بررسی تکنیک‌های هوش مصنوعی در ساختمان‌های سبز/هوشمند (قسمت پنجم)

4 . تحلیل محتوا

25 کلیدواژه پرمصرف در دوره 2002-2020 در جدول 9 در دو زیر دوره مختلف نشان داده شده است. در کل دوره، بیشترین استفاده از کلیدواژه یادگیری ماشینی بود . در 65 سند یعنی حدود 37 درصد از اسناد منتشر شده آمده است. علاوه بر این، این واژه پرکاربردترین واژه در زیردوره دوم است. سایر اصطلاحات پرکاربرد در کل دوره عبارتند از ساختمان هوشمند ، یادگیری عمیق ، اینترنت اشیا (IoT) و سیستم . علاوه بر اصطلاح ساختمان هوشمند، بین سال‌های 2002 تا 2015، مرتبط‌ترین اصطلاحات هوش مصنوعی، مصرف انرژی، شبیه‌سازی، انرژی، ساختمان سبز و ساختمان هوشمند بودند.

در آخرین دوره فرعی، 2016-2020، برخی از اصطلاحات با سرعتی سریع ظاهر شدند، مانند یادگیری ماشینی، یادگیری عمیق و اینترنت اشیا. هیچ یک از این اصطلاحات در اولین دوره فرعی ظاهر نشدند، که نشان دهنده استفاده اخیر از تکنیک های هوش مصنوعی برای دستیابی به بهره وری انرژی در ساختمان ها است. این تکنیک‌های هوش مصنوعی برای ساختمان‌های هوشمند قابل اجرا هستند که در آن‌ها، از طریق پیاده‌سازی یک ماشین یادگیری ، ساختمان‌ها می‌توانند به ظرفیت پیش‌بینی مصرف انرژی و منابع طبیعی مجهز شوند که به ما امکان می‌دهد کارایی انرژی را افزایش داده و هزینه‌های عملیاتی را کاهش دهیم. در نهایت، در سال‌های اخیر، دولت‌ها و سازمان‌های نظارتی در سراسر جهان تمرکز خود را بر ساختمان‌های هوشمند مبتنی بر مفاهیم اینترنت اشیا بیشتر کرده‌اند [51] .

جدول 8 . ده سند پر استناد

#	عنوان	نویسنده/ها	مجله	سی	سال	C/A
1	آزمایش‌های اجتماعی و فنی محدود به عنوان عوامل تغییر سیستمی: مورد یک ساختمان مسکونی با انرژی صفر [41]	براون، HS; ورگرگت، پی جی	پیش بینی تکنولوژیک و تغییرات اجتماعی	136	2008	11.3
2	مدل‌های آسایش شخصی – الگوی جدیدی در آسایش حرارتی برای کنترل محیطی ساکن-محور [42]	کیم، جی; شیاوون، اس. براگر، جی	ساختمان و محیط زیست	98	2018	49.0
3	یادگیری تقویتی نیمه نظارت شده در پشتیبانی از اینترنت اشیا و خدمات شهر هوشمند [43]	محمدی، م. الفقها، ع; گویزانی، م. اوه، جی اس	مجله IEEE INTERNET OF THINGS	93	2018	46.5
4	محاسبات لبه هوشمند برای مدیریت انرژی مبتنی بر اینترنت اشیا در شهرهای هوشمند [44]	لیو یی.، یانگ سی.، جیانگ ال.، زی اس.، ژانگ ی.	شبکه IEEE	80	2019	80.0
5	استفاده از تکنیک‌های یادگیری ماشین برای کنترل سرمایش مبتنی بر پیش‌بینی اشغال در ساختمان‌های اداری [45]	پنگ، YZ؛ ریسانک، ا. نگی، ز. شلوتر، آ	انرژی کاربردی	63	2018	31.5
6	موانع نهادی برای ساخت و ساز پایدار [46]	Van Bueren، EM; پریموس، اچ	محیط زیست و برنامه ریزی B-PLANNING & DESIGN	49	2002	2.7
7	یک رویکرد مدل ترکیبی برای پیش‌بینی مصرف برق خانگی در آینده [47]	دونگ، بی. Li، ZX; رحمان، اس ام ام; وگا، آر	انرژی و ساختمان	49	2016	12.3
8	ارزیابی استراتژی‌های مبتنی بر شبکه عصبی بازگشتی عمیق برای پیش‌بینی انرژی ساختمان در کوتاه‌مدت [48]	فن، C; وانگ، جی. باند، WJ; لی، SH	انرژی کاربردی	42	2019	42.0
9	رویکردی جدید برای ارزیابی پروژه‌ها با استفاده از روش ارزیابی نسبت افزودنی فازی با ارزش بازه‌ای (ARAS): مطالعه موردی پروژه‌های حفاری چاه نفت و گاز [49]	داهویی، جی اچ. Zavadskas، EK; ابوالحسنی، م. ونکی، ع. تورسکیس، ز	تقارن-بازل	39	2018	19.5
10	مجموعه ای جدید ELM برای تشخیص فعالیت های انسانی با استفاده از حسگرهای تلفن هوشمند [50]	چن، ژ. جیانگ، سی. زی، ال اچ	معاملات IEEE در مورد انفورماتیک صنعتی	39	2019	39.0

