طراحی مبتنی بر هوش مصنوعی برای ارتقای آسایش نوری در اقلیم مرطوب
طراحی مبتنی بر هوش مصنوعی برای ارتقای آسایش نوری در اقلیم مرطوب
آسایش نوری در فضاهای مسکونی اقلیم مرطوب، از جمله شهرهای شمال ایران مانند رشت، ترکیبی از میزان روشنایی کافی، توزیع یکنواخت نور و کنترل خیرگی است. برخلاف مناطق خشک، در این اقلیم غالب نور دریافتی از آسمان ابری و پراکنده تامین می شود و تغییرات مداوم شرایط جوی می تواند تجربه بصری ساکنان را تحت تاثیر قرار دهد. استفاده از هوش مصنوعی در طراحی نور طبیعی، امکان تحلیل دقیق و ارائه راهکارهای بهینه برای ارتقای آسایش نوری را فراهم می کند.
در این رویکرد، ابتدا داده های میدانی و شبیه سازی از واحدهای مسکونی جمع آوری می شوند؛ شامل روشنایی در نقاط مختلف اتاق ها، میزان خیرگی، جهت گیری واحد و عمق فضا. سپس الگوریتم های هوش مصنوعی، به ویژه شبکه های عصبی و مدل های پیش بینی، الگوهای پیچیده میان هندسه فضا و کیفیت نور را می آموزند. این مدل ها قادرند برای طراحی های جدید، پیش بینی دقیقی از عملکرد نور ارائه دهند و نقاط مشکل را شناسایی کنند.
یک نمونه کاربردی در آپارتمان های ۸ تا ۱۰ طبقه رشت نشان می دهد که حتی با پنجره های بزرگ، نور عمق پلان های میانی کافی نیست. مدل هوش مصنوعی پیشنهاد می دهد که با تغییر جزئی در موقعیت بازشوها، استفاده از نورگیرهای سقفی کوچک و رنگ های بازتابنده داخلی، یکنواختی نور و میزان روشنایی به طور محسوسی افزایش می یابد. این روش امکان مقایسه سریع گزینه های طراحی را بدون نیاز به آزمون و خطای طولانی فراهم می کند.
تحلیل تطبیقی با اقلیم های گرم و خشک ایران نشان می دهد که در آن مناطق، الگوریتم ها بر کنترل تابش مستقیم و خیرگی تمرکز دارند، در حالی که در اقلیم مرطوب، هدف اصلی افزایش نفوذ نور پراکنده و کاهش نواحی تاریک است. چنین تفاوت هایی اهمیت آموزش مدل ها با داده های بومی را برجسته می کند.
در نهایت، طراحی مبتنی بر هوش مصنوعی می تواند ابزار قدرتمندی برای ارتقای آسایش نوری در مسکن شهری اقلیم مرطوب باشد. این رویکرد نه تنها کیفیت بصری فضاها را افزایش می دهد، بلکه وابستگی به نور مصنوعی را کاهش داده و تجربه زیستی سالم تر و پایدارتری برای ساکنان فراهم می کند.