علیرضا شیخ الاسلامی - استادیار گروه معماری دانشگاه آزاد واحد بروجرد.
نسیم حامد - دانشجوی کارشناسی ارشد معماری، دانشگاه آزاد واحد دورود.

ساختمان های مسکونی ایران، مطابق آمارهای موجود، بزرگترین مصرف کننده انرژی این کشور می باشند؛ فاکتورهای متعدد تاثیرگذار بر رفتار مصرف انرژی در ساختمان های مسکونی، مسیله پیش بینی و ممیزی مصرف انرژی را به چالشی مهم در موسسات بهینه سازی مصرف تبدیل نموده اند. هدف پژوهش حاضر، با توجه به ضرورت بهینه سازی انرژی، و خوشه بندی مصرف انرژی ساختمان های مسکونی، جهت ممیزی و تعیین برچسب انرژی این ساختمان ها می باشد. از این رو این پژوهش، با تلفیق شبکه عصبی فازی( FNN (و فرایند تحلیل سلسله مراتبی (AHP، (با استفاده از داده های پرسشنامه ای، به خوشه بندی رفتار