جستجوی مقالات مرتبط با کلیدواژه
data-driven method
در نشریات گروه هنر و معماری
تکرار جستجوی کلیدواژه data-driven method در مقالات مجلات علمی
-
ژوهش حاضر، با تاکید بر قابلیت هوش مصنوعی در پیش بینی پارامترهای پایداری محیطی، به مطالعه فرآیند استفاده از الگوریتم شبکه عصبی مصنوعی در پیش بینی میزان انرژی تابشی دریافتی در یک بافت شهری می پردازد. در این راستا ابتدا مجموعه داده های آموزشی از طریق فرآیند های قاعده محور تهیه می شود و سپس با استفاده از فرآیند داده محور، سه شبکه عصبی مصنوعی آموزش داده شده و سه تابع برازش جداگانه برای آن تقریب زده می شود. این توابع بر اساس سه ساختار متفاوت از شبکه های عصبی مصنوعی تنظیم شده اند. در پایان با مقایسه میزان خطای هر مدل، مقادیر پیش بینی شده نیز مورد بررسی قرار می گیرد و تاثیر ساختار شبکه عصبی در پاسخ های به دست آمده، تحلیل می شود. مدل ارایه شده این پژوهش قابلیت تعمیم پذیری به سایر مساله های مشابه پیش بینی پارامترهای پایداری محیطی را دارد و دو کاربرد اساسی برای این مدل ها وجود دارد. ابتدا امکان محاسبه دقیق و بدون نیاز به محاسبات سنگین را ایجاد می کند و دوم در شبیه سازی های پیچیده با در اختیار داشتن پارامترهای مستقل و وابسته و بدون نیاز به مطالعه قواعد و قوانین حاکم، قابلیت تخمین تابع را دارد و می تواند پارامتر پایداری مد نظر را با دقت بالا پیش بینی کند.پژوهش حاضر، با تاکید بر قابلیت هوش مصنوعی در پیش بینی پارامترهای پایداری محیطی، به مطالعه فرآیند استفاده از الگوریتم شبکه عصبی مصنوعی در پیش بینی میزان انرژی تابشی دریافتی در یک بافت شهری، با هدف چارچوب سازی برای نظریه معماری سرآمد می پردازد. از این رو پاسخی کاربردی، به نیاز به نگاهی جامع به مفهوم پایداری و طراحی معماری پایدار در معماری معاصر محسوب میشود. در این راستا ابتدا مجموعه داده های آموزشی از طریق فرآیند های قاعده محور تهیه می شود و سپس با استفاده از فرآیند داده محور، سه شبکه عصبی مصنوعی آموزش داده شده و سه تابع برازش جداگانه برای آن تقریب زده می شود. این توابع بر اساس سه ساختار متفاوت از شبکه های عصبی مصنوعی تنظیم شده اند. در پایان با مقایسه میزان خطای هر مدل، مقادیر پیش بینی شده نیز مورد بررسی قرار می گیرد و تاثیر ساختار شبکه عصبی در جواب های حاصله تحلیل می شود. مدل ارایه شده این پژوهش قابلیت تعمیم پذیری به سایر مساله های مشابه پیش بینی پارامترهای پایداری محیطی را دارد و دو کاربرد اساسی برای این مدل ها وجود دارد. ابتدا امکان محاسبه دقیق و بدون نیاز به محاسبات سنگین را ایجاد می کند و دوم در شبیه سازی های پیچیده با در اختیار داشتن پارامترهای مستقل و وابسته و بدون نیاز به مطالعه قواعد و قوانین حاکم، قابلیت تخمین تابع را دارد و می تواند پارامتر پایداری مد نظر را با دقت بالا پیش بینی کند.کلید واژگان: هوش مصنوعی، شبکه عصبی مصنوعی، نظریه معماری سرآمد، طراحی معماری، فرآیند داده محورThis research is to study the capabilities of artificial neural network (ANN) for predicting solar radiance in an urban context in order to materialize the concept of high-performance architecture. Literature review of the research implies that artificial intelligence (AI) is going to be a new emerging tool to contribute to high-performance architecture, as well as a way of thinking for a significant paradigm shift in environmental sustainability. In the first step, a rule-based method is applied to generate the dataset. In the next step, three different ANN models with different architectures are defined. These models are trained with the generated dataset and regarding the defined algorithm architecture, different results are predicted. The results indicate the precision of each model in predicting the amount of received solar radiation in a new sample location. Finally, these results are compared and the best ANN architecture is selected. The proposed model in this research could be generalized to other similar simulations and it has two main applications. First, it could predict the target parameter instantly without intensive computation. Secondly, it could fit a function for simulating a sustainable parameter only with the given input and output dataset and without needing to know any specific rules for the simulation. The results conclude that AI might be introduced as a comprehensive methodology for sustainable design in contemporary architecture. However, the research shows capability of ANN for outlining and predicting environmental sustainable parameters particularly.Keywords: Artificial intelligence (AI), Artificial Neural Network (ANN), Contemporary architecture, Data-driven method, High-performance architecture
نکته
- نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
©2000-2025 magiran.com All Rights Reserved.