<secondary-title/> </titles> <doi/> <pages/> <volume/> <number/> <keywords> <keyword>descarbonización</keyword> <keyword>parque edificado</keyword> <keyword>ubem</keyword> <keyword>inteligencia artificial</keyword> <keyword>eficiencia energética</keyword> <keyword>datos abiertos (open data)</keyword> </keywords> <dates> <year>2025</year> <pub-dates> <date>2025</date> </pub-dates> </dates> <abstract>La descarbonización del parque edificado es fundamental para combatir el cambio climático. Para alcanzar este objetivo, resulta imprescindible evaluar su estado actual, medir su potencial de rehabilitación y desarrollar estrategias basadas en datos. En este contexto, los indicadores de progreso solicitados por la Comisión Europea juegan un papel clave al proporcionar parámetros para valorar el avance de la descarbonización y rehabilitación del parque construido. Sin embargo, la falta de información detallada sobre las características y el comportamiento energético de los edificios representa un desafío importante. Frente a esta situación, esta tesis propone un enfoque innovador basado en el uso de datos en abierto y nuevas tecnologías para automatizar la recolección y el procesamiento de información. Herramientas como los Sistemas de Información Geográfica, Big Data, la automatización de procesos y la Inteligencia Artificial (IA) permiten recopilar, integrar y analizar grandes volúmenes de datos sobre el parque edificado, de forma que se consiga obtener información valiosa, útil y actualizada. Este enfoque se desarrolla mediante la creación de metodologías para generar Modelos Urbanos de Energía en Edificios (UBEM) a escala nacional de forma automática y eficiente. La primera metodología se basa en los Certificados de Eficiencia Energética (CEE) y otros datos en abierto, lo que permite establecer un modelo nacional con todos los edificios de España y el comportamiento energético de los que disponen de un certificado. Esto proporciona una visión integral del estado de los edificios y ayuda a reducir tiempos y costes computacionales en su evaluación. Para ampliar la información disponible, se ha desarrollado un segundo modelo denominado nUBEM. Este modelo utiliza técnicas de IA para aprender a partir del anterior basado en CEE y extrapolar información energética a los edificios sin certificación. Mediante el aprendizaje automático, el nUBEM analiza las características físicas y geoespaciales de las edificaciones, generando estimaciones del consumo de energía primaria no renovable y de las emisiones de gases de efecto invernadero. Así, se evalúa el rendimiento energético a gran escala, superando las limitaciones derivadas de la escasez de datos. Ambos modelos son pioneros: el UBEM basado en CEE es el primero a escala nacional de su tipo, mientras que el nUBEM constituye la primera aplicación de IA para predecir el comportamiento energético de edificios a gran escala. La integración de estas metodologías con el uso de datos en abierto y tecnologías crea un marco que mejora la capacidad para evaluar el estado del parque edificado y medir el progreso en la descarbonización. Estos avances permiten mapearlo y analizarlo de forma continua y apoyar la toma de decisiones basadas en datos. En la tesis se demuestra la viabilidad y eficacia de ambos modelos, abriendo el camino hacia futuras investigaciones en la descarbonización y rehabilitación energética del parque edificado. La combinación de innovación tecnológica y datos abiertos se perfila como una estrategia prometedora para enfrentar los desafíos energéticos actuales, contribuyendo significativamente a la transformación sostenible del entorno urbano. </abstract> </record> </records> </xml>

Monzón Chavarrías, Marta López Mesa, María Belinda <secondary-title/> </titles> <doi/> <pages/> <volume/> <number/> <keywords> <keyword>descarbonización</keyword> <keyword>parque edificado</keyword> <keyword>ubem</keyword> <keyword>inteligencia artificial</keyword> <keyword>eficiencia energética</keyword> <keyword>datos abiertos (open data)</keyword> </keywords> <dates> <year>2025</year> <pub-dates> <date>2025</date> </pub-dates> </dates> <abstract>La descarbonización del parque edificado es fundamental para combatir el cambio climático. Para alcanzar este objetivo, resulta imprescindible evaluar su estado actual, medir su potencial de rehabilitación y desarrollar estrategias basadas en datos. En este contexto, los indicadores de progreso solicitados por la Comisión Europea juegan un papel clave al proporcionar parámetros para valorar el avance de la descarbonización y rehabilitación del parque construido. Sin embargo, la falta de información detallada sobre las características y el comportamiento energético de los edificios representa un desafío importante. Frente a esta situación, esta tesis propone un enfoque innovador basado en el uso de datos en abierto y nuevas tecnologías para automatizar la recolección y el procesamiento de información. Herramientas como los Sistemas de Información Geográfica, Big Data, la automatización de procesos y la Inteligencia Artificial (IA) permiten recopilar, integrar y analizar grandes volúmenes de datos sobre el parque edificado, de forma que se consiga obtener información valiosa, útil y actualizada. Este enfoque se desarrolla mediante la creación de metodologías para generar Modelos Urbanos de Energía en Edificios (UBEM) a escala nacional de forma automática y eficiente. La primera metodología se basa en los Certificados de Eficiencia Energética (CEE) y otros datos en abierto, lo que permite establecer un modelo nacional con todos los edificios de España y el comportamiento energético de los que disponen de un certificado. Esto proporciona una visión integral del estado de los edificios y ayuda a reducir tiempos y costes computacionales en su evaluación. Para ampliar la información disponible, se ha desarrollado un segundo modelo denominado nUBEM. Este modelo utiliza técnicas de IA para aprender a partir del anterior basado en CEE y extrapolar información energética a los edificios sin certificación. Mediante el aprendizaje automático, el nUBEM analiza las características físicas y geoespaciales de las edificaciones, generando estimaciones del consumo de energía primaria no renovable y de las emisiones de gases de efecto invernadero. Así, se evalúa el rendimiento energético a gran escala, superando las limitaciones derivadas de la escasez de datos. Ambos modelos son pioneros: el UBEM basado en CEE es el primero a escala nacional de su tipo, mientras que el nUBEM constituye la primera aplicación de IA para predecir el comportamiento energético de edificios a gran escala. La integración de estas metodologías con el uso de datos en abierto y tecnologías crea un marco que mejora la capacidad para evaluar el estado del parque edificado y medir el progreso en la descarbonización. Estos avances permiten mapearlo y analizarlo de forma continua y apoyar la toma de decisiones basadas en datos. En la tesis se demuestra la viabilidad y eficacia de ambos modelos, abriendo el camino hacia futuras investigaciones en la descarbonización y rehabilitación energética del parque edificado. La combinación de innovación tecnológica y datos abiertos se perfila como una estrategia prometedora para enfrentar los desafíos energéticos actuales, contribuyendo significativamente a la transformación sostenible del entorno urbano. </abstract> </record> </records> </xml>