امروزه اساس یک رویکرد جدید در حوزه انرژی را می توان از تقاضا، منابع محدود انرژی شامل نفت، گاز و زغال سنگ و همچنین هزینه و ثبات بازار در کنار معضل آلودگی و گرمایش جهانی پدید آورد. 1]، [2]. در حقیقت، قابلیت اطمینان و در دسترس بودن منابع برای اقتصاد و توسعه در هر جامعه حیاتی است. چالش‌های اصلی زیست‌محیطی و انرژی ناشی از عواملی از جمله تغییرات آب و هوایی، ناامنی حامل‌های انرژی مورد استفاده برای منابع تجدیدناپذیر و افزایش مصرف انرژی است [3]. برای رویارویی با چالش های ذکر شده باید بسترهای مناسب برای تولید انرژی و روش های مناسب برای مصرف انرژی عرضه شده وجود داشته باشد. این فرآیند به مسائل زیست محیطی اهمیت زیادی می دهد [4].

کاهش انتشار آلودگی به عنوان یکی از راه های کارآمد برای افزایش بهره وری انرژی توصیف شده است [5]. بنابراین کاهش دی اکسید کربن به عنوان یکی از آلاینده های اصلی را می توان با استفاده از انرژی های نو و تجدید پذیر انجام داد. افزایش گازهای گلخانه ای و کاهش منابع انرژی تجدید ناپذیر دو عامل تعیین کننده در یافتن راهبردهای انرژی مناسب برای کشورها هستند. غلبه بر مسائل زیست محیطی به شدت به بهینه سازی مصرف انرژی وابسته است [7]. پذیرش مفهوم انرژی صفر توسط بسیاری از کشورها، چه از نظر زیست‌محیطی و چه از نظر اقتصادی ایده‌آل تلقی می‌شود، زیرا به کاهش وابستگی به منابع انرژی تجدیدناپذیر کمک می‌کند که بی‌نهایت نیستند و باعث آلودگی محیط زیست با تمام هزینه‌های متعاقب آن می‌شوند [8]. با توجه به نگرش جهانی به انرژی، نگرانی های اصلی برای شکل دادن به اصلاحات انرژی جدید، افزایش نیاز به انرژی، محدودیت منابع انرژی فسیلی، نوسانات در بازار انرژی و همچنین آلودگی های زیست محیطی مانند انواع مختلف آلودگی ها و گرمایش جهانی است. .

اساس رویکرد به انرژی برای هر کشوری از دیدگاه رویکرد جهانی به انرژی، تقاضا و منابع انرژی تجدید ناپذیر انرژی، هزینه و عدم اعتماد به این بازار به ویژه در سال های اخیر پدیدار شده است. دهه ها و همچنین وجود گازهای گلخانه ای که به قوانین گرمایش جهانی تمایل دارند. رویکردهای ریاضی زیادی برای مدل‌سازی این نوع انرژی‌ها در اشکال قطعی یا احتمالی وجود دارد [9]، [10]، [11]، [12]. دو راه‌حل اساسی برآمده از راه‌حل‌های ریاضی بیضوی [13]، [14]، [15] در نظر گرفته شده‌اند. آلبادری و همکاران [16] آنها را بر اساس بهینه سازی مصرف (کاهش یا کنترل تقاضا) و تولید انرژی و استفاده از منابع مختلف مانند انرژی های تجدیدپذیر معرفی کرد. تسهیل و بهینه‌سازی مصرف و تولید انرژی موضوع بسیار مهمی است و مدل‌سازی آنها بر اساس مسئله ریاضی قطعی به‌عنوان شرط اولیه بسیار معنادار است [17]، [18]، [19]. دغدغه اصلی در حوزه انرژی یافتن راه های کارآمدتر برای استفاده و تولید انرژی است. شایان ذکر است که بهینه سازی مصرف انرژی باعث کاهش استفاده از انرژی های فسیلی و باقی ماندن مقادیر بیشتری از انرژی برای نسل بعدی خواهد شد. تمرکز بر این جنبه ها منجر به ایجاد فرصت هایی برای استفاده از منابع انرژی تجدیدپذیر می شود. مقادیر کمیاب انرژی بازتولید شده موجود در دسته انرژی‌های تجدیدپذیر، کاهش مصرف این انرژی‌ها را با هدف آماده‌سازی فرصت‌ها برای مصرف آتی می‌طلبد [20].

