انتخاب معیارهای مناسب برای ارزیابی پایداری ساختمانهای مسکونی کشور و توسعه سیستم رتبه بندی ساختمان پایدار در ایران(ISBRS)
سال انتشار: 1396
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,313
فایل این مقاله در 16 صفحه با فرمت PDF و WORD قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ESPME04_811
تاریخ نمایه سازی: 19 خرداد 1396
چکیده مقاله:
امروزه سیستمهای امتیازدهی ساختمان سبز بعنوان یکی از روشهای ارزیابی زیست محیطی ساختمان توسعه زیادی یافته است. از طرفی یکی از چالشهای توسعه و استفاده از این سیستمها انتخاب معیارها و وزن دهی به آنها میباشد که این انتخاب بدون در نظر داشتن شرایط اقلیمی ، موقعیت جغرافیایی و اولویتهای خاص زیست محیطی نمیتوان ابزار مناسبی طراحی نمود . از این رو توسعه سیستمهای رتبه بندی منطقه ای در مقایسه با سیستمهای بین المللی با اقبال زیادی مواجه شده است. در این تحقیق با هدف دستیابی به یک سیستم رتبه بندی منطبق با شرایط اقلیمی و محدودیتهای زیست محیطی کشور ، ابتدا مطالعه جامعی روی سیستمهای رتبه بندی موجود صورت گرفت. سپس از بین سیستمهای موجود 6 سیستم رتبه بندی (دو سیستم بین المللی و 4 سیستم منطقه ای که بلحاظ اقلیمی مشابهت هایی با شرایط اقلیمی کشور داشت) شاملLEED ,BREEAM, PEARL, GPRS, QSAS, SEAM انتخاب و معیارهای آنها دسته بندی و با حذف معیارهای مشابه یک سبد 133 تایی از معیارها در 11 گروه بدست آمد. سپس با تشکیل تیم خبرگان و استفاده از ابزار مصاحبه یک سبد از معیارهای اصلاح شده شامل 68 معیار در 8 حوزه حاصل شد. در ادامه با استفاده از تکنیک AHP و نرم افزار Expert choice گروه های معیاری بصورت دو زوجی مقایسه و وزن دهی گردید و با محاسبه ضریب ناسازگاری اطمینان از سازگار بودن نتایج مقایسه حاصل گردید .در ادامه ضمن مقایسه مدل رتبه بندی اخیر با شش سیستم رتبه بندی دیگر ، نتایج بدست آمده تحلیل و مزایای سیستم بر شمرده شد و در انتها پیشنهاداتی برای ارتقا و توسعه سیستم ارایه گردید
کلیدواژه ها:
نویسندگان
احسان نیک صفت
دانشجوی دکتری رشته مدیریت پروژه و ساخت، دانشکده معماری، پردیس هنرهای زیبا، دانشگاه تهران
کتایون تقی زاده
دانشیار گروه مدیریت پروژه و ساخت، دانشکده معماری، پردیس هنرهای زیبا، دانشگاه تهران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :