In verschillende landen zijn grote afwijkingen aan het licht gekomen bij het vergelijken van het werkelijk energiegebruik in woningen met het theoretisch energiegebruik, berekend aan de hand van rekenmethodes uit de energieprestatieregelgeving. Deze kloof tussen het werkelijk en berekend energiegebruik is een grote bekommernis in de residentiële bouwsector, waar informatie uit energieprestatiecertificaten vaak de enige energie-gerelateerde basis is om investeringsbeslissingen op te steunen in nieuwbouw en renovatie. Binnen dit doctoraatsonderzoek wordt getracht om het werkelijk energiegebruik in residentiële gebouwen nauwkeuriger te voorspellen op gebouwpatrimoniumniveau met behulp van bestaande data-driven white-box, black-box en grey-box modelleertechnieken. Aan de hand van de gegevens van meer dan 250.000 Vlaamse eengezinswoningen (>130.000 woningen met EPB-certificaat en >120.000 bestaande woningen met EPC-certificaat) wordt de bestaande kloof tussen het werkelijk en theoretisch energiegebruik geanalyseerd voor Vlaanderen. Daarnaast wordt bestudeerd in hoeverre data-driven black-box statistische modellen, black-box machine learning modellen en data-driven stochastische grey-box modellen het werkelijk energiegebruik kunnen voorspellen op gebouwpatrimoniumniveau op basis van beperkte beschikbare data. Tot slot worden een aantal evaluatietechnieken onderzocht die de betrouwbaarheid en robuustheid van data-driven voorspellingsmodellen voor gebouwpatrimonia moeten waarborgen. Deze analyses gebeuren met behulp van verscheidene onzekerheids- en gevoeligheidsanalysetechnieken en steunen op resultaten van meer dan 500 miljoen simulaties.