طراحی پوسته های اقلیمی ساختمان با رویکرد ترکیبی الگوریتم ژنتیک و شبکه های یادگیرنده
طراحی پوسته های اقلیمی ساختمان با رویکرد ترکیبی الگوریتم ژنتیک و شبکه های یادگیرنده
پوسته های اقلیمی در مناطق مرطوب باید بتوانند به طور هم زمان از ساختمان در برابر رطوبت محافظت کنند و امکان تهویه طبیعی موثر را فراهم آورند. ترکیب الگوریتم ژنتیک با شبکه های یادگیرنده رویکردی است که طراحی این پوسته ها را از یک فرآیند شهودی به یک سیستم یادگیرنده و تکاملی تبدیل می کند. در این روش، الگوریتم ژنتیک مجموعه ای از فرم ها و ترکیب های مصالح را ایجاد می کند و شبکه یادگیرنده با تحلیل داده های عملکردی، کیفیت هر گزینه را ارزیابی می کند.
در برخی پروژه های معاصر مناطق گرم و مرطوب، از این رویکرد برای طراحی نماهای مشبک و پوسته های چندلایه استفاده شده است. شبکه های یادگیرنده توانسته اند الگوهایی را شناسایی کنند که جریان هوای طبیعی را افزایش داده و از نفوذ مستقیم باران جلوگیری می کنند. سپس الگوریتم ژنتیک این نتایج را به نسل های بعدی طراحی منتقل کرده و فرم هایی با عملکرد بهتر ایجاد کرده است.
در شهرهای مرطوب شمال ایران، ترکیب این رویکرد با الگوهای بومی می تواند بسیار موثر باشد. به عنوان مثال، در برخی ساختمان های جدید رشت استفاده از نماهای چوبی مشبک و سایه بان های عمیق نشان داده که تهویه طبیعی بهبود یافته و سطح نما سریع تر خشک می شود. اگر این تجربه ها با تحلیل شبکه های یادگیرنده ترکیب شوند، امکان استخراج الگوهای موفق و تکرار آن ها در پروژه های آینده فراهم خواهد شد.
این رویکرد ترکیبی موجب می شود طراحی پوسته به یک سیستم تصمیم گیری مبتنی بر داده تبدیل شود. نتیجه نهایی پوسته هایی است که علاوه بر سازگاری با اقلیم مرطوب، از نظر زیبایی شناسی و کارایی انرژی نیز عملکرد بهتری دارند و می توانند در پروژه های مسکونی ایران، دوام و کیفیت محیط داخلی را ارتقا دهند.