گردآوری شده توسط نویسندگان با داده های WoS و Sco (2020).

جدول 9 . پرکاربردترین کلمات کلیدی

رتبه	کلید واژه ها	2002–2020		2002–2015		2016–2020
سلول خالی	سلول خالی	آ	%	آ	%	آ	%
1	فراگیری ماشین	65	37.36٪			65	39.88٪
2	ساختمان هوشمند	63	36.21٪	1	9.09٪	62	38.04٪
3	یادگیری عمیق	34	19.54٪			34	20.86٪
4	اینترنت اشیا	32	18.39٪			32	19.63٪
5	سیستم	25	14.37٪			25	15.34٪
6	بهره وری انرژی	23	13.22٪			23	14.11٪
7	شبکه عصبی	21	12.07٪			21	12.88٪
8	ساختمان	21	12.07٪			20	12.27٪
9	پیش بینی	19	10.92%			19	11.66٪
10	هوش مصنوعی	17	9.77٪	1	9.09٪	16	9.82٪
11	شبکه های عصبی مصنوعی	16	9.20٪			16	9.82٪
12	مدل	15	8.62٪			15	9.20٪
13	بهينه سازي	15	8.62٪			15	9.20٪
14	کارایی	15	8.62٪			15	9.20٪
15	راحتی حرارتی	14	8.05٪			14	8.59٪
16	مصرف انرژی	12	6.90٪	1	9.09٪	11	6.75٪
17	شبیه سازی	12	6.90٪	1	9.09٪	11	6.75٪
18	الگوریتم	11	6.32٪			11	6.75٪
19	طرح	11	6.32٪			11	6.75٪
20	انرژی	11	6.32٪	1	9.09٪	10	6.13٪
21	ساختمان سبز	11	6.32٪	1	9.09٪	10	6.13٪
22	ساختمان هوشمند	11	6.32٪	1	9.09٪	9	5.52٪
23	ماشین بردار پشتیبانی	10	5.75٪			10	6.13٪
24	خانه هوشمند	9	5.17٪			9	5.52٪
25	شهر هوشمند	9	5.17٪			9	5.52٪
	تعداد اسناد	174	8.87٪	11		163

گردآوری شده توسط نویسندگان با داده های WoS و Sco (2020).

علاوه بر این، سایر کلمات کلیدی که از دوره فرعی اول تا دوره دوم تثبیت بیشتری را نشان می دهند، ساختمان های هوشمند و صرفه جویی در انرژی بودند. از اولین دوره فرعی تا دوره دوم، تحقیقات در مورد ساختمان های هوشمند در پاسخ به نیاز به صرفه جویی در انرژی از طریق بهره وری انرژی در ساختمان ها ، به ویژه در ساختمان های اداری که هدف اصلی شرکت ها کاهش مصرف انرژی و هزینه های نگهداری است، پدید آمد. در ساختمان های هوشمند، اتوماسیون ساختمان یک سیستم متمرکز و خودکار است که سیستم های انرژی ساختمان را کنترل می کند و برای بهبود آسایش کاربران و کاهش مصرف انرژی و هزینه های عملیاتی استفاده می شود.

تکمیل جدول 9 ، شکل 8، شبکه های ارتباطی بین کلمات کلیدی (تحلیل همزمان) را نشان می دهد که به شناسایی حوزه های دانش مهم در این زمینه تحقیقاتی کمک می کند. شکل 8 پنج دسته از کلمات کلیدی را نشان می دهد. بین هر خوشه ناهمگنی وجود دارد اما درون آنها همگنی وجود دارد.

از میان پنج خوشه، دو خوشه به دلیل داشتن کلیدواژه های اصلی تحقیق متمایز هستند. خوشه زرد شامل «ساختمان هوشمند» به عنوان یک گره مرکزی و خوشه قرمز شامل «یادگیری ماشین» و «ساختمان سبز» است.

