Diante da crescente demanda por fontes de energia renováveis e do aumento do consumo energético para climatização de edificações no Brasil, esta pesquisa investiga o uso da geotermia superficial por meio de estacas trocadoras de calor, com o objetivo de prever o desempenho térmico de sistemas “Ground Source Heat Pump (GSHP)”. Para isso, este estudo propôs e avaliou um modelo de rede neural artificial capaz de estimar parâmetros térmicos desses sistemas acoplados a fundações com estacas trocadoras de calor. Utilizando resultados obtidos a partir de simulações realizadas com o software PILESIM 2.1, o modelo previu três variáveis principais: coeficiente de performance (COP), temperatura da superfície do solo e temperatura média ao longo do perfil de solo. Os resultados evidenciaram a eficácia do modelo, com redução consistente do erro absoluto médio e da função de perda ao longo do treinamento. A análise dos coeficientes de determinação (R²) e do erro relativo médio confirmou a capacidade preditiva da rede, com maior precisão na estimativa do coeficiente de desempenho e maior variabilidade nas previsões de temperaturas do solo. Com base nestes resultados, a aplicação de redes neurais artificiais apresentou-se como uma alternativa promissora para complementar a análise e a modelagem térmica de longo prazo de sistemas GSHP acoplados a fundações profundas no Brasil. Pesquisas futuras poderão incluir variáveis adicionais, otimizar a arquitetura da rede neural e explorar técnicas avançadas de pré-processamento de dados.
Avenida República do Líbano, 251 - Pina, Recife - PE - CEP: 51110-160