خلاصة:
اﻣﺮوزه ﺑﻪ دﻟﯿﻞ اﻓﺰاﯾﺶ اﻫﻤﯿﺖ ﻣﺼﺮف اﻧﺮژی، روﺷﻬﺎی ﺑﺴﯿﺎری ﺑﺎ ﻫﺪف ﭘﯿﺶ ﺑﯿﻨﯽ دﻗﯿﻖ ﻣﯿﺰان ﻣﺼﺮف اﻧﺮژی ﻣﻮرد اﺳﺘﻔﺎده ﻗﺮار ﮔﺮﻓﺘﻪ اﺳﺖ. ﯾﮑﯽ از اﯾﻦ روشﻫﺎ اﺳﺘﻔﺎده از ﻫﻮش ﻣﺼﻨﻮﻋﯽ اﺳﺖ. ﺑﺮای اﻧﺠﺎم اﯾﻦ ﮐﺎر از اﻟﮕﻮرﯾﺘﻢﻫﺎی ﻣﺨﺘﻠﻔﯽ اﺳﺘﻔﺎده ﻣﯽﺷﻮد ﮐﻪ ﻣﯽﺗﻮاﻧﻨﺪ ﻧﺘﯿﺠﻪ دﻗﯿﻖﺗﺮی ﻧﺴﺒﺖ ﺑﻪ ﺳﺎﯾﺮ اﺑﺰارﻫﺎی ﺷﺒﯿﻪ ﺳﺎزی اﻧﺮژی ﺳﺎﺧﺘﻤﺎن اراﺋﻪ دﻫﻨﺪ. اﯾﻦ ﻣﻘﺎﻟﻪ، ﺑﺎ ﻫﺪف ﺷﻨﺎﺳﺎﯾﯽ دﻗﯿﻖﺗﺮﯾﻦ و ﭘﺮﮐﺎرﺑﺮدﺗﺮﯾﻦ اﻟﮕﻮرﯾﺘﻢﻫﺎ، ﺗﻌﺪادی از ﺗﺤﻘﯿﻘﺎت ﻣﺮﺗﺒﻂ ﺑﺎ اﯾﻦ ﻣﻮﺿﻮع ﮐﻪ در ﺳﺎل ﻫﺎی اﺧﯿﺮ اﻧﺠﺎم ﺷﺪهاﻧﺪ را ﺑﺮرﺳﯽ ﻣﯽﮐﻨﺪ. اﻟﮕﻮرﯾﺘﻢﻫﺎﯾﯽ ﮐﻪ دارای ﮐﻤﺘﺮﯾﻦ ﻣﯿﺰان ﺧﻄﺎ، ﺑﯿﺸﺘﺮﯾﻦ ﺳﺮﻋﺖ و دﻗﺖ ﻣﺤﺎﺳﺒﺎت ﻫﺴﺘﻨﺪ. ﭘﺲ از اﺳﺘﻔﺎده از اﻟﮕﻮرﯾﺘﻢﻫﺎی ﻣﺨﺘﻠﻒ، ﻧﻘﺎط ﻗﻮت و ﺿﻌﻒ ﻫﺮ ﯾﮏ ﻣﺸﺨﺺ ﻣﯽﺷﻮد. در اﯾﻦ ﺗﺤﻘﯿﻖ، از ﭼﺎرﭼﻮب ﻻﯾﻪای ﺑﺮای اﻧﺘﺨﺎب ﻣﻘﺎﻻت اﺳﺘﻔﺎده ﺷﺪه اﺳﺖ. در ﻻﯾﻪ اول، ﺳﺎل اﻧﺘﺸﺎر ﻣﻘﺎﻟﻪ ﻣﻮرد ﺗﻮﺟﻪ ﺑﻮده؛ دوم، دارای ﮐﻠﻤﺎت ﮐﻠﯿﺪی ﻣﺮﺗﺒﻂ و ﻣﻄﺎﺑﻖ ﺑﺎ دﺳﺘﺎوردﻫﺎی ﺗﺤﻘﯿﻖ ﺑﻮدهاﻧﺪ و ﺳﻮم، ﻣﻄﺎﺑﻘﺖ ﺑﺎ ﻣﻮﺿﻮع ﻣﻘﺎﻟﻪ ﺑﺮرﺳﯽ ﺷﺪه اﺳﺖ. ﻫﺪف اﯾﻦ ﻣﻘﺎﻟﻪ ﺷﻨﺎﺧﺖ ﺑﻬﺘﺮ وﯾﮋﮔﯽﻫﺎی اﻟﮕﻮرﯾﺘﻢﻫﺎی ﻣﺨﺘﻠﻒ ﺑﺎﺗﻮﺟﻪ ﺑﻪ ﻧﻮع اﺳﺘﻔﺎده از آﻧﻬﺎ اﺳﺖ؛ ﻋﻼوه ﺑﺮ اﯾﻦ، ﺑﻬﺘﺮﯾﻦ و ﭘﺮﮐﺎرﺑﺮدﺗﺮﯾﻦ اﻟﮕﻮرﯾﺘﻢﻫﺎی ﯾﺎدﮔﯿﺮی ﻣﺎﺷﯿﻦ در ﺳﺎﻟﻬﺎی اﺧﯿﺮ ﻣﻌﺮﻓﯽ ﻣﯽﺷﻮﻧﺪ. اﻟﮕﻮرﯾﺘﻢﻫﺎی ﭘﺮﮐﺎرﺑﺮد ﺑﺮای ﺑﻬﯿﻨﻪ ﺳﺎزی ﻣﺼﺮف اﻧﺮژی و ﭘﯿﺶ ﺑﯿﻨﯽ ﻋﻤﻠﮑﺮد اﻧﺮژی ﺳﺎﺧﺘﻤﺎﻧﻬﺎ ﺑﻪ ﺗﺮﺗﯿﺐ ﺷﺒﮑﻪ ﻋﺼﺒﯽ ﻣﺼﻨﻮﻋﯽ2، ﻣﺎﺷﯿﻦ ﺑﺮدار ﭘﺸﺘﯿﺒﺎن3، ﺟﻨﮕﻞ ﺗﺼﺎدﻓﯽ4، اﻟﮕﻮرﯾﺘﻢ ژﻧﺘﯿﮏ5 و رﮔﺮﺳﯿﻮن ﺧﻄﯽ6 ﺑﻮده اﺳﺖ.
ملخص الجهاز:
