ارزیابی هوشمند کارایی نور طبیعی در آپارتمان های متراکم شهری با الگوریتم های یادگیری عمیق

2 دی 1404 - خواندن 3 دقیقه - 4 بازدید

ارزیابی هوشمند کارایی نور طبیعی در آپارتمان های متراکم شهری با الگوریتم های یادگیری عمیق

در بافت های متراکم شهری اقلیم مرطوب ایران، کیفیت نور طبیعی در آپارتمان ها اغلب تحت تاثیر ارتفاع زیاد ساختمان ها، فاصله کم میان بلوک ها و معابر باریک قرار می گیرد. در چنین شرایطی، ارزیابی کارایی نور روز با روش های سنتی، محدود و زمان بر است و نمی تواند پیچیدگی های فضایی و تغییرات اقلیمی را به طور دقیق منعکس کند. الگوریتم های یادگیری عمیق با توانایی پردازش داده های حجیم و شناسایی الگوهای پنهان، ابزاری کارآمد برای تحلیل عملکرد نور طبیعی در این بافت ها فراهم می کنند.

فرایند کاربردی این روش با جمع آوری داده های اولیه آغاز می شود؛ داده هایی که شامل ویژگی های هندسی آپارتمان ها، ابعاد و موقعیت پنجره ها، رنگ و بازتاب سطوح داخلی، و همچنین اطلاعات اقلیمی شهر مانند تابش پخشیده و ساعات ابری بودن است. سپس با استفاده از شبکه های عصبی عمیق، مدل قادر می شود روابط پیچیده میان این متغیرها و شاخص های روشنایی مانند میانگین روشنایی، یکنواختی نور و ساعات اتکای صرف به نور طبیعی را بیاموزد.

نمونه ای عملی را می توان در یک مجموعه آپارتمانی ۵ طبقه در رشت در نظر گرفت. تحلیل مدل یادگیری عمیق نشان داد که افزایش ساده ابعاد پنجره ها در واحدهای میانی اثر محدودی بر روشنایی دارد، اما افزودن نورگیرهای جانبی و تغییر جزئی در موقعیت دیوارهای داخلی، توزیع نور را به طور قابل توجهی بهبود می بخشد. این یافته ها با تجربه طراحی فضاهای کم عمق در شمال ایران همخوانی دارد و نشان می دهد که راهکارهای داده محور می توانند نتایج عملی و واقعی ارائه دهند.

تحلیل تطبیقی با اقلیم خشک و شهرهای کم باران ایران، مانند اصفهان، نشان می دهد که الگوهای بهینه متفاوت است؛ در آن مناطق تمرکز بر کنترل تابش مستقیم و خیرگی است، در حالی که در اقلیم مرطوب، افزایش نور پراکنده و یکنواختی آن اهمیت بیشتری دارد. یادگیری عمیق این تفاوت ها را به صورت خودکار استخراج و در پیش بینی ها لحاظ می کند.

در نهایت، ارزیابی هوشمند کارایی نور طبیعی با الگوریتم های یادگیری عمیق، ابزار موثری برای ارتقای کیفیت فضایی و طراحی بهینه در آپارتمان های متراکم شمال ایران است. این رویکرد، امکان تصمیم گیری سریع، دقیق و مبتنی بر داده را برای طراحان فراهم می کند و تضمین می کند که فضاهای داخلی با کمترین وابستگی به نور مصنوعی، روشنایی کافی داشته باشند.