رویکردی نوین در بهینه سازی نور طبیعی آپارتمان های اقلیم مرطوب با استفاده از هوش مصنوعی
رویکردی نوین در بهینه سازی نور طبیعی آپارتمان های اقلیم مرطوب با استفاده از هوش مصنوعی
در اقلیم مرطوب ایران، به ویژه در شهرهای شمالی مانند رشت و انزلی، طراحی روشنایی طبیعی آپارتمان ها با چالش های منحصر به فردی مواجه است. پوشش غالب ابری، بارش های مکرر و تراکم بافت شهری باعث می شود که حتی فضاهای دارای پنجره های وسیع نیز با نواحی کم نور مواجه شوند. در این شرایط، رویکردهای سنتی طراحی نور روز غالبا ناکارآمد هستند و نمی توانند همزمان روشنایی کافی و آسایش بصری ساکنان را تضمین کنند. بهره گیری از هوش مصنوعی، به ویژه الگوریتم های یادگیری ماشین و مدل های پیش بینی، امکان بهینه سازی سیستم نور طبیعی را به صورت داده محور و تطبیقی فراهم می آورد.
این رویکرد شامل جمع آوری داده های واقعی و شبیه سازی شده است که ابعاد و موقعیت بازشوها، عمق و هندسه پلان، رنگ و بازتاب سطوح داخلی و شرایط اقلیمی مانند شدت نور پراکنده و درصد ابری بودن آسمان را شامل می شود. سپس الگوریتم های هوش مصنوعی با تحلیل این داده ها، نقاط تاریک و کم نور را شناسایی کرده و پیشنهادهایی برای تغییر مکان و اندازه بازشوها، افزودن نورگیرهای سقفی یا اصلاح هندسه پلان ارائه می دهند تا یکنواختی و روشنایی فضا بهبود یابد.
یک نمونه عملی در آپارتمان های متراکم رشت نشان داد که با تغییر جزئی موقعیت بازشوهای میانی، افزودن نورگیرهای سقفی کوچک و استفاده از رنگ های بازتابنده داخلی، روشنایی میانی پلان تا ۲۰ درصد افزایش یافت و آسایش بصری ساکنان بهبود پیدا کرد. این اقدامات ضمن ارتقای کیفیت نور، وابستگی به نور مصنوعی را کاهش داد و مصرف انرژی را بهینه کرد.
تحلیل تطبیقی با اقلیم خشک و آفتابی ایران نشان می دهد که اولویت ها متفاوت هستند؛ در مناطق خشک، کنترل خیرگی و تابش مستقیم اهمیت دارد، در حالی که در اقلیم مرطوب، تمرکز بر افزایش نفوذ نور پراکنده و کاهش نقاط کم نور است. این تفاوت ها ضرورت استفاده از هوش مصنوعی مبتنی بر داده های محلی را برای تولید طرح های کاربردی و موثر برجسته می کند.
در نهایت، رویکرد نوین مبتنی بر هوش مصنوعی، مسیر طراحی آپارتمان های شهری در اقلیم مرطوب ایران را به سمت فضاهای روشن تر، یکنواخت تر و پایدار انرژی هدایت می کند و ابزار علمی و عملیاتی قدرتمندی برای معماران فراهم می آورد.