ادغام فناوری های یادگیری ماشین با معماری اقلیمی برای بهینه سازی طراحی های پایدار، مطالعه موردی در مناطق با اقلیم گرم و خشک و گرم و نیمه خشک و گرم و مرطوب (سواحل مکران)

این پژوهش با هدف بررسی و بهینه سازی طراحی های معماری پایدار در اقلیم های گرم و خشک، گرم و نیمه خشک، و گرم و مرطوب جنوب و جنوب شرقی ایران (شامل شهرهای یزد، ایرانشهر و بندرعباس) انجام شده است. در این راستا، با بهره گیری از الگوریتم های یادگیری ماشین نظیر Random Forest، Support Vector Machine و Decision Tree، ارتباط میان ویژگی های اقلیمی و مولفه های بهینه طراحی معماری (شامل فرم بنا، نوع مصالح، جهت گیری و راهکارهای تهویه طبیعی) مدل سازی و تحلیل شد. نتایج نشان داد الگوریتم Random Forest با دقت ۸۹.۳٪ و کمترین خطای پیش بینی، توانست موثرترین مدل برای استخراج الگوهای طراحی اقلیمی باشد. تحلیل های صورت گرفته بیانگر آن است که طراحی های پیشنهادی مبتنی بر خروجی مدل در هر منطقه، ضمن هماهنگی با اصول معماری بومی، منجر به کاهش چشمگیر مصرف انرژی سالانه (بین ۲۸ تا ۳۵ درصد) و ارتقاء شاخص پایداری ساختمان ها (امتیاز بین ۸.۱ تا ۸.۹ از ۱۰) شده است. این پژوهش تاکید می کند که تلفیق دانش اقلیمی با فناوری های داده محور می تواند به عنوان راهکاری نوین در مسیر تحقق معماری هوشمند و پایدار در مناطق گرم ایران مورد استفاده قرار گیرد.

کلیدواژه ها:

معماری اقلیمی ، یادگیری ماشین ، طراحی پایدار ، بهینه سازی انرژی