پیش بینی عمر مفید ساختمان جهت ارزیابی چرخه حیات (LCA) و هزینه چرخه حیات (LCC) با یادگیری ماشین و رویکرد کلان داده

ارزیابی چرخه حیات (LCA) و هزینه چرخه حیات (LCC) دو رویکرد کلیدی برای سنجش پایداری و توجیه پذیری اقتصادی ساختمان ها هستند. تخمین دقیق عمر مفید ساختمان، پیش نیاز ضروری برای اجرای دقیق این ارزیابی هاست. با توجه به پیچیدگی عوامل موثر بر عمر مفید ساختمان، روش های سنتی برآورد اغلب بر اساس نوع ساختار اصلی ساختمان تکیه می کنند که می تواند منجر به خطاهای قابل توجهی شود. در این پژوهش، با بهره گیری از داده های گسترده ساختمان های ساخته شده و تخریب شده در کره جنوبی، یک مدل پیش بینی عمر مفید ساختمان مبتنی بر یادگیری عمیق توسعه داده شده است. نتایج نشان می دهند که این مدل نسبت به روش های سنتی دقت بسیار بالاتری دارد و می تواند به طور موثری خطای پیش بینی را کاهش دهد. به کارگیری یادگیری عمیق در ارزیابی چرخه حیات و هزینه چرخه حیات ساختمان، رویکردی نوآورانه و امیدبخش است که می تواند به بهبود تصمیم گیری ها در فرآیند ساخت و ساز و برنامه ریزی بلندمدت کمک شایانی کند.

کلیدواژه ها:

عمر مفید ساختمان ، هزینه چرخه حیات ، ارزیابی چرخه حیات ، کلان داده ، یادگیری ماشین ، شبکه عصبی عمیق