بهینه یابی سبد مصرف انرژی و خوشه بندی ساختمان های مسکونی با بهبود شبکه عصبی فازی با اوزان و معماریAHP

       ساختمان­های مسکونی ایران، مطابق آمارهای موجود، بزرگترین مصرف کننده انرژی این کشور می باشند؛ فاکتورهای متعدد تاثیرگذار بر رفتار مصرف انرژی در ساختمان­های مسکونی، مسئله پیش بینی و ممیزی مصرف انرژی را به چالشی مهم در موسسات بهینه سازی مصرف تبدیل نموده­اند. از این رو مدیران در تلاشند تا با بهر­ه­گیری از تکنیک های مناسب، فرآیند ممیزی و تعیین برچسب انرژی ساختمان های مسکونی را بهبود بخشند.        هدف پژوهش حاضر، با توجه به ضرورت مدیریت انرژی، مدل سازی، پیش بینی و خوشه بندی مصرف انرژی ساختمان های مسکونی، جهت ممیزی و تعیین برچسب انرژی این ساختمان­ها می­باشد. از این رو این پژوهش، با تلفیق شبکه عصبی فازی (FNN) و فرایند تحلیل سلسله مراتبی (AHP)، با استفاده از داده­های پرسشنامه­­ای، به خوشه بندی رفتار مصرف انرژی ساختمان­های مسکونی پرداخته است. بر این اساس، ضرایب وزنی و معماری حاصل از AHP به عنوان اوزان و معماری اولیه شبکه عصبی استفاده شده است. شبکه عصبی در دو حالت "با اوزان و معماری اولیه" و "بدون اوزان و معماری اولیه" بر روی داده های یکسان اجرا گردید. بخش مسکونی شهر شیراز به عنوان جامعه آماری مورد نظر انتخاب گردید و به منظور آموزش و آزمایش شبکه عصبی، داده های 270 ساختمان مسکونی مورد استفاده قرار گرفت. مقایسه قدرت تفکیک و خوشه بندی مدل های FNN در دو حالت بیان گر این مطلب است که مدل شبکه عصبی با معماری و اوزان اولیه AHP نسبت به دیگر مدل، از سرعت و دقت بالاتری در پیش بینی و خوشه بندی برخوردار است.