ساختمان هایی که به عنوان ساختمان های سبز شناخته می شوند، توانایی سازگاری با محیط خود را دارند و برای حفاظت از منابع زیرزمینی استفاده می شوند [21]. کل فرآیند ایجاد یک ساختمان سبز شامل طراحی، عملکرد و ساخت، بهره برداری، نگهداری، تعمیر و تخریب سازگار با محیط زیست است [22]. به منظور تحقق پایداری، راحتی و مقرون به صرفه بودن ساختمان های سبز، تیم طراحی باید با یکدیگر همکاری کنند [23].

ساخت ساختمان‌های سبز با الهام از ساختمان‌های طبیعی با هدف مقابله با آسیب‌های زیست‌محیطی و مسائل بهداشتی، به دلیل سازگاری با محیط‌زیست خود، انجام می‌شود. در واقع عوامل زیر از جمله بهینه سازی مصرف انرژی و حفظ انرژی و آب باعث این اثرات مثبت می شود [24]. زیرساخت های کوچکتر در ساختمان های سبز با مواد خام طبیعی به دلیل در دسترس بودن آنها در نزدیکی منطقه ساخت و ساز ساخته می شود [25]، [26]. پایداری به عنوان یکی از رویکردهای واقعاً قابل توجه در معماری، تعریف خاصی دارد. در واقع، این رویکرد بر ایجاد تعادل بین برآوردن خواسته‌های امروز و آینده متمرکز است تا فرصت‌های مصرف انرژی را به خاطر منافع فعلی‌مان از فرزندانمان سلب نکنیم. اگرچه تغییر ساختمان های رایج به معماری سبز به سختی انجام می شود، اما می توان از اصول آنها در فرآیند تقویت استفاده کرد.

یکی از اهداف اصلی گلخانه‌ها و ساختمان‌های با انرژی صفر کاهش مصرف انرژی الکتریکی با کنترل مصرف انرژی گرمایشی و سرمایشی و همچنین افزایش بهره‌وری انرژی ساختمان است [27]، [28]. در حالی که مفهوم ساختمان صفر موضوعی بیگانه در آن دوره بود، چشم انداز آینده معماری، داشتن اصول آنها توسط تمام ساختمان های تجاری ساخته شده در ایالات متحده تا سال 2050 را فرض می کند [29]. در اروپا، اصول و استانداردهای ساختمان‌های انرژی صفر به ترتیب از سال‌های 2010، 2018 و 2020 به بعد در ساختمان‌های عمومی، ساختمان‌های متعلق به مقامات و تمام ساختمان‌های جدید اعمال شد. این ساختمان های انرژی صفر هنوز هم علاقه مند هستند. محدودیت هایی وجود دارد که کشورها را مجبور به کاهش انرژی ساختمان ها کرده است. به عنوان مثال، تمام ساختمان های تجاری در ایالات متحده باید تا سال 2050 مصرف انرژی خالص صفر داشته باشند. در اروپا، در سال 2010 تصمیم گرفته شد که رویکرد انرژی صفر برای همه ساختمان ها از سال 2018 تا 2022 اعمال شود [30]، [31]. با توجه به کاهش 80 درصدی قیمت سیستم های خورشیدی در بیست سال گذشته، تمایل قابل توجهی برای استفاده از این فناوری ها در بازار وجود داشته است. آمار نشان می‌دهد که مصرف انرژی در ساختمان‌های صفر به طور قابل‌توجهی کمتر از سایر ساختمان‌ها است [32]. ارزش ها در کشورهای مختلفی که از این فناوری استقبال می کنند متفاوت است. بنابراین، کاهش مصرف انرژی در ایالات متحده، بریتانیا و ایرلند به ترتیب 75، 77 درصد و 85 درصد است [33]. ایده مدل‌سازی ریاضی ساختمان خورشیدی با مجموعه‌ای از کلکتورهای خورشیدی و بخاری‌های خورشیدی برای محققان بسیار جالب است [34]، [35]. فناوری عایق کاری و مدل‌سازی ریاضی آن بر اساس توابع درجه دوم به پیشرفت چشمگیری در ساخت خانه‌های کم مصرف کمک کرد [36]، [37].