یادگیری ماشین و ساختمان سبز

در یک ساختمان سبز یا پایدار، هدف اولیه بهره وری انرژی است. با استفاده از سیستم‌های تصمیم‌گیری مبتنی بر یادگیری ماشین، الگوریتم‌ها، می‌توان به این هدف دست یافت و به راحتی کاربر (که یکی از اهداف ساختمان‌های سبز نیز است) را نیز در بر گرفت. این سیستم های تصمیم گیری متشکل از ماشین های یادگیری هستند که قوانین استنتاج را برای سیستم یکپارچه و همچنین مدیریت و کنترل خودکار تولید می کنند . این قوانین استنتاج در سیستم برای دستیابی به بهره وری انرژی و راحتی کاربر در داخل ساختمان های هوشمند اجرا می شود.

ساختمان هوشمند، اینترنت اشیا، شهر هوشمند و بهره وری انرژی.

ساختمان‌های هوشمند و خانه‌های هوشمند برخی از زمینه‌های اصلی کاربرد فناوری‌های اینترنت اشیاء را با تمرکز بر بهره‌وری انرژی (مدیریت هوشمند مصرف آب، گاز و برق)، راحتی کاربر و سیستم‌های امنیتی ارائه می‌کنند [52] . از سوی دیگر، اتصال اینترنت اشیا در ساختمان‌های هوشمند و خانه‌های هوشمند می‌تواند به انتقال از شهرهای فعلی به شهرهای هوشمند آینده دست یابد .

خوشه‌های باقی‌مانده ( شکل 8 )، مانند خوشه بنفش، عمدتاً به تکنیک یادگیری عمیق مربوط می‌شوند ، مثلاً حسگرها و ارتباط آنها با سیستم‌ها. خوشه سبز عمدتاً شامل برخی از کلیدواژه‌های عمومی متمرکز بر الگوریتم‌های یادگیری ماشین و هوش مصنوعی است، مانند شبکه‌های عصبی مصنوعی ، الگوریتم‌ها، داده‌های بزرگ ، پیش‌بینی و مدل. در نهایت، رایج ترین کلمات کلیدی که منجر به خوشه آبی می شوند ساختمان، عملکرد، بهینه سازی و تهویه هستند، یعنی این خوشه ارتباط نزدیکی با خوشه زرد دارد.

شکل 9 ارتباط خوشه های مختلف و نحوه پیوند آنها با کلیدواژه های فرمول تحقیق اصلی را نشان می دهد [53] .

ساختمان های هوشمند و ساختمان های هوشمند.

خوشه قرمز عمدتاً شامل کلمات کلیدی مرتبط با “یادگیری ماشین” است که با “ساختمان های هوشمند” مرتبط است. ساختمان های هوشمند و هوشمند اصطلاحات متفاوتی برای یک تعریف هستند. در دهه‌های گذشته فقط از واژه ساختمان‌های هوشمند استفاده می‌شد، اما در سال‌های اخیر این دو اصطلاح به جای هم استفاده می‌شوند.

یادگیری ماشینی، ساختمان هوشمند.

ساختمان های هوشمند ساختمان هایی هستند که امکانات و سیستم های آنها (تهویه مطبوع، روشنایی، برق و امنیت) امکان مدیریت و کنترل یکپارچه و خودکار را با هدف بهبود بهره وری انرژی، رفاه و ایمنی فراهم می کند. ساختمان های هوشمند به طور موثر سیستم های مدیریت و کنترل ساختمان را برای بهینه سازی عملکرد به صورت پویا و ساده سازی عملیات تاسیسات ترکیب می کنند. از دیدگاه هوش مصنوعی، ساختمان‌های هوشمند ساختمان‌هایی هستند که در آنها مدیریت انرژی و سیستم حفاظت با تکنیک‌های هوش مصنوعی ادغام شده‌اند. به بیان دقیق تر، این تکنیک ها متدولوژی هایی هستند که مبتنی بر الگوریتم های یادگیری ماشین هستند . به عبارت دیگر، ما می توانیم تأیید کنیم که یادگیری ماشین از طریق هوش مصنوعی به هوشمندی یا هوشمند بودن ساختمان ها کمک می کند.

به نوبه خود، شکل 10 تکامل زمانی استفاده از کلمات کلیدی را نشان می دهد . این نوع شبکه به ما امکان می دهد تا تحلیل کنیم که کدام کلمات کلیدی در گذشته و همچنین اخیراً بیشترین استفاده را داشته اند، که به نوبه خود شناسایی خطوط احتمالی تحقیقات آینده را تسهیل می کند. اگرچه اولین مقاله شناسایی شده بر اساس فرمول جستجوی کاربردی [54] پیشنهاد می‌کند که برای توسعه موفقیت‌آمیز یک سیاست شهری غنی از اطلاعات، بیش از ساختمان‌های «هوشمند» یا ارائه دسترسی به اینترنت مورد نیاز است.

