تجلی هنر در معماری و شهرسازی 3 تابستان 1404 1404 06 10 A Conceptual Model for Sustainable Buildings in Hot and Humid Regions: Energy Consumption Analysis Using Simulation and Artificial Neural Network (Case Study: Hormozgan) ارائه مدل مفهومی ساختمان‌های پایدار در مناطق گرم و مرطوب: تحلیل مصرف انرژی با استفاده از شبیه‌سازی و شبکه عصبی مصنوعی (مطالعه موردی: هرمزگان) 1 27 FA سيد شهاب صدري گروه معماری، واحد ساوه، دانشگاه آزاد اسلامی، ساوه، ایران محمد بهزادپور گروه معماری، واحد هشتگرد، دانشگاه آزاد اسلامی، هشتگرد، ایران سيروس باور گروه معماری، واحد ساوه، دانشگاه آزاد اسلامی، ساوه، ایران حسین عالی دانشکده معماری و شهرسازی، دانشگاه ایوانکی, سمنان، ایران Journal Article 1404/02/21 <p>The study aimed to develop a conceptual model for designing sustainable buildings in hot and humid regions using simulation and artificial neural networks (ANN) to predict and optimize energy consumption. This applied research employed a quantitative–analytical approach. Independent variables included material type, wall and roof thickness, HVAC system type, building orientation, and occupant behavior, while dependent variables covered energy consumption, indoor temperature, and humidity. Data were collected using EnergyPlus simulations and ANN modeling through an MLPRegressor with two hidden layers (ten neurons each), a learning rate of 0.001, and early stopping. Seventy percent of the data were used for training and 30% for testing, with model accuracy assessed via Mean Squared Error (MSE). The ANN model demonstrated high predictive performance in estimating energy consumption in buildings located in hot and humid regions. Comparisons between actual and predicted energy usage revealed some deviations attributed to climate variations and occupant behavior. MSE analysis indicated that wall thickness (94356.66), roof thickness (90021.62), indoor temperature (86698.37), and humidity (92751.18) were the most influential factors. Wooden roofs and low thermal conductivity brick walls contributed significantly to reduced energy use. The proposed conceptual model emphasizes the use of thermally efficient materials, smart control of indoor temperature and humidity, and climate-responsive design strategies. The integration of simulation and ANN modeling provides an effective tool for predicting and optimizing energy consumption in sustainable buildings within hot and humid climates. By identifying critical variables and proposing a sustainable design framework, the study offers practical insights for architects and engineers to reduce energy demand, enhance thermal comfort, and promote environmental sustainability.</p> <p>هدف پژوهش، ارائه یک مدل مفهومی برای طراحی ساختمان‌های پایدار در مناطق گرم و مرطوب با بهره‌گیری از شبیه‌سازی و شبکه عصبی مصنوعی به‌منظور پیش‌بینی و بهینه‌سازی مصرف انرژی است. این پژوهش از نوع کاربردی و با رویکرد کمی-تحلیلی انجام شد. در فاز طراحی، متغیرهایی همچون نوع مصالح، ضخامت دیوار و سقف، نوع سیستم تهویه، گرایش ساختمان، و رفتار ساکنان به‌عنوان متغیرهای مستقل و مصرف انرژی، دمای داخلی، و رطوبت به‌عنوان متغیرهای وابسته در نظر گرفته شدند. داده‌ها از طریق شبیه‌سازی با نرم‌افزار EnergyPlus و تحلیل شبکه عصبی مصنوعی (ANN) جمع‌آوری و پردازش شدند. شبکه عصبی با استفاده از الگوریتم MLPRegressor با دو لایه پنهان (هر یک شامل ده نورون)، نرخ یادگیری 0.001 و مکانیزم توقف زودهنگام آموزش داده شد. داده‌ها به نسبت 70 به 30 میان آموزش و آزمون تقسیم شدند و دقت مدل با شاخص خطای میانگین مربعات (MSE) ارزیابی گردید. نتایج نشان داد که شبکه عصبی مصنوعی توانایی بالایی در پیش‌بینی مصرف انرژی در ساختمان‌های مناطق گرم و مرطوب دارد. مقایسه میان مصرف واقعی و پیش‌بینی‌شده نشان داد که تفاوت‌هایی در برخی ساختمان‌ها وجود دارد که ناشی از تغییرات اقلیمی یا رفتار ساکنین است. تحلیل MSE نشان داد که ضخامت دیوار (94356.66)، ضخامت سقف (90021.62)، دمای داخلی (86698.37) و رطوبت داخلی (92751.18) بیشترین تأثیر را بر مصرف انرژی دارند. همچنین، سقف‌های چوبی و دیوارهای آجری با ضریب انتقال حرارتی پایین موجب کاهش مصرف انرژی شدند. مدل مفهومی پیشنهادی بر به‌کارگیری مصالح با ویژگی‌های حرارتی مناسب، کنترل دمای داخلی و رطوبت از طریق سیستم‌های هوشمند و طراحی اقلیم‌پایدار تأکید دارد. نتایج پژوهش نشان داد که ادغام شبیه‌سازی و شبکه عصبی مصنوعی می‌تواند ابزار مؤثری برای پیش‌بینی و بهینه‌سازی مصرف انرژی در ساختمان‌های مناطق گرم و مرطوب باشد. این رویکرد با شناسایی متغیرهای مؤثر بر مصرف انرژی و ارائه مدل مفهومی طراحی پایدار، به طراحان و مهندسان کمک می‌کند تا با انتخاب ترکیب مناسب مصالح و کنترل شرایط محیطی، مصرف انرژی را کاهش داده و آسایش حرارتی و زیست‌محیطی را ارتقا دهند.</p> https://jmaaue.org/index.php/jmaaue/article/download/107/88