صلاح الدین ویسی

ساختمان ها مصرف کننده 40% از انرژی اولیه در جهان می باشند و تقریباً انتشار دهنده یک سوم از گازهای گلخانه ای (GHG) نیز هستند. پیش بینی میزان مصرف انرژی در آینده برای مدیریت بهینه تامین و مصرف انرژی در این حوزه از اهمیت بسیاری برخوردار است. علاوه بر آمادگی و برنامه ریزی برای مدیریت میزان تقاضای انرژی می توان عوامل مؤثر بر میزان مصرف انرژی را شناسایی و با ارائه راهکارهای معمارانه در جهت کاهش این عوامل در ساختمان های مسکونی اقدام نمود. پیش بینی میزان مصرف انرژی بسیار چالش برانگیز است زیرا اغلب از الگوهای غیرخطی پیچیده پیروی می کند و همچنین دارای متغیرهای تأثیرگذار مختلفی از جزئیات فیزیک ساختمان، رفتار ساکنین و تجهیزات گرمایشی و سرمایشی می باشد، ازاین رو تکنیک های پیش بینی آماری سنتی برای دستیابی به پیش بینی های دقیق انرژی بسیار ضعیف عمل می کنند. در سال های اخیر قدرت ودقت محاسبات پیچیده و تحلیل داده های واقعی با استفاده از یادگیری ماشین (Machine Learning) بهبود یافته است. بسیاری از تکنیک های یادگیری ماشین قادر به تحلیل الگوهای غیرخطی داده ها هستند که این امر موجب تهیه مدل مناسبی برای پیش بینی مصرف انرژی می شود. در این پژوهش، مدل های یادگیری ماشین ازجمله رگرسیون خطی (Linear Regression)، گرادیان تقویتی (XGBoost) ، شبکه های عصبی مصنوعی (Artificial Neural Network) و جنگل تصادفی (Random Forest) برای بررسی و پیش بینی مصرف انرژی (گرمایشی، گاز) در ساختمان های مسکونی استفاده شده است. متغیرهای ورودی مورداستفاده برای این مطالعه شامل مجموعه ای از داده های واقعی مصرف گاز و نیز اطلاعات رفتاری و فرهنگی، اجتماعی جمع آوری شده از طریق پرسشنامه ها در استان کردستان است که در قالب یک بانک اطلاعاتی جامع و موثق تشکیل شده است. در طی این فرآیند از تحلیل خطاهای جذر میانگین مربعات (RMSE) و ضریب تعیین (R^2) برای مقایسه دقت عملکرد مدل های یادگیری ماشین استفاده شده است و نتایج آن نشان می دهد که مدل گرادیان تقویتی (XGBoost)، بهترین دقت پیش بینیR^2 (79%) و RMSE (11214) را با استفاده از داده های این پژوهش دارد و با بررسی پارامترهای ورودی، مؤلفه های تأثیرگذار بر میزان مصرف انرژی گرمایشی در ساختمان های مسکونی مشخص شد. در گام دوم با استفاده از مدل Arima و با استفاده از داده های مصرف سالیانه انرژی و دو عامل رشد جمعیت و متراژ کل واحدهای مسکونی میزان مصرف گاز در سال 2025 و 2030 برای شهر سنندج پیش بینی شده و درنهایت با شبیه سازی یک ساختمان مسکونی طراحی شده در شهر سنندج، میزان مصرف انرژی در این ساختمان پیش بینی شده و راهکارهای معمارانه در جهت کاهش مصرف انرژی در ساختمان های مسکونی ارائه گردید.