یادگیری عمیق زیرمجموعه ای از یادگیری ماشینی بر اساس شبکه های عصبی چند لایه است [55] . براون و ورگرگت (2008) [41] یادگیری عمیق را برای تجزیه و تحلیل رفتار افراد و چگونگی بهبود پایداری با استفاده از فناوری و یادگیری عمیق معرفی کردند. در محمدی و همکاران. (2018) [43] ، یادگیری تقویتی عمیق برای بومی‌سازی افراد در محیط داخلی استفاده شد، زیرا این یک مشکل اساسی برای خدمات شهر هوشمند است. در نهایت، در فن و همکاران. (2019) [48] استراتژی‌ها برای پیش‌بینی انرژی ساختمان از طریق استفاده از شبکه‌های یادگیری عمیق مورد بررسی قرار گرفتند.

4.1 . تجزیه و تحلیل کلمات کلیدی زمانی بر روی خط پایین سه گانه برای مفهوم پایدار تمرکز دارد

طراحی و ساخت و ساز پایدار می تواند مزایای اقتصادی، زیست محیطی و اجتماعی را به همراه داشته باشد که نتیجه بررسی دقیق استفاده از منابع و چگونگی تأثیر ساختمان ها بر نسل های بعدی است. با توجه به تجزیه و تحلیل زمانی کلمات کلیدی مرتبط با طبقه بندی مزایای مختلف ارائه شده توسط طراحی و ساخت و ساز پایدار، مزایای زیست محیطی برای اولین بار مورد بررسی قرار گرفت. شبکه کلمه کلیدی که با اصطلاحات مرتبط با مزایای زیست محیطی مشخص می شود، عمدتاً آبی-سبز است که دوره 2017-2018 را پوشش می دهد ( شکل 11(a) ). سپس، مزایای اجتماعی در خروجی های علمی (2018-2019) با یک شبکه سبز مایل به زرد آشکار شد ( شکل 11(b) ). در نهایت، مزایای اقتصادی جدیدترین موضوعی است که به آن پرداخته شده است، با یک شبکه کاملاً زرد از سال 2019 به بعد ( شکل 11(c) ).

در تجزیه و تحلیل منافع زیست محیطی نشان داده شده در شکل 11(a) ، اثرات زیست محیطی به طور مستقیم به ساختمان های سبز و توسعه پایدار، همراه با طراحی ساختمان پایدار مربوط می شود. در مقابل، کیفیت محیط داخلی و کنترل روشنایی مربوط به ساختمان های هوشمند است. در نهایت، عملکرد حرارتی با ساختمان‌های سبز و کاربرد تکنیک‌های یادگیری ماشین مرتبط است .

در مطالعه متمرکز بر مزایای اجتماعی، شکل 11(b) ، رابطه بین توسعه پایدار و شهرهای پایدار و ساختمان های سبز برجسته است. جایی که رفاه افرادی که در دفاتر سبز کار می کنند یا در خانه های سبز زندگی می کنند [1] رابطه مستقیم بین ساختمان های سبز و سلامت را برجسته می کند . همچنین مطالعه راحتی، آسایش حرارتی و آسایش حرارتی شخصی وجود دارد که از طریق استفاده از رویکردهای یادگیری ماشینی/عمیق با هوش مصنوعی مرتبط است ، که نمونه‌ای از ساختمان‌های هوشمند است.

تجزیه و تحلیل کلمات کلیدی مرتبط با مزایای اقتصادی، شکل 11(c) ، مطالعه مصرف برق، مصرف انرژی، مصرف انرژی ساختمان، برای به دست آوردن کارایی انرژی و ساختمان های کارآمد انرژی به منظور کاهش مصرف انرژی و صرفه جویی در انرژی را برجسته می کند . همزمان با کسانی که در معرض دید قرار گرفتند که به دلیل اجرای استراتژی های بهره وری و مصرف که بخش های اساسی هر ساختمان سبز هستند، هزینه مصرف انرژی شاید فوری ترین فایده اقتصادی در طراحی ساختمان سبز باشد. تمام این استراتژی‌های صرفه‌جویی در انرژی نیز به طور مستقیم با کاربرد رویکردهای یادگیری ماشینی/عمیق، نمونه‌ای از ساختمان‌های هوشمند، با تأکید بر پیش‌بینی انرژی ساختمان با ابزارهای یادگیری عمیق، مرتبط هستند.

پایدار، سبز یا هوشمند؟ مسیرهایی...

ژوئن 9, 2026