عنوان
|
بهینه سازی فرم ساختمان بلند با توجه به تابش و سایه خورشید با استفاده از الگوریتم ژنتیک والسی
|
نوع پژوهش
|
مقاله ارائه شده کنفرانسی
|
کلیدواژهها
|
الگوریتم ژنتیک،ساختمان بلند،بهینه سازی،تابش خورشیدی،سایه
|
چکیده
|
هزینه های گرمایش و سرمایش و مصرف انرژی در ساختمان ها بار بزرگی را تشکیل میدهد. علاوه بر این ساختمان های بلند و بزرگ ساعات تابش مستقیم نور خورشید را برای ساختمان های اطراف محدود می کنند و گاهی کاملاً از آن جلوگیری می کنند. ساختمان های بلند با توجه به این دو ویژگی باعث افزایش مصرف انرژی در شهر و کاهش آسایش زندگی می شوند.هدف از این مطالعه دستیابی به حداکثر تابش افتاب برای ساختمان در اقلیم سرد و کاهش سایه اندازی ساختمان بر همجواری های اطراف و همچنین ایجاد حداکثری دید به آسمان می باشد.این ها ویژگی های مهمی است که طراح می تواند با استفاده از الگوریتم های ژنتیک در فاز مفهومی پیشنهادات راه حل های مختلف که این شرایط را برآورده می کند و ببیند و مداخله کند.مطالعات متعددی بر روی فرم و جرم در طراحی معماری با استفاده از رویکرد های تکاملی و الگوریتم های ژنتیک انجام شده است با پیشرفت در محاسبات تعداد و سطح جزئیات این مطالعات افزایش یافته و زمان محاسبات کوتاه تر شده است. در این تحقیق از افزونه Wallacei که یک پلاگین با رویکرد تکاملی با استفاده از NSGA-II/ Non-Dominated Sorting Genetic Algorithm II است استفاده شد. این مطالعه بر روی جرم ساختمان و تاثیر آن در بافت شهری تمرکز دارد و ممکن است روشی باشد که در طراحی و تحلیل انبوه آتی مورد توجه قرار گیرد. به منظور ازمایش این پیشنهادات ما یک ساختمان بلند پارامتریک را ایجاد و توسط الگوریتم ژنتیک مورد مقایسه قرار گرفت.در روش مطالعه در مرحله اول فرم کلی ساختمان های شهر سنندج را در نظر گرفتیم فرم جرمی ساده در منطقه آب وهوایی سرد که با توجه به این ویژگی یک ساختمان بلند پارامتریک که پنج پارامتر قابل تغییر در ان ایجاد شده را در هفته سرد سال،مقدارتابش دریافتی در این هفته سرد محاسبه می کنیم، سایه ای که ساختمان بر همجواری های اطراف ایجاد می کند و نمای آسمان از قسمت های مختلف به عنوان اولین قدم در نظر گرفتیم.مرحله دوم از میان گزینه های ایجاد شده بر اساس این معیارهای واجد شرایط انتخاب صورت گرفت.در نتیجه مطالعه فرم هایی تولید شد که درمعیارهای مختلف مقادیر خوبی را ارایه می کرد.
|
پژوهشگران
|
اسرا ناصری (نفر اول)، مهرداد کریمی مشاور (نفر دوم)، افشین رزمی (نفر سوم)
|