استفاده از شبكه عصبي مصنوعي و WebGL براي بهينه‌سازي الگوريتمي نسبت ديوارپنجره‌هاي ساختمان‌هاي اداري بلند

Using artificial neural network and WebGL to algorithmically optimize window wall ratios of high-rise office buildings

با تلفيق مدل‌سازي پارامتريك، موتورهاي شبيه‌سازي عملكرد ساختمان و الگوريتم‌هاي بهينه‌سازي، انتخاب‌هاي طراحي بهينه در رابطه با اهداف از پيش تعريف‌شده عملكرد ساختمان را مي‌توان به‌طور خودكار به دست آورد. اين موضوع به يك موضوع تحقيقاتي نوظهور در ميان محققان در زمينه‌هاي معماري و محيط ساخته شده تبديل شده است. با اين حال، به كارگيري اين روش براي پروژه‌هاي طراحي ساختمان واقعي آسان نيست، زيرا دو اشكال اصلي دارند: شبيه‌سازي عملكرد ساختمان بسيار زمان‌بر است، و تجسم عددي نتايج نهايي براي معماران جهت تصميم‌گيري بصري نيست. بنابراين، اين مطالعه سعي مي‌‌كند اين دو شكاف را با آموزش يك شبكه عصبي مصنوعي براي جايگزيني موتورهاي شبيه‌سازي و توسعه يك برنامه وب براي تسريع تجسم سه‌بعدي گزينه‌‌هاي طراحي انتخاب‌شده پر كند. اين دو استراتژي براي بهينه‌سازي نسبت‌هاي ديوارپنجره برج‌هاي اداري در هانگژو ، چين اعمال مي‌شوند. معماراني كه روي پروژه‌هاي طراحي جديد در آن شهر كار مي‌كنند، مي‌توانند گروه بهينه نسبت‌هاي ديوارپنجره را براي چهار نما در دو ثانيه، سريع‌تر از زمان استفاده از موتورهاي شبيه‌سازي، كه براي معماران دو هفته هزينه دارد، به دست آورند. علاوه بر اين، معماران همچنين مي‌توانند ظاهر راه‌حل‌هاي طراحي را با برنامه وب به طور موثر مشاهده كنند. اين مطالعه با بهبود قابليت استفاده از اين دو جنبه، كاربرد بهينه‌سازي الگوريتمي را براي پروژه‌هاي طراحي ساختمان به طور قابل توجهي بهبود مي بخشد.