مقايسه الگوريتم پس انتشار خطا و الگوريتم بهينه سازي ازدحام ذرات در پيشبيني مصرف انرژي ساختمان

متوسط سالانه انرژي در ايران در حدود200 ميليون تن معادل نفت خام برآورد مي شود كه حدود 40 درصد از كل انرژي مصرف شده مربوط به بخش مسكن مي‌باشد. از همين رو برآورد ميزان تقاضاي انرژي به عنوان چالشي در دهه هاي اخير مطرح شده است. مدلسازي مصرف انرژي در ساختمان‌هاي مسكوني با پيشرفت‌هايي كه در زمينه محاسبات و شبيه‌سازي بوجود آمده به امري ممكن بدل شده است. يكي از روش‌هاي نوظهور در حل مسائل مهندسي، استفاده از شبكه عصبي مصنوعي است. مطالعات نشان مي‌دهد كه روش شبكه عصبي مصنوعي مي‌تواند براي پيش‌بيني رفتار غير خطي مصرف انرژي ساختمان به كار گرفته شود. در اين تحقيق، با استفاده از دو الگوريتم بهينه سازي ازدحام ذرات و الگوريتم پس انتشار خطا، شبكه عصبي آموزش ديده شد. نتايج نشان مي‌دهد كه شبكه عصبي با الگوريتم پس انتشار خطا نسبت به الگوريتم بهينه سازي ازدحام ذرات به خوبي توانايي تخمين انرژي مصرفي ساختمان ها را دارد.