Predicción de tendencias térmicas en edificios inteligentes mediante aprendizaje automático: estudio de caso

Este trabajo aborda la necesidad de anticipar con precisión las variaciones de temperatura exterior para automatizar respuestas en hogares inteligentes. El estudio se desarrolló en el campus de la Universidad Popular del Cesar, Seccional Aguachica, utilizando sensores IoT para recolectar datos meteorológicos en tiempo real. Se formuló un problema de clasificación multiclase para predecir la tendencia térmica (sube, baja o igual) en intervalos de 30 minutos. Se evaluaron modelos de aprendizaje automático como Random Forest, XGBoost y LSTM, siendo Random Forest el de mejor desempeño en métricas como precisión, recall y F1-score. Los hallazgos confirman la viabilidad de integrar estos modelos en sistemas domóticos para generar respuestas automatizadas eficientes, aportando una ruta metodológica replicable para la inteligencia climática en edificaciones inteligentes.