بررسی پارامترهای موثر معماری در مصرف انرژی ساختمانهای مسکونی با استفاده از ابزار یادگیری ماشین و یادگیری عمیق
- سال انتشار: 1400
- محل انتشار: اولین کنفرانس بین المللی طراحی و مدیریت ساخت پایدار
- کد COI اختصاصی: SDCM01_011
- زبان مقاله: فارسی
- تعداد مشاهده: 537
نویسندگان
دانشگاه صنعتی شریف، تهران
دانشگاه صنعتی شریف، تهران
چکیده
این پژوهش با استفاده از ابزار یادگیری ماشین و یادگیری عمیق، میزان بار سرمایشی و گرمایشی ساختمانهای مسکونی را پیشبینی میکند. در سالهای اخیر نگرانیها در خصوص عدم تامین انرژی مورد نیاز مصرف کنندگان خانگی و همچنین واحدهای صنعتی و تجاری بیشتر شده است. علاوه بر آن طبق آمارهای منتشر شده، امروزه در کشور ایران میزان مصرف انرژی و هدررفت آن بیشتر از میانگین جهانی بوده و این امر اهمیت اتخاذ تصمیمهای مناسب برای جلوگیری از هدررفت آن را بیش از پیش برجسته میکند. یکی از راه های جلوگیری از هدررفت انرژی در ساختمانها، طراحی معماری اصولی آنهاست. در این پژوهش با در نظر گرفتن متغیرهای معماری تاثیرگذار بر مصرف انرژی ساختمان، علاوه بر پیشبینی بار سرمایی و گرمایی آنها و همچنین مقایسه بین مدلهای مختلف، با استفاده از نتایج مدل رگرسیون خطی به پیشنهاداتی راجع به نحوه طراحی معماری سازه ها، جهت کاهش هدررفت و مصرف انرژی در ساختمانهای مسکونی پرداخته شده است. یافته های این پژوهش حاکی از دقت بیشتر مدلهای یادگیری عمیق در پیشبینی دو متغیر هدف میباشند. همچنین در مقایسه با دیگر الگوریتم های یادگیری ماشین بهترین دقت را XG Boost داشته است و پس از آن دو الگوریتم درختهای اضافی۱و جنگل تصادفی ۲در رده های بعدی قرار میگیرند. علاوه بر این نتایج مدل یادگیری عمیق ارائه شده در این پژوهش در مقایسه با مدلهای قبلی این حوزه از دقت بالاتری برخوردار است. در نهایت دیگر یافته این پژوهش نشان میدهند بیشترین تاثیر را بر هدررفت انرژی (بدون در نظر گرفتن مساحت نورگیر یک ساختمان) متغیر فشردگی نسبی برای انرژی گرمایی، و متغیر ارتفاع کلی برای انرژی سرمایی داشتهاند. نتایج این پژوهش کمک شایانی به طراحان و سیاستگذاران این حوزه در زمینه صرفه جویی انرژی خواهدکرد.کلیدواژه ها
Heating Load ، Cooling Load ، Deep Learning ، Machine Learning ،Green Building Designمقالات مرتبط جدید
- بهبود مدیریت بحران در ایران: تحلیل اجرای توصیه های ارزیابی و چالش های موجود
- ارزیابی حسابرسان خارجی از عملکرد حسابرسی داخلی در شرکت های پارک علم و فناوری فارس
- فلسفه اخلاقی و باورهای اخلاقی حسابرسان
- نقش هوش مصنوعی در آینده حسابداری: فرصتها و چالشها
- تاثیر یادگیری سازمانی بر آموزش و بهسازی منابع انسانی با نقش تعدیلگر هوش سازمانی
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.