تخمین هدایت حرارتی در دیوارهای رایج در ساختمان سازی با استفاده از روشهای یادگیری ماشین

بخش قابل توجهی از انرژی صرف سرمایش و گرمایش فضاها میگردد تا آسایش محیطی برای ساکنان فراهم گردد اما به دلیل هدایت حرارتی برخی مصالح اتلاف انرژی در پوسته ساختمانها اتفاق میافتد. دیوارها تاثیر مستقیمی بر میزان کاهش یا افزایش مصرف انرژی در ساختمانها دارند. در پژوهش حاضر با استفاده از مدل شبکه عصبی مصنوعی و رگرسیون خطی، هدایت حرارتی تخمین زده شده است. با استفاده از نرم افزار Design builder اطلاعات مورد نیاز برای این مطالعه در قالب ۹۶ داده با مدلسازی ۱۲ نوع دیوار با ۸ ضخامت متفاوت تهیه گردید. سپس ۸۰ درصد از دادهها به صورت تصادفی انتخاب شدند و تحت عنوان دادههای آموزش(۲۰ )Train درصد دیگر دادهها تحت عنوان دادههای آزمایش )Test) جهت بررسی دقت مدل تعریف شده، مورد استفاده قرارگرفت. این بررسی با نسبتهای مشابه داده های آموزش و آزمایش، توسط رگرسیون خطی نیز مورد بررسی قرار گرفت. در نتیجه این بررسیها و مقایسه دقت تخمین دو ابزار شبکه عصبی و رگرسیون خطی، به این نتیجه رسیدیم که مدل شبکه عصبی مصنوعی با ضرایب رگرسیون ۰.۹۰۶ و ۰.۸۶۵ به ترتیب برای داده های آموزش و آزمایش، با دقت بیشتر در تخمین هدایت حرارتی ابزار بهتری میباشد که نتایج قابل قبولی را ارائه میدهد.

کلیدواژه ها:

هدایت حرارتی ، شبکه عصبی مصنوعی ، ضریب رگرسیون ، رگرسیون خطی ، دیوار