تبیین پارامترهای پایداری محیطی با استفاده از شبکه عصبی مصنوعی

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.