پیوندهای مفید
آمار
| تعداد نشریات | 11 |
| تعداد شماره‌ها | 226 |
| تعداد مقالات | 2,285 |
| تعداد مشاهده مقاله | 3,519,810 |
| تعداد دریافت فایل اصل مقاله | 2,580,414 |
تبیین پارامترهای پایداری محیطی با استفاده از شبکه عصبی مصنوعی | ||
| معماری و شهرسازی پایدار | ||
| دوره 7، شماره 2، اسفند 1398، صفحه 169-182 اصل مقاله (1.89 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22061/jsaud.2019.4501.1333 | ||
| نویسندگان | ||
| مرتضی رهبر1؛ محمدجواد مهدوی نژاد* 2؛ محمدرضا بمانیان3؛ امیرحسین دوائی مرکزی4 | ||
| 1استادیار، معماری، دانشکده معماری و شهرسازی، دانشگاه علم و صنعت ایران، تهران، ایران. | ||
| 2دانشیار، معماری، دانشکده هنر و معماری، دانشگاه تربیت مدرس، تهران، ایران. | ||
| 3استاد، معماری، دانشکده هنر و معماری، دانشگاه تربیت مدرس، تهران، ایران. | ||
| 4استاد، گروه مکاترونیک، دانشکده مهندسی، دانشگاه علم و صنعت ایران | ||
| تاریخ دریافت: 18 آذر 1397، تاریخ بازنگری: 24 اسفند 1398، تاریخ پذیرش: 29 دی 1398 | ||
| چکیده | ||
| پژوهش حاضر، با تأکید بر قابلیت هوش مصنوعی در پیش‌بینی پارامترهای پایداری محیطی، به مطالعه فرآیند استفاده از الگوریتم شبکه عصبی مصنوعی در پیش‌بینی میزان انرژی تابشی دریافتی در یک بافت شهری می‌پردازد. در این راستا ابتدا مجموعه داده‌های آموزشی از طریق فرآیند‌های قاعده محور تهیه می‌شود و سپس با استفاده از فرآیند دادهمحور، سه شبکه عصبی مصنوعی آموزش داده شده و سه تابع برازش جداگانه برای آن تقریب زده می‌شود. این توابع بر اساس سه ساختار متفاوت از شبکه‌های عصبی مصنوعی تنظیم شده‌اند. در پایان با مقایسه میزان خطای هر مدل، مقادیر پیش‌بینی شده نیز مورد بررسی قرار می‌گیرد و تأثیر ساختار شبکه عصبی در پاسخ‌های به دست آمده، تحلیل می‌شود. مدل ارائه شده این پژوهش قابلیت تعمیم پذیری به سایر مسأله‌های مشابه پیش‌بینی پارامترهای پایداری محیطی را دارد و دو کاربرد اساسی برای این مدل‌ها وجود دارد. ابتدا امکان محاسبه دقیق و بدون نیاز به محاسبات سنگین را ایجاد می‌کند و دوم در شبیه‌سازی‌های پیچیده با در اختیار داشتن پارامترهای مستقل و وابسته و بدون نیاز به مطالعه قواعد و قوانین حاکم، قابلیت تخمین تابع را دارد و می‌تواند پارامتر پایداری مد نظر را با دقت بالا پیش‌بینی کند. | ||
| کلیدواژه‌ها | ||
| هوش مصنوعی؛ شبکه عصبی مصنوعی؛ نظریه معماری سرآمد؛ طراحی معماری؛ فرآیند داده محور | ||
| عنوان مقاله [English] | ||
| Artificial neural network for outlining and predicting environmental sustainable parameters | ||
| نویسندگان [English] | ||
| Morteza Rahbar1؛ MohammadJavad MahdaviNejad2؛ MohamadReza Bemanian3؛ Amirhossein Davaie-Markazi4 | ||
| 1Assistant Prof, of Architecture, Department of Architecture and Urban Design, Iran University of Science and Technology, Tehran, Iran. | ||
| 2Associate Prof. of ,Architecture. Department of Art and Architecture, Tarbiat Modares University, Tehran, Iran. | ||
| 3Prof. of Architecture,Department of Art and Architecture, Tarbiat Modares University, Tehran, Iran. | ||
| 4Professor, , School of Mechanic Engineering, Iran University of Science & Technology | ||
| چکیده [English] | ||
| This 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. | ||
| کلیدواژه‌ها [English] | ||
| Artificial intelligence (AI), Artificial neural network (ANN), Contemporary architecture, Data-driven method, High-performance architecture | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 2,655 تعداد دریافت فایل اصل مقاله: 2,325 |
||