جهان شاهد ساخت پروژه های کم مصرف دیگری در مناطق مختلف بود. به عنوان مثال، کاخ لجر در ماساچوست که هزینه سالانه 50 دلار داشت، سه خانه کم مصرف در مونتانا ساخته شد، خانه ای که توسط مرکز خورشیدی فلوریدا ساخته شد، با تولید 80 درصد برق خود، خانه ای با انرژی صفر که در واشنگتن ساخته شد، رونق گرفت. خانه‌های DC و تقریباً صفر انرژی که به ترتیب در کالیفرنیا با تولید انرژی 60 درصد ساخته شده‌اند، ساخته شده‌اند. ساختمان مسکونی ساخته شده در سال 2002 نمونه خوبی از استفاده از پنل های فتوولتائیک و سیستم های گرمایش خورشیدی به عنوان مولد انرژی ساختمان با بازده 90 درصد بود. پروژه اولین خانه با انرژی صفر آریزونا توسط میلر در سال 2003 تکمیل شد [38]، [39]. در سال 2003 ساخت خانه موریسون با مصرف انرژی صفر در کالیفرنیا به پایان رسید. کلاروم ساخت یک مجموعه 257 واحدی با مصرف انرژی نزدیک به صفر را تکمیل کرد [40]. همه واحدها از انرژی خورشیدی برای تولید 50 درصد از کل انرژی مصرفی سالانه خود استفاده می کردند. در سال 2004، پاردی هومز با استفاده از پانل های فتوولتائیک، گرمایش خورشیدی و کلکتورهای آب گرم خورشیدی، یک مجتمع خانگی به مساحت 5300 فوت مربع با انرژی صفر در لاس وگاس، ایالات متحده آمریکا ساخت [41]، [42]، [43]. این خانه ها 90 درصد انرژی کمتری نسبت به خانه های مشابه ساخته شده با استانداردهای ساختمانی ایالات متحده مصرف می کردند. طراحان استرالیایی باعث افزایش تقاضای بار برای تهویه مطبوع در ساختمان‌های خانگی شدند و از 56 کیلووات ساعت بر متر در سال 1990 به 78 کیلووات ساعت بر متر در سال 2005 رسید. در سال 2014، Kasai و همکاران. [44] موانع ساخت ساختمان های سبز در برزیل را بررسی کرد. آنها هدف از تحقیق خود را ارزیابی فنی و اقتصادی ساختمان های سبز در برزیل و شناسایی موانع موجود عنوان کردند. محققان دیگر ساخت ساختمان های سبز را از منظر اقتصادی تحلیل کردند [45]. آنها سعی کردند هزینه اولیه ساخت یک ساختمان سبز و ساختمان معمولی را بررسی کنند و در نهایت مدت زمان بازگشت سرمایه را برای این ساختمان ها محاسبه کنند. در سال 2015، کیان و همکاران. [46]، [47] یک ساختمان سبز را شبیه سازی کردند و هزینه های ساخت آن را محاسبه کردند [46]. در سال 2021، Xu و همکاران. [48] ​​یک سیستم تهویه مطبوع طبیعی را با استفاده از دینامیک سیالات محاسباتی در داخل یک ساختمان سبز شبیه سازی عددی کرد. آنها بیان کردند که استفاده از سیستم تهویه مطبوع طبیعی آلودگی محیطی کمتری دارد و همچنین از درجه راحتی حرارتی بالاتری برخوردار است و بنابراین برای گلخانه ها بسیار مناسب است. در سال 2013، بویجو و همکاران. [49] پارامترهای مؤثر بر تصفیه فاضلاب خاکستری را بررسی کردند. در سال 2010، بدیر و همکاران. [50] طراحی یک ساختمان با انرژی صفر را از منظر اقتصادی با استفاده از نرم افزار هومر بررسی کرد. سیستم مورد مطالعه توسط آنها شامل منابع تجدیدپذیر باد و خورشیدی بود [51]، [52]. اخیراً رشد سریع فناوری‌های سخت‌افزاری و نرم‌افزاری در حوزه‌های مختلف علمی و فناوری و به‌ویژه از نظر علوم مهندسی، موجب رواج رویکردهای مبتنی بر داده‌ها در تحقیقات شده است [53].

