ارزیابی عملکرد سبز ساختمان‌های فرودگاه (قسمت هشتم)

6 . بحث

6.1 . ویژگی های قابل توجه

اهمیت تمام ویژگی های درگیر در طول توسعه مدل های AHC و DHC با انجام تجزیه و تحلیل رخداد و تاثیر به دست می آید. مدل ها در سه مرحله دسته بندی می شوند. مراحل 1، 2 و 3 شامل ویژگی های گره ریشه، میانی و برگ به ترتیب با ارزش ضربه 5، 3 و 1 می باشد. ویژگی‌هایی مانند جابه‌جایی هواپیما، تعداد مسافران و تن بار مورد توجه تجاری هستند و در این مطالعه فقط به منظور تقسیم‌بندی فرودگاه مورد استفاده قرار می‌گیرند و در ارزیابی ویژگی‌های زیست‌محیطی قابل توجه گنجانده نشده‌اند. جدول 6 ، جدول 7 به ترتیب میزان وقوع و تاثیر مدل های AHC و DHC را نشان می دهد.

برای مقایسه بهتر، چهار ویژگی اصلی وقوع و درصد تأثیر SSLM های AHC و DHC در جدول 8 با CART SLM به دست آمده از تحقیقات قبلی ما مقایسه و مقایسه شده است . از آنجایی که PCA به صورت بازگشتی در هر مرحله از مدل های AHC و DHC انجام می شود، وقوع بیش از 6 ویژگی در هر دو مدل امکان پذیر است. نتایج نشان می‌دهد که همه مدل‌ها ویژگی‌های قابل‌توجهی مشابه از یک دسته زیست‌محیطی مشابه را نشان می‌دهند. مصرف انرژی (EU) در 3 مقدار اصلی وقوع و تأثیر هر سه مدل نشان داده شده است. ویژگی‌های دسته انتشار، یعنی انتشار دامنه 3 (S3) و صرفه‌جویی در انتشار گازهای گلخانه‌ای (GES)، به ترتیب 50 درصد از سه رخداد و تأثیرات برتر را نشان می‌دهند. به طور مشابه، تولید زباله جامد در هر بار، در چهار درصد اول وقوع و تأثیر نشان داده می شود. ویژگی‌های EU، GES، و SWG و دسته‌های زیست‌محیطی بعدی آن‌ها در قالب انرژی، انتشار و زباله به‌عنوان موجودیت‌های مهم مدل‌های AHC و DHC توسعه‌یافته در نظر گرفته می‌شوند.

جدول 8 . ویژگی های قابل توجه مدل های AHC، DHC و CART.

S. نه	مدل	وقوع (%)				تأثیر (٪)
S. نه	مدل	1	2	3	4	1	2	3	4
1	خوشه بندی سلسله مراتبی تجمعی	ES	GES	S3	SWG	GES	اتحادیه اروپا	SWG	WU
2	خوشه بندی سلسله مراتبی	S3	اتحادیه اروپا	GES	SWG	اتحادیه اروپا	S3	GES	SWG
3	درخت طبقه بندی و رگرسیون	WWG	S3	اتحادیه اروپا	SWG	S3	اتحادیه اروپا	SWG	S2

6.2 . مقایسه مدل ها

عملکرد هر مدل در دسته‌های خروجی سبز کم، متوسط و زیاد به صورت کمی بر اساس شاخص‌های عملکرد مختلف مانند دقت، یادآوری، اندازه‌گیری F و دقت مقایسه می‌شود. مدل های نیمه نظارت شده، یعنی AHC و DHC از دو شاخص اضافی مانند شاخص رند و مقادیر خطای مطلق برای مقایسه عملکرد خود تشکیل شده اند. پیوند مرکزی بر پیوند تک و کامل برای خوشه‌بندی تجمعی بر اساس مقادیر ضریب شبح ترجیح داده شد. شاخص های عملکرد SSLM ها با مدل درختی طبقه بندی و رگرسیون (CART) که در تحقیقات قبلی ما توسعه یافته بود مقایسه می شود [ 7 ].

