گونه بندی و استخراج ویژگی های پلان معماری با به کارگیری روش های یادگیری ماشین؛ نمونه موردی: خانه های بومی بندر کنگ

منطقه گرم و مرطوب ایران دارای تابستان های گرم با رطوبت بالا و از بحرانی ترین اقلیم های جهان است. مطالعه ویژگی های مسکن بومی این مناطق می تواند منجر به ارائه راهکارهای پیشنهادی برای طراحی مسکن معاصر شود. یکی از چالش هایی که پژوهشگران در مطالعه گونه های معماری با آن مواجه هستند، انتخاب نمونه های موردی می باشد. هدف این پژوهش استفاده از روش های یادگیری ماشین برای انتخاب نمونه های موردی و دسته بندی خانه های بندر کنگ بر اساس شکل و نحوه قرارگیری بادگیر و فضاهای مجاور آن است. برای این منظور از نرم افزار آناکوندا ۳.۹ و جوپیتر ۶.۴.۵ استفاده شده است. سنجش شباهت از لحاظ شکلی و روابط فضایی توسط الگوریتم فاصله کسینوسی انجام شده است. دسته بندی بر اساس ویژگی های استخراج شده توسط الگوریتم سلسله مراتبی به روش پیوند میانگین انجام شده است. بر اساس نتایج شباهت سنجی نمونه های موردی منتخب پلان خانه های یونسی، گلبت و کرچی، با بالاترین میزان شباهت شکلی و روابط فضایی با دیگر پلان ها می باشند. نتایج حاصل از دسته بندی نشان می دهد پلان ها از نظر ویژگی های استخراج شده به سه دسته قابل تقسیم می باشند. با تحلیل نمودار پراکندگی ویژگی های هر دسته، نتایج زیر استخراج شده است. در دسته اول اتاق بادگیر در شرق خانه قرار دارد و ساباط و یا حیاط در سمت غرب آن قرار گرفته است. اتاق های اصلی غالبا در ضلع شمالی و فضاهای خدماتی در ضلع شرقی و غربی قرار دارند. در دسته دوم اتاق بادگیر در میانه ضلع غربی خانه قرار گرفته است. در این دسته کشیدگی پلان شمالی- جنوبی است و اتاق های زیستی در سمت غربی و شرقی قرار گرفته اند. در دسته سوم بادگیر در ضلع غربی پلان قرار دارد. در این دسته کشیدگی پلان ها بیشتر شرقی- غربی می باشد. مجاورت شمالی اتاق بادگیر گتیه و یا اتاق می باشد و در اکثر پلان های این دسته اتاق بادگیر به اتاق شمالی و یا گتیه راه دارد.

کلیدواژه ها:

مسکن بومی ، منطقه گرم و مرطوب ایران ، یادگیری ماشین ، تشابه سنجی