کاربرد هوش مصنوعی در بهینه سازی بازشوها و هندسه فضا برای نور طبیعی در اقلیم مرطوب
کاربرد هوش مصنوعی در بهینه سازی بازشوها و هندسه فضا برای نور طبیعی در اقلیم مرطوب
در آپارتمان های شهری اقلیم مرطوب ایران، از جمله رشت، طراحی بازشوها و هندسه فضا نقش تعیین کننده ای در کیفیت نور طبیعی دارد. نور غالبا پراکنده و یکنواخت نیست و بسیاری از فضاهای داخلی، به ویژه در پلان های عمیق یا طبقات میانی، از روشنایی کافی محروم اند. هوش مصنوعی با توانایی تحلیل الگوهای پیچیده میان هندسه فضا و کیفیت نور، ابزار مناسبی برای بهینه سازی بازشوها و طراحی پلان است.
در این رویکرد، داده های ورودی شامل ابعاد و موقعیت پنجره ها، عمق پلان، ارتفاع سقف، رنگ و بازتاب سطوح داخلی و فاصله از ساختمان های مجاور جمع آوری می شوند. الگوریتم های یادگیری ماشین و شبکه های عصبی، این داده ها را تحلیل می کنند تا رابطه میان ویژگی های هندسی و توزیع نور روز استخراج شود. سپس مدل، پیشنهادهایی برای تغییر ابعاد و محل بازشوها یا اصلاح هندسه داخلی ارائه می دهد که می تواند روشنایی را به صورت یکنواخت و بهینه افزایش دهد.
نمونه کاربردی این رویکرد در یک پروژه آپارتمانی متراکم رشت نشان داد که جابه جایی بازشوهای کوچک از گوشه پلان به میانه فضا و افزودن شکست های جزئی در جداره نورگیر، توزیع نور در اتاق های میانی را تا ۱۸ درصد بهبود داد. نکته مهم این است که این تغییرات بدون افزایش سطح کلی پنجره یا ایجاد مشکلات حرارتی انجام شد و همزمان نور یکنواخت تری به فضاهای داخلی رسید.
تحلیل تطبیقی با اقلیم خشک و گرم ایران، مانند شیراز و اصفهان، تفاوت رویکردها را روشن می کند. در آن مناطق، الگوریتم ها بر کاهش تابش مستقیم و کنترل خیرگی تمرکز دارند، در حالی که در شمال مرطوب، هدف اصلی رساندن نور پخشیده به عمق فضاهای داخلی است. این تفاوت ها نشان می دهد که آموزش مدل های هوش مصنوعی با داده های محلی برای تولید راهکارهای عملی و موثر ضروری است.
در نهایت، به کارگیری هوش مصنوعی در بهینه سازی بازشوها و هندسه فضا، ابزاری قدرتمند برای طراحی آپارتمان های اقلیم مرطوب ایران محسوب می شود. این روش امکان تصمیم گیری سریع و داده محور فراهم می کند و تضمین می کند که فضاهای داخلی حتی در شرایط نوری نامطلوب، روشنایی کافی و یکنواخت داشته باشند.