جدول 9 عملکرد هر سه مدل را نشان می دهد و مدل با عملکرد بالا برای هر معیار عملکرد با استفاده از یک فونت پررنگ برجسته شده است. مقادیر دقت، فراخوان و اندازه گیری F عملکرد مدل را برای هر کلاس خروجی مانند دسته خروجی سبز کم، متوسط و زیاد نشان می دهد در حالی که دقت برای کل مدل اندازه گیری می شود.

جدول 9 . اندازه گیری عملکرد مدل های پیشنهادی

عملکرد سبز کم
مدل	دقت، درستی	به خاطر آوردن	اندازه گیری F	دقت	شاخص رند	میانگین خطای مطلق
سبد خرید	80	80	88	84	–	^ساعت 16
AHC	69	91	81	74	79	26
DHC	64	61	63	70	78	29

عملکرد سبز متوسط
مدل	دقت، درستی	به خاطر آوردن	اندازه گیری F	دقت	شاخص رند	میانگین خطای مطلق
سبد خرید	83	79	92	84	–	^ساعت 16
AHC	70	76	75	74	79	26
DHC	65	60	63	70	78	29

عملکرد سبز بالا
مدل	دقت، درستی	به خاطر آوردن	اندازه گیری F	دقت	شاخص رند	میانگین خطای مطلق
سبد خرید	88	81	90	84	–	^ساعت 16
AHC	89	61	63	74	79	26
DHC	77	78	79	70	78	29

آ: – مشتق شده به عنوان مکمل دقت (رعایت نشده).

یک بهبود تدریجی در مقادیر دقت مدل CART از دسته‌های خروجی سبز کم به بالا وجود دارد. همانطور که از مقادیر F-measure خوب مشاهده شده مشهود است، مبادله بین دقت و فراخوان به خوبی توسط مدل مدیریت می شود. تمام معیارهای عملکرد CART در همه دسته‌های خروجی بالاتر از 78٪ است که عملکرد خوبی را با توجه به وظیفه طبقه‌بندی نشان می‌دهد . مقادیر F-measure CART نسبت به مدل‌های AHC و DHC در هر سه دسته خروجی برتر است. CART همچنین از نظر اندازه گیری دقت و فراخوانی در حداقل دو دسته از سه دسته خروجی، نسبت به مدل های دیگر برتر است.

با در نظر گرفتن مدل AHC، مقادیر دقت، فراخوان و اندازه گیری F عملکرد ترکیبی را با تنوع قابل توجهی در بین دسته های مختلف خروجی نشان می دهند. مقادیر دقت و یادآوری AHC به ترتیب در دسته‌های خروجی عملکرد سبز بالا و پایین نسبت به CART برتر بودند. مقادیر متریک عملکرد بین 70 تا 76 درصد برای دسته خروجی سبز متوسط برای AHC قرار دارد و همه شاخص‌ها به ترتیب پایین‌تر از CART و برتر از DHC هستند. شاخص رند، که شباهت SSLM ها را اندازه گیری می کند، عملکرد خوبی با مقدار 79 برای AHC نشان می دهد، که نشان می دهد نتایج خوشه بندی مانند کلاس های واقعی است. مقدار MAE AHC کمتر از مدل DHC است که نشان‌دهنده دقت نسبتاً بالاتر در طول تمرین خوشه‌بندی است. شاخص رند و مقادیر MAE AHC نسبت به مدل DHC نسبتاً برتر است. معیارهای عملکرد مدل AHC به طور کلی رضایت بخش، برتر از DHC، و در اکثر موارد تست پایین تر از CART هستند.

DHC کمترین عملکرد را در بین سه مدل توسعه یافته دارد. با این حال، دقت، فراخوانی، و اندازه گیری F پیشرفت ثابتی را نشان می دهد. معیارهای عملکرد DHC فقط بین درصدهای 60 تا 65 برای دسته‌های خروجی سبز کم و متوسط متغیر است. با این حال، برای دسته خروجی سبز بالا عملکرد آن بین 77 تا 79 درصد است. دقت DHC 70 درصد است که در بین هر سه مدل کمترین میزان است. مقادیر شاخص رند AHC مانند CART است که عملکرد خوبی را با مقدار 78٪ نشان می دهد.

