استفاده از شبکه عصبی مصنوعی و WebGL برای بهینه سازی الگوریتمی نسبت دیوارپنجرههای ساختمانهای اداری بلند

با تلفیق مدلسازی پارامتریک ، موتورهای شبیه سازی عملکرد ساختمان و الگوریتم های به ینه سازی ، انتخابهای طراحی بهینه در رابطه با اهداف از پیش تعریف شده عملکرد ساختمان را می توان به طور خودکار به دست آورد. این موضوع به یک موضوع تحقیقاتی نوظهور در میان محققان در زمینه های معماری و محیط ساخته شده تبدیل شده است . با این حال، به کارگیری این روش برای پروژههای طراحی ساختمان واقعی آسان نیست ، زیرا دو اشکال اصلی دارند: شبیه سازی عملکرد ساختمان بسیار زمانبر است ، و تجسم عددی نتایج نهایی برای معماران جهت تصمیم گیری بصری نیست . بنابراین ، این مطالعه سعی می کند این دو شکاف را با آموزش یک شبکه عصب ی مصنوعی برا ی جایگزینی موتورهای شب یه سازی و توسعه یک برنامه وب برای تسریع تجسم سه بعدی گزینه های طراحی انتخابشده پر کند. این دو استراتژی برا ی بهینه سازی نسبت های دیوارپنجره ۱ برجهای اداری در هانگژو۲، چین اعمال می شوند. معمارانی که روی پروژههای طراحی جدید در آن شهر کار می کنند، می توانند گروه به ینه نسبت های دیوارپنجره را برا ی چهار نما در دو ثانیه ، سریع تر از زمان استفاده از موتورهای شبیه سازی ، که برای معماران دو هفته هزینه دارد، به دست آورند. علاوه بر این ، معماران همچنین می توانند ظاهر راهحل های طراحی را با برنامه وب به طور موثر مشاهده کنند. این مطالعه با بهبود قابلیت استفاده از این دو جنبه ، کاربرد بهینه سازی الگوریتمی را برای پروژههای طراحی ساختمان به طور قابل توجهی بهبود می بخشد.

کلیدواژه ها:

طراحی نمای ساختمان ، اتوماسیون طراحی ، طراحی به کمک الگوریتم ، شب یه سازی عملکرد ساختمان ، شبکه عصبی مصنوعی