به گزارش گروه علم و آموزش ایرنا از «تک اسکپلور»، بیش از ۴۰ درصد مصرف انرژی و انتشار گازهای گلخانه‌ای در آمریکا مرتبط با بخش ساختمانی است. یک مطالعه محققان موسسه «فلوریدا تِک» امکان کمک یادگیری ماشینی به کاهش این اثرات زیست محیطی را بررسی کرده است.
این تحقیقات به تازگی در مقاله‌ای با عنوان «رویکردی نوین برای بهینه‌سازی مدل‌های انرژی ساختمان‌ها با استفاده از الگوریتم‌های یادگیری ماشین» منتشر شده است.
به گفته محققان موسسه فلوریدا تک، در این مطالعه از یک رویکرد جدید برای مدل‌سازی انرژی (BEM) و بهینه سازی مدل‌های انرژی ساختمان استفاده شده است.
رویه فعلی برای ابزارهای نرم‌افزاری شبیه‌سازی انرژی ساختمان مستلزم کارهای دستی زیادی برای وارد کردن فهرست های بزرگی از داده‌های ورودی و متغیرهای طراحی و عملیاتی شامل مشخصات ساختمان است. دستیابی به طراحی واقعا بهینه برای یک ساختمان نیازمند ارزیابی همه این پارامترهای احتمالی طراحی/بهره‌برداری است که از لحاظ محاسباتی بسیار پرهزینه بوده و اغلب انجام آن نیز ممکن نیست.
کار این محققان دربردارنده ابداع و توسعه یک نرم افزار با زبان «پایتون» (Python) است که امکان وارد کردن اتوماتیک داده ها به داخل یک ابزار شبیه‌سازی انرژی ساختمان موسوم به «انرژی پلاس» را ایجاد می‌کند. سپس یک مدل داده‌ای با استفاده از الگوریتم های یادگیری ماشین به خصوص شبکه‌های عصبی مصنوعی با استفاده از مجموعه‌های داده‌های به دست آمده آموزش داده می‌شود و از دو رویکرد بهینه‌سازی برای دستیابی به طراحی بهینه برای ساختمان استفاده می‌شود. این رویکرد به آسانی می‌تواند مورد تنظیم و اصلاح قرار گیرد تا در طراحی های مختلف استفاده شود.