6.3 . ارزیابی عملکرد آماری

از آمارهای گزارش شده در جدول 10 ، می توان مشاهده کرد که CART از نظر میانگین عملکرد، با انحراف استاندارد کمتر، از هر دو AHC و DHC بهتر عمل می کند، که حاکی از نتایج سازگارتر است. با این حال، در نظر گرفتن زمینه و اهداف خاص تجزیه و تحلیل هنگام انتخاب مناسب ترین رویکرد مدل سازی، مهم است، زیرا هر روش ممکن است نقاط قوت و محدودیت های خود را در سناریوهای مختلف داشته باشد. علاوه بر این، فواصل اطمینان اطلاعات ارزشمندی را در مورد سطح عدم قطعیت مرتبط با عملکرد هر روش ارائه می‌کند و به محققان و تصمیم‌گیرندگان در انتخاب‌های آگاهانه در مورد انتخاب یک تکنیک مدل‌سازی مناسب برای نیازهای خاص خود کمک می‌کند.

جدول 10 . عملکرد آماری سه مدل یادگیری.

سلول خالی	سبد خرید	AHC	DHC
منظور داشتن	84.55	75	67.78
انحراف معیار	4.67	9.94	7.37
اندازهی نمونه	144	144	144
فاصله اطمینان	80-89	65-85	60-75
اعتماد به نفس	90%	90%	90%

از جدول 11 ، نتایج آزمون z تفاوت‌های آماری معنی‌داری را بین تمام جفت‌های مدل‌های خوشه‌بندی سلسله مراتبی (CART در مقابل AHC، AHC در مقابل DHC، و CART در مقابل DHC) با مقادیر p کوچک و اندازه‌های اثر قابل توجه نشان می‌دهد . این یافته‌ها نشان می‌دهد که این مدل‌ها نتایج قابل‌توجهی را از دیدگاه آماری و عملی تولید می‌کنند، که ممکن است پیامدهایی برای کاربرد آنها در زمینه‌های مختلف داشته باشد.

جدول 11 . مقادیر z-test مدل‌های CART، AHC و DHC.

سلول خالی	H ₁ (μ ₁ – μ ₂ > d)	مقدار p	z	د	منطقه
CART در مقابل AHC	پذیرفته شده	0	10.43	1.233	$[- \infty, 1.1733]$
AHC در مقابل DHC	پذیرفته شده	1.21E-12	7.00	0.83	$[- \infty, 1.3222]$
سبد خرید در مقابل DHC	پذیرفته شده	1.21E-12	18.33	2.16	$[- \infty, 1.2816]$

آزمون ANOVA یک طرفه برای ارزیابی اهمیت آماری مدل های توسعه یافته با مقایسه میانگین دو یا چند مدل استفاده می شود. F-value برای ارزیابی اینکه آیا تفاوت بین مدل ها از نظر آماری معنی دار است یا خیر استفاده می شود. مقدار F بالاتر از 9.70865 نشان دهنده معناداری آماری است. مقدار p کمتر از 0.001 مشاهده می شود ( جدول 12 را ببینید ). p-value پایین نشان‌دهنده شواهد قوی در برابر فرضیه صفر است که نشان می‌دهد تفاوت‌های قابل‌توجهی بین نتایج تولید شده توسط مدل‌ها وجود دارد.

جدول 12 . نتایج جدول ANOVA.

مجموعه داده	مجموع مربعات	درجه آزادی	میدان متوسط	نتایج
بین مدل ها	1274.89	2	637.44	F = 9.70865
درون مدل ها	1575.78	15	65.66	P = 0.000814
جمع	2850.67	17

عملکرد کمی و سودمندی کیفی ملاحظات مهم در انتخاب یک مدل هستند. اگرچه مقایسه مدل‌های نیمه‌نظارت‌شده AHC و DHC با مدل CART کاملاً نظارت‌شده کاملاً منصفانه نیست، این نتایج می‌تواند بینش‌هایی را برای استنباط راه‌هایی برای تنظیم دقیق SSLMها و کمک به تلاش‌های مستمر جامعه تحقیقاتی برای ارائه SSLM به با قرار دادن آنها به عنوان معیاری برای معیارهای عملکرد، همتراز با مدل های کاملاً نظارت شده عمل کنید.

