نقش هوش مصنوعی در بهینه سازی انرژی و عملکرد ساختمان های اقلیم گرم و خشک: ایران رویکردهای پیش بینی کننده و تحلیلی

هوش مصنوعی (AI) به عنوان یکی از فناوری های کلیدی قرن حاضر نقش فزاینده ای در بهبود عملکرد انرژی و پایداری ساختمان ها ایفا می کند. در اقلیم گرم و خشک، ایران که بیش از ۷۰ درصد مساحت کشور را در بر می گیرد و ساختمان ها مسئول حدود ۴۰ درصد کل مصرف انرژی نهایی هستند، بهینه سازی مصرف انرژی از اولویت های اساسی است. این پژوهش با تمرکز بر هوش مصنوعی غیرمولد پیش بینی کننده و تحلیلی به بررسی کاربردهای عملی آن در بهینه سازی انرژی و عملکرد ساختمان های این اقلیم می پردازد. روش تحقیق مبتنی بر مرور سیستماتیک مقالات و گزارش های معتبر بین المللی و داخلی (۲۰۲۳-۲۰۲۶) از پایگاه های Civilica، Google Scholar، ScienceDirect و گزارش های Autodesk، RIBA و NBS است. ابزارهای کلیدی مورد بررسی شامل الگوریتم های یادگیری ماشین مانند Random Forest و Neural Networks برای پیش بینی بار حرارتی، مدل های بهینه سازی مانند Genetic Algorithm و Particle Swarm Optimization برای انتخاب مصالح، جهت گیری و پوسته ساختمان و شبیه سازی های یکپارچه با BIM و نرم افزارهایی مانند Ladybug، EnergyPlus Tools و Autodesk Insight می باشد. یافته ها نشان می دهد که هوش مصنوعی غیرمولد می تواند مصرف انرژی سرمایشی را ۲۰ تا ۴۵ درصد کاهش دهد، دقت پیش بینی مصرف ماهانه را به بیش از ۹۲ درصد برساند و زمان فرآیند بهینه سازی طراحی را تا ۶۰ درصد کوتاه تر کند. در زمینه معماری ایران کاربرد AI در شبیه سازی بادگیرها، سایه اندا زی هوشمند و انتخاب مصالح محلی (مانند خشت و آجر فشاری) نتایج قابل توجهی داشته است. با این حال چالش های اصلی شامل کمبود داده های محلی باکیفیت، هزینه زیرساخت محاسباتی و نیاز به آموزش نیروی متخصص است. این پژوهش نتیجه می گیرد که هوش مصنوعی غیرمولد می تواند به عنوان شریک هوشمند معماران عمل کند و امکان دستیابی به ساختمان های کم مصرف، اقلیم گرا و پایدار در ایران را فراهم سازد. پیشنهاد می شود اجرای پروژه های پایلوت ملی و برنامه های آموزشی تخصصی برای یکپارچه سازی این فناوری در فرآیند طراحی معماری کشور صورت گیرد.

کلیدواژه ها:

هوش مصنوعی ، معماری ، ایران اقلیم گرم و خشک ، بهینه سازی انرژی ، طراحی پایدار