Lstm e Transformers para previsão de temperatura: Um estudo de caso em Rivera, Uruguai

A energia geotérmica superficial é uma fonte promissora de energia renovável, oferecendo soluções sustentáveis para o aquecimento e resfriamento de edificações. Os trocadores de calor solo-ar (TCSA) exemplificam essa aplicação ao conectar sistemas de ventilação a dutos subterrâneos, reduzindo o consumo energético com climatização. No entanto, a avaliação de sua eficiência requer a análise de séries temporais das temperaturas do ar e do solo, que podem ser modeladas por técnicas matemáticas e inteligência artificial. Com os avanços da aprendizagem profunda, modelos como Long Short-Term Memory (LSTM) e Transformers têm se destacado na modelagem e previsão de dependências temporais. Este estudo investiga o comportamento das temperaturas do ar e do solo
em Rivera, Uruguai, utilizando dados coletados entre julho de 2023 e abril de 2024 por um sistema de monitoramento remoto instalado na Universidad Tecnológica del Uruguay (UTEC). Vale ressaltar que o modelo LSTM destacou-se nos resultados obtidos, apresentando uma Raiz do Erro Médio Quadrático (RMSE) de 0.27, o que indica alta capacidade preditiva e menor erro nas previsões.