6.4 . استنتاج قوانین سبز از مدل های AHC و DHC

دندروگرام از سطح ریشه تا سطح برگ و ویژگی تصمیم گیری ( $q$ ) در هر گره همراه با آستانه آن ( $β$ ) برای حاشیه نویسی گره دندروگرام با قانون استفاده می شود $q < β$ . هر مسیر در دندروگرام از ریشه تا برگ یک قانون سبز ایجاد می کند که ترکیبی از قوانین است که در هر گره در مسیر مشروح شده است. از آنجایی که ممکن است تفسیر نتایج مدل AHC و DHC برای برخی از ذینفعان فرودگاه دشوار به نظر برسد، خروجی‌های آنها خطی و جدول‌بندی شده‌اند تا قوانین سبز را شکل دهند که خوانا و قابل تفسیرتر هستند. از 24 قانون سبز ساخته شده برای ارزیابی عملکرد سبز ساختمان های فرودگاهی، دوازده قانون اول از مدل AHC استخراج شده است در حالی که دوازده قانون نهایی از مدل DHC استنباط می شود. چهار قانون اول هر مدل مربوط به عملکرد سبز کم است. چهار قانون میانی و آخر هر مدل به ترتیب با عملکرد سبز متوسط و بالا مطابقت دارد. به عبارت دیگر، قوانین 1-4 و 13-16 قوانین عملکرد سبز پایین هستند. قوانین 5-8 و 17-20 قوانین عملکرد سبز متوسط هستند. و قوانین 9-12 و 21-24 قوانین عملکرد سبز بالا هستند. همچنین، فونت پررنگ در هر قانون سبز ذکر شده در جدول A از بخش ضمیمه ، گره برگ کوتاه درخت را بر اساس برچسب عملکرد سبز رنگ تاپل medoid در هر خوشه نشان می دهد.

گروه بندی قوانین بر اساس فرودگاه های کوچک، متوسط و بزرگ بی ربط به نظر می رسد، زیرا اکثر فرودگاه هایی که توسط Skytrax در 100 فرودگاه برتر رتبه بندی شده اند، از نظر ترافیک سالانه مسافر (بیش از 10 میلیون) فرودگاه های بزرگ هستند. بنابراین، قوانینی برای گروه‌های ذینفع تجاری خاص مانند فرودگاه‌هایی با ۱) ۱۰ تا ۱۵ میلیون مسافر. ii) 350000 حرکت هواپیما یا مشابه. و iii) 1.5 میلیون تن حمل و نقل بار می تواند ایجاد شود. قوانین 5 و 9 از مدل AHC اهمیت کاهش انتشار کربن را برای افزایش عملکرد سبز فرودگاه ها برجسته می کند. برای فرودگاه های متوسط با 5.5 میلیون مسافر و 1.3 میلیون تن بار، کاهش انتشار گازهای گلخانه ای S1 به 85 tCO _{2 e برای دستیابی به عملکرد سبز بالا بسیار مهم است، مشروط بر اینکه مصرف انرژی و انتشار S3 نزدیک به 263 MkWh و 22000 tCO}₂ e باشد. به ترتیب.

فرودگاه هایی مانند لیسبون، پرث و اشتوتگارت در این دسته قرار می گیرند. به طور مشابه، طبق قوانین 8 و 12، فرودگاه‌هایی با مصرف انرژی 150 مگاوات ساعت، تولید 4500 تن زباله جامد و 50000 تن دی‌اکسید کربن از انتشار محدوده 3، در صورتی که در انتشار کل گازهای گلخانه‌ای نقش داشته باشند، می‌توانند عملکرد سبز خود را از متوسط به بالا بهبود بخشند. کاهش 2800 tCO2e. فرودگاه هایی مانند فرانکفورت، دهلی و اسخیپول در این دسته قرار می گیرند. از این رو، مدل‌های توسعه‌یافته و قوانین سبز آن‌ها برای مشاهده چندین رابطه متقابل ویژگی‌های غیر پیش پا افتاده بین ویژگی‌ها و همچنین مقوله‌های محیطی آن‌ها مانند انرژی، انتشار، آب، فاضلاب، پسماند جامد و هوا به ترتیب مفید هستند. اپراتورهای فرودگاه می‌توانند از قوانین سبز توسعه‌یافته برای شناسایی سطح فعلی عملکرد سبز و مناطقی که در آن‌ها برای دستیابی به سطح بالاتری از عملکرد سبز نیاز به بهبود دارند، بهره‌مند شوند.

