طراحی جزئیات بهینه دیوارهای جنوبی برای کاهش مصرف انرژی ساختمان ها با کاربست یادگیری عمیق

سال انتشار: 1405
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 24

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_SHRAE-13-2_004

تاریخ نمایه سازی: 18 مهر 1405

چکیده مقاله:

یکی از چالش های اساسی در معماری پایدار، کاهش میزان مصرف انرژی در ساختمان ها است. دیوارهای جنوبی نقش کلیدی در کنترل انتقال حرارت و تابش خورشید به درون ساختمان ها ایفا می کنند. این پژوهش با هدف طراحی بهینه مصالح دیوارهای جنوبی و با روش تحقیق توصیفی - تحلیلی، به تاثیر لایه های مصالح این نوع از دیوارها بر کنترل میزان انتقال حرارت و همچنین مصرف انرژی ساختمان ها پرداخته است. در ادامه پژوهش یک نمونه دیوار جنوبی با مصالح معمولی از نظر میزان انتقال حرارت توسط نرم افزار دیزاین بیلدر بررسی شده است و بار دیگر میزان انتقال حرارت یک دیوار طراحی شده با مصالح نوین مورد ارزیابی قرار گرفته است. در دیوار جنوبی طراحی شده برای هر لایه آن، چند گزینه مصالح با توجه به معیارهای حرارتی و فیزیکی انتخاب شده است؛ سپس با استفاده از یک مدل یادگیری عمیق، ترکیب بهینه مصالح از بین گزینه های متنوع و پیش انتخاب شده با بررسی غیرخطی معیارها تعیین می گردد. نتایج نشان می دهد که دیوار جنوبی طراحی شده با کمک مصالح نوین و یادگیری عمیق میزان انتقال حرارت را متناسب با شرایط آب و هوایی تمام فصول یک اقلیم گرم، از فضای بیرون به داخل ۵۱/۸۰ درصد و همچنین از فضای داخل به بیرون ۳۴/۲۹ درصد در بازه زمانی یک سال کاهش داده است و همین موضوع باعث کاهش بار سرمایش و گرمایش فضای داخل و بهبود میزان مصرف انرژی می شود.

کلیدواژه ها:

دیوارهای جنوبی ، کاهش مصرف انرژی ساختمان ها ، طراحی جزئیات ، یادگیری عمیق ، نرم افزار دیزاین بیلدر

نویسندگان

محمد نیرومند

گروه معماری، واحد بروجرد، دانشگاه آزاد اسلامی، بروجرد، ایران

محمد جلیلی

گروه معماری، واحد بروجرد، دانشگاه آزاد اسلامی، بروجرد، ایران

حسین یاراحمدی

گروه کامپیوتر، واحد بروجرد، دانشگاه آزاد اسلامی، بروجرد، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • M. Niroumand and N. Faramarzi Fard, Investigating the role of ...
  • M. T. Plytaria, C. Tzivanidis, E. Bellos, I. Alexopoulos, and ...
  • A. K. M. Yahia and M. Shahjalal, Sustainable materials selection ...
  • N. Amani, Energy efficiency of residential buildings using thermal insulation ...
  • V. J. Reddy, M. F. Ghazali, and S. Kumarasamy, Advancements ...
  • L. Goswami, M. K. Deka, and M. Roy, Artificial intelligence ...
  • W. Li, P. Chen, B. Xiong, G. Liu, S. Dou, ...
  • R. A. Kishore, M. V. Bianchi, C. Booten, J. Vidal, ...
  • M. Arıcı, F. Bilgin, M. Krajčík, S. Nižetić, and H. ...
  • B. Lamrani, K. Johannes, and F. Kuznik, Phase change materials ...
  • A. E. Ahmed, M. S. Suwaed, A. M. Shakir, and ...
  • K. A. Ismail, F. A. Lino, M. Teggar, M. Arıcı, ...
  • Y. A. Abera, Sustainable building materials: A compreh ensive study ...
  • A. Kurdi, N. Almoatham, M. Mirza, T. Ballweg, and B. ...
  • M. Alegbe, Comparative analysis of wall materials toward improved thermal ...
  • R. S. Athauda, A. S. Asmone, and S. Conejos, Climate ...
  • S. A. Dabous, T. Ibrahim, S. Shareef, E. Mushtaha, and ...
  • K. Sharifani and M. Amini, Machine learning and deep learning: ...
  • K. Choudhary, B. DeCost, C. Chen, A. Jain, F. Tavazza, ...
  • Ketkar and J. Moolayil, Feed-forward neural networks, in Deep Learning ...
  • M. Momeni and A. Tanoursaz, Comparison of the impact of ...
  • S. K. Shukla and S. Kaul, Advanced building materials, Thermal ...
  • M. Moradi and A. Ameri Siahouei, Evaluating the Role of ...
  • نمایش کامل مراجع