc2kgbG9zIGh1YmllcmEsIHkgZW4gdmlydHVkIGRlIGxvcyBkZXJlY2hvcyBxdWUgbGUgY29uZmllcmUgbGEgbGVnaXNsYWNpw7NuIHZpZ2VudGUgc29icmUgcHJvcGllZGFkIGludGVsZWN0dWFsIHkgZGVyZWNob3MgZGUgYXV0b3IsIApBVVRPUklaQSBhIGxhIFVuaXZlcnNpZGFkIGRlIEJ1cmdvcyBhIGRpZnVuZGlyLCBkZSBtYW5lcmEgZ3JhdHVpdGEsIGVsIGNvbnRlbmlkbyBkZSBsb3MgYXJjaGl2b3MgZGlnaXRhbGVzIHF1ZSBjb3JyZXNwb25kZW4gYWwgZG9jdW1lbnRvIGRlc2NyaXRvIGFudGVyaW9ybWVudGUsIGNvbiBjYXLDoWN0ZXIgbm8gZXhjbHVzaXZvIHkgZGUgbWFuZXJhIHDDumJsaWNhIGVuIGFjY2VzbyBhYmllcnRvIGEgdHJhdsOpcyBkZSBJbnRlcm5ldCwgcGFyYSBsbyBxdWUgbGEgQmlibGlvdGVjYSBwcm9jZWRlcsOhIGEgYXJjaGl2YXJsb3MgZW4gZWwgUmVwb3NpdG9yaW8gSW5zdGl0dWNpb25hbC4gQXNpbWlzbW8gYXV0b3JpemEgYSBsYSBVbml2ZXJzaWRhZCBkZSBCdXJnb3MgYSByZWFsaXphciBsYXMgdHJhbnNmb3JtYWNpb25lcyBuZWNlc2FyaWFzIGRlIGZvcm1hdG8sIG5vIGRlIGNvbnRlbmlkbywgcGFyYSBnYXJhbnRpemFyIGxhIHByZXNlcnZhY2nDs24geSBlbCBhY2Nlc28gZW4gZWwgZnV0dXJvLgoKRWwgYXV0b3IgZGlzcG9uZSwgZW4gdG9kbyBjYXNvLCBkZWwgZGVyZWNobyBhIHJldm9jYXIgZXN0YSBhdXRvcml6YWNpw7NuLgoKTGEgY2VzacOzbiBkZSBkZXJlY2hvcyBkZSBlc3RhIG9icmEgc2UgZW5jdWVudHJhIHN1amV0YSBhIGxhIGxlZ2lzbGFjacOzbiB2aWdlbnRlIHNvYnJlIHByb3BpZWRhZCBpbnRlbGVjdHVhbCB5IGRlcmVjaG9zIGRlIGF1dG9yLiBTdSBkaWZ1c2nDs24gZW4gZWwgUmVwb3NpdG9yaW8gc2Vyw6EgYmFqbyBsYSBtb2RhbGlkYWQgZGUgbGljZW5jaWEgQ3JlYXRpdmUgQ29tbW9ucyBvIGVxdWl2YWxlbnRlOiByZWNvbm9jaW1pZW50byDigJMgdXNvIG5vIGNvbWVyY2lhbCDigJMgc2luIG9icmEgZGVyaXZhZGEsIHBvciBsYSBxdWUgc2UgcGVybWl0ZSBoYWNlciBjb3BpYSwgZGlzdHJpYnVpciB5IGNvbXVuaWNhciBww7pibGljYW1lbnRlIGxhIG9icmEgc2llbXByZSBxdWUgc2UgY2l0ZSBhbCBhdXRvciwgZWwgdXNvIHF1ZSBzZSBoYWdhIGRlIGVsbGEgc2VhIG5vIGNvbWVyY2lhbCB5IG5vIHNlIGNyZWVuIG9icmFzIGRlcml2YWRhcyBhIHBhcnRpciBkZSBsYSBvcmlnaW5hbC4K
URL
https://riubu.ubu.es/bitstream/10259/7797/1/Granados_Lopez_Diego.pdf
File
MD5
717cd6df0ea5b149b2945025026c7ddb
26790809
application/pdf
Granados_Lopez_Diego.pdf