ابوالفضل خوش طینت - کارشناس ارشد، دانشکده محیط زیست و انرژی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات
اندیشه شیعه بیگی - استادیار، گروه مهندسی انرژی، دانشکده محیط زیست و انرژی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات

مصرف انرژی ساختمان مسکونی از لحاظ استفاده و کارایی انرژی مورد توجه است. میزان مصرف انرژی ساختمان ها در کشورهای توسعه یافته حدودا یک سوم از کل میزان انرژی مصرف را شامل میشود و این میزان مصرف انرژی در ایران حدود 40 در صد از کل میزان م صرف انرژی را در برمیگیرد. از همین رو پیشبینی م صرف انرژی ساختمانها به عنوان چال شی در دهه های اخیر مطرح شده ا ست. مدل سازی م صرف انرژی در ساختمانهای م سکونی با پی شرفتهایی که در زمینه محاسبات و شبیه سازی بوجود آمده به امری ممکن بدل شده و یکی از این پیشرفتهای چشمگیر، پیدایش هوش مصنوعی در توسعه مدلهای آماری است. مطالعات نشان میدهد که روش شبکه عصبی مصنوعی میتواند برای پیشبینی رفتار غیر خطی م صرف انرژی ساختمان به کار گرفته شود. در این مدل، متغیرهای اقلیمی به عنوان ورودی و م صرف انرژی ساختمان به عنوان متغیر خروجی ه ستند. شبکه در نرم افزار متلب ساخته شد و با الگوریتم لونبرگ-مارکوارت و الگوریتم تکاملی ازدحام ذرات آموزش دیده شد. نتایج نشان میدهد که شبکه عصبی به خوبی توانایی تخمین انرژی مصرفی ساختمان ها را دارد. با استفاده از ترکیب الگوریتمهای تکاملی و الگوریتمهای رایج مثل پس انتشار خطا میتوان به نتایج بهتری دست یافت.

پیش بینی مصرف انرژی، شبکه عصبی مصنوعی، الگوریتم ازدحام ذرات، الگوریم لونبرگ مارکوارت