ir Artificial Neural Network (ANN) Support Vector Machine (SVM) Random Forest (RF) Genetic Algorithm (GA) Linear Regression (LR) 1- مقدمه سهم جهانی ساختمانها در مصرف انرژی دائماً در حال افزایش است و اکنون بین 20 تا 40٪ میباشد و تقریباً 1/3 درصد از انتشار گازهای گلخانهای مربوط به آنهاست.
(Cavalheiro and Carreira 2016)(Barnaby and Spitler 2005) رویکردهای مبتنی بر جعبه خاکستری، رویکرد جعبه سفید اصلاح شده است؛ به این معنی که از روشهای آماری برای ترکیب اطلاعات تاریخی و فیزیکی ساختمان در شبیه سازی مصرف انرژی استفاده میکند.
در لایه اول، مقالاتی که در سالهای اخیر منتشر شدهاند مورد بررسی قرار گرفتهاند؛ در لایه دوم، مقالات انتخابی دارای کلمات کلیدی مرتبط مورد نظر بوده و مطابق با دستاوردهای تحقیق بودهاند؛ در لایه سوم، مطابقت موضوع مقاله اهمیت داشته و در آنها از الگوریتم های یادگیری ماشین برای پیش بینی یا بهینه سازی مصرف انرژی ساختمان استفاده شده است.
(Lucasius and Kateman 1993) 3- بررسی مقالات پژوهشی تعدادی از مقالات منتشر شده در سالهای اخیر که از الگوریتمهای هوش مصنوعی و یادگیری ماشین برای پیش بینی یا بهینه سازی مصرف انرژی ساختمان استفاده کردهاند، در این مطالعه بررسی شدهاند.
8 (Jung, Kim, and Heo 2015) Least-squares support vector machine (LSSVM) Direct search optimization (DSO) Real-coded genetic algorithm (RCGA) طراحی یک ماشین بردار پشتیبان حداقل مربعات 3 (LSSVM) برای پیش بینی مصرف انرژی روزانه ساختمان با استفاده از ترکیب الگوریتم بهینه سازی جستجوی مستقیم 4 (DSO) و الگوریتم ژنتیک با کد واقعی 5 (RCGA) ، به نام DSORCGA.