5 . نتیجه

در این مقاله با استفاده از روش بهینه‌سازی چند رشته‌ای بر روی عایق‌های نانو، مصرف انرژی همراه با کاهش تولید گازهای گلخانه‌ای و کارایی هزینه بهینه‌سازی شد. الگوریتم های یادگیری ماشین شامل SVR، GPR و درخت تصمیم برای طبقه بندی و استخراج مدل توانمند برای بهینه سازی استفاده شد. مصرف انرژی یک ساختمان با مساحت 15a03 متر مربع با استفاده از الگوریتم درخت تصمیم با دقت 99.98 درصد مدل‌سازی شد. محاسبات با استفاده از کد داخلی با شرایط مرزی شامل شرایط آب و هوایی سرد، معتدل و گرم و به حداقل رساندن هزینه انجام شد. با توجه به اینکه عایق کاری رابطه مستقیمی با مصرف انرژی و تولید گازهای گلخانه ای دارد، اثرات آن از این جهت قابل توجه بود که مصرف گازهای گلخانه ای و مصرف انرژی در هر یک از شرایط آب و هوایی کاهش 50 درصدی را نشان می دهد. نتایج نشان داد که ساختمان ارائه شده در تمامی شرایط آب و هوایی عملکرد قابل توجهی دارد. میزان صرفه جویی در انرژی با بازده 70 درصد در مورد معیارهای PWF و محاسبه درجه روز ثابت کرد که ضخامت و چیدمان دیوارها را می توان با ویژگی های عایق بهینه کاهش داد. ساختمان سبز نشان‌داده‌شده با چیدمان نانومواد و ارزش ضخامت 0.2 سانتی‌متر کمترین هزینه سوخت را به میزان 10 دلار در هر متر مربع دارد. در نهایت، روش جدید تأثیر قابل توجهی بر هزینه مصرف انرژی و تولید گاز CO ₂ تا 40 درصد نسبت به ساختمان اصلی ارائه کرد، با این حال، مدل‌سازی سایر شرایط آب و هوایی و در نظر گرفتن سایر الگوریتم‌های یادگیری ماشینی می‌تواند موضوعی جذاب برای تحقیق در مطالعات آینده