مدل‌های AHC و DHC عملکرد رضایت‌بخشی را در طبقه‌بندی فرودگاه‌های جهانی بر اساس سطوح عملکرد سبزشان نشان دادند. برای تسهیل این طبقه بندی، یک ابزار وب کاربر پسند با استفاده از زبان نشانه گذاری فرامتن (HTML) و برگه های سبک آبشاری (CSS) توسعه داده شد. ضمیمه تصویری از ابزار وب توسعه یافته برای رتبه بندی فرودگاه سبز ارائه می دهد. این ابزار به ذینفعان فرودگاه اجازه می دهد تا مقادیر ویژگی های مربوط به فرودگاه خود را وارد کرده و عملکرد سبز خود را بر اساس قوانین سبز AHC ایجاد شده محاسبه کنند.

مجموعه ای از 12 قانون سبز برای رتبه بندی فرودگاه های فردی بر اساس عملکرد سبز آنها استفاده شد. این قوانین ساختمان‌های فرودگاه را قادر می‌سازد تا عملکرد سبز خود را از سطح فعلی به سطح بالاتر (مثلاً کم به متوسط، کم به بالا و متوسط به بالا) ارتقا دهند یا با رعایت کردن سطح مطلوب (مثلاً بالا یا متوسط) را حفظ کنند. مجموعه قوانین سبز

قوانین سبز مدل AHC بر اهمیت کاهش انتشار کربن برای افزایش عملکرد سبز فرودگاه ها از سطح متوسط به سطح بالا تأکید می کند. برای فرودگاه های متوسط با 5.5 میلیون مسافر و 1.3 میلیون تن بار، کاهش انتشار گازهای گلخانه ای S1 به 85 tCO2e برای دستیابی به عملکرد سبز بالا بسیار مهم است، مشروط بر اینکه مصرف انرژی و انتشار S3 آنها تقریباً 263 MkWh و 22000 tCO2e باشد. ، به ترتیب. نمونه هایی از فرودگاه هایی که در این دسته قرار می گیرند عبارتند از لیسبون، پرث و اشتوتگارت. به طور مشابه، فرودگاه هایی با مصرف انرژی 150 مگاوات ساعت، 4500 تن تولید زباله جامد و 50000 تن CO2e از انتشار محدوده 3 می توانند عملکرد سبز خود را از متوسط به بالا با کمک به کاهش انتشار گازهای گلخانه ای 2800 تن CO2e بهبود بخشند. نمونه هایی از فرودگاه هایی که در این دسته قرار می گیرند عبارتند از فرانکفورت، دهلی و اسخیپول.

علاوه بر طبقه بندی های عمومی بر اساس اندازه فرودگاه، قوانین خاصی را می توان برای فرودگاه هایی با i) 10 تا 15 میلیون مسافر، 2) 350000 جابجایی هواپیما و iii) 1.5 میلیون تن حمل و نقل تعیین کرد. علاوه بر این، ابزار وب را می توان برای پیش بینی تأثیر COVID-19 بر عملکرد سبز فرودگاه ها و تأثیر سیاست های زیست محیطی جهانی مانند اهداف توسعه هزاره و اهداف توسعه پایدار بر عملکرد سبز ساختمان های فرودگاه گسترش داد. توانایی پیش‌بینی پویا ابزار توسعه‌یافته بر اساس قوانین سبز تازه ایجاد شده در هنگام گنجاندن داده‌های جدید است.

ابزار توسعه‌یافته، همراه با قوانین سبز مرتبط، مشاهده روابط متقابل مهم بین ویژگی‌ها و مقوله‌های محیطی، از جمله انرژی، انتشار گازهای گلخانه‌ای، آب، فاضلاب، زباله‌های جامد و هوا را امکان‌پذیر می‌سازد. با به کارگیری این قوانین سبز، اپراتورهای فرودگاه می توانند سطح فعلی عملکرد سبز خود را ارزیابی کرده و مناطقی را برای بهبود برای بهبود عملکرد زیست محیطی خود شناسایی کنند.

توسعه مواد جایگزین پایدار برای...

سپتامبر 14, 2026