امروزه استفاده از روش‌های داده‌کاوی یا یادگیری ماشین (ML) مانند روش‌های ماشین بردار پشتیبان (SVM)، شبکه‌های عصبی، مدل درخت تصمیم و موارد دیگر مانند برنامه‌نویسی مصنوعی، فازی، ژنتیکی و غیره [54]، [55] ] به طور گسترده برای طبقه بندی و تخمین پارامترهای مختلف در نظر گرفته می شوند [56]، [57]. در سال 1963، الگوریتم رگرسیون بردار پشتیبان (SVR) توسط ولادیمیر و همکاران و سپس بر اساس روش اصلاح بر روی هسته SVR توسط Boser و همکاران ارائه شد. [58] در سال 1992 یک رویکرد طبقه بندی برای مسائل غیر خطی ارائه شد. SVR به عنوان یک الگوریتم ML نظارت شده را می توان متداول ترین تکنیک در مسائل مهندسی طبقه بندی و رگرسیون در نظر گرفت. در واقع، SVR شامل پارامترهای فوق برای ارائه بهترین جداسازی کلاس است که توسط نمونه های آموزشی به عنوان نقاط در فضای ویژگی پیشنهاد می شود [59].

الگوریتم‌های نوآورانه‌ای مانند الگوریتم بهینه‌سازی ازدحام ذرات (PSO) برای بهبود عملکرد SVM در حوزه‌های مختلف عملی استفاده شده‌اند [60]. در تمام مطالعات فوق، محققان تنها از یک تابع تناسب برای ارزیابی عملکرد روش پیشنهادی استفاده کرده‌اند که اغلب تابع نرخ تشخیص است. اما علاوه بر نرخ تشخیص، محاسبه قابلیت اطمینان نیز می تواند راه خوبی برای ارزیابی طبقه بندی کننده ارتقا یافته باشد. قابلیت اطمینان در واقع میزان اعتبار خروجی طبقه بندی کننده است. اغلب دو تابع برازش آنقدر با هم مخالف هستند که در برخی موارد، اگرچه نرخ تشخیص یک کلاس از داده ها بالا است، اما قابلیت اطمینان خروجی طبقه بندی کننده برای آن کلاس پایین است و بالعکس [61].

مصرف انرژی ساختمان با مصالح رایج بر اساس قیمت ثابت با دقت 99.98 درصد محاسبه می شود. در واقع بیشترین تقاضا برای مصرف از بخش اداری و مسکونی نزدیک به 40 درصد است. بر اساس مدل ارائه شده، لایه های کامپوزیت جدید ارائه شده برای کاهش مصرف برق و همچنین بیوگاز بهینه شده اند. نتایج نشان دهنده افزایش قابل توجه تقاضای انرژی ساختمان سبز به میزان 28 درصد برای برق و 42.44 درصد برای بیوگاز نسبت به ساختمان های معمولی است. همچنین کاهش چشمگیر هزینه ساختمان سبز با متریال کامپوزیت به ارزش 50 درصد نسبت به ساختمان معمولی نیاز به سرمایه گذاری در ساخت ساختمان های سبز و استفاده از منابع تجدیدپذیر در جهان را به وضوح ثابت می کند.

در این تحقیق، الگوریتم بهینه سازی PSO چندهدفه بر روی یک ساختمان سبز به مساحت 320 متر مربع اعمال شده است. در واقع، بهینه‌سازی در مصرف انرژی (هم برق و هم بیوگاز) با بهترین آرایش کامپوزیت انجام می‌شود. ابر صفحه های بهینه برای دو تابع هدف که عبارتند از میزان تشخیص و قابلیت اطمینان، مصرف انرژی ساختمان را با مصالح رایج بر اساس قیمت ثابت با دقت 99.98 درصد برآورد می کند. همچنین مصرف انرژی برای بررسی کاهش مصرف برق و بیوگاز در ساختمان‌های سبز با مواد کامپوزیت بررسی شده است. لایه های ارائه شده باید تاثیر قابل توجهی بر روی هزینه مصرف انرژی ساختمان سبز به مقدار 50 درصد نسبت به ساختمان معمولی داشته باشند.