Show simple item record

dc.contributorUniversitat Ramon Llull. La Salle
dc.contributor.authorDurà Yvern, Pau
dc.date.accessioned2020-09-10T05:40:34Z
dc.date.accessioned2023-07-13T09:33:22Z
dc.date.available2020-09-10T05:40:34Z
dc.date.available2023-07-13T09:33:22Z
dc.date.issued2018
dc.identifier.urihttp://hdl.handle.net/20.500.14342/2673
dc.descriptionSupervisor Acadèmic: Álvaro Sicilia Gómoezcat
dc.description.abstractEls certificats energètics sónun component important en l’estudi i gestió dels habitatges i edificis dels municipis de Catalunya. Degut a la gran quantitat de certificadors que hi ha i al altcostque representa un càlcul d’aquestes característiques, està sota sospita la correcta realització d’aquests documents. L’òrgan responsable de la seva recol·lecció i estudi (Institut Català d’Energia, ICAEN), ens ha proporcionat una base de dades amb més de500.000 certificats pendents de validació i una altra amb 1.000 certificats teòricament validats. Una vegada haguem contrastat que podem utilitzar la base validada per extrapolar resultats als 500.000 certificats, mitjançant tècniques de regressió clàssiques i de machine learning,construirem models que permetran determinar quins certificats són correctes i quins s’haurien de repetir a partir de la predicció de les emissions de CO2.cat
dc.description.abstractLos certificados energéticos son un componente importante en elestudio y gestión de las viviendas y los edificios de los municipios de Cataluña. Debido a la gran cantidad de certificadores que hay y al alto coste que representa un cálculo de dichas características, estábajo sospecha la adecuada realización de estos documentos. El órgano responsable de su recolección y estudio (Institut Català d’Energia, ICAEN), nos proporciona una base de datos con más de 500.000 certificados pendientes de validación y otra con 1.000 certificados teóricamente validados. Una vez hayamos validado que podemos utilizar a base validada para extrapolar resultados a los 500.000 certificados, mediante técnicas de regresión clásicas y de Machine learning, construiremos modelos que permitirán determinar qué certificados son correctos y qué certificados se deberían repetir a partir de la predicción de las emisiones de CO2.spa
dc.description.abstractEnergy certificates are an important component in the study and management of housing and buildings in the municipalities of Catalonia. Due to the large number of certifiers that exist and at the high cost that represents a calculation of these characteristics, the correct execution of these documents is suspected.Theresponsible institution ofits collection and study (Institut Català d’Energia, ICAEN), has provided us with a database with more than 500.000 certificates pending validation and another with 1,000 certificates theoretically validated. Once we have contrasted that we can use the validated base to extrapolate results to 500.000 certificates, using classical regression techniques and machine learning, we will build models that will allow to determine which certificates are correct and which ones should be repeated from the prediction of the CO2 emissions.eng
dc.format.extent56 p.cat
dc.language.isocatcat
dc.relation.ispartofseriesENG TFM MUCD;2559
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 International
dc.rights© Escola Tècnica Superior d'Enginyeria La Salle
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.sourceRECERCAT (Dipòsit de la Recerca de Catalunya)
dc.subject.otherBases de dades -- TFMcat
dc.subject.otherBancs de dades -- TFMcat
dc.subject.otherModels matemàtics -- TFMcat
dc.subject.otherHabitatge -- Aspectes ambientals -- TFMcat
dc.subject.otherHabitatge -- Aspectes legals -- TFMcat
dc.titleValidació de certificats energètics d’edificis i habitatgescat
dc.typeinfo:eu-repo/semantics/masterThesiscat
dc.rights.accessLevelinfo:eu-repo/semantics/openAccess
dc.embargo.termscapcat
dc.subject.udc004
dc.subject.udc62
dc.subject.udc72


Files in this item

 

This item appears in the following Collection(s)

Show simple item record

Attribution-NonCommercial-NoDerivatives 4.0 International
Except where otherwise noted, this item's license is described as http://creativecommons.org/licenses/by-nc-nd/4.0/
Share on TwitterShare on LinkedinShare on FacebookShare on TelegramShare on WhatsappPrint