پیش بینی مصرف انرژی ساختمان با استفاده از مدل های عصبی-فازی جمعی

با توجه به نقش موثر انرژی در توسعه اقتصادی و افزایش مصرف آن به موازات رشد جوامع بشری، و با عنایت به محدودیت منابع و پیشگیری از مواجه شدن با بحران های انرژی، لزوم صرفه جویی از طریق مدیریت مصرف انرژی ضروری است. برای مدیریت مصرف انرژی می توان از روش پیش بینی مصرف انرژی استفاده کرد. در این پژوهش برای دسته بندی مصرف انرژی ساختمان ها به سه کلاس با مصرف کم، متوسط، زیاد انرژی ساختمان، از دسته بندهای سیستم استنتاج تطبیقیANFIS و مدل عصبی-فازی خطی محلی((LLNFM و شبکه عصبی پایه شعاعی((RBF استفاده شده است. که در نهایت برای بهبود نتیجه به دست آمده از دسته بندها، روش رای گیری حداکثری بین دسته بندها انجام شد که در این پژوهش الگوریتم .LOLIMOT نتیجه بهتری نسبت به الگوریتم رای گیری حداکثری داده است. ارزیابی نتایج براساس معیارهای ارزیابی صحت، دقت، حساسیت، تشخیص و F-measure بوده است که بهترین نتیجه از لحاظ صحت و دقت مربوط به الگوریتم LOLIMOT به ترتیب با مقادیر 0/9814 و 0/9662 می باشد.

کلیدواژه ها:

مصرف انرژی ساختمان ، پیش بینی ، مدل های عصبی-فازی ، رای گیری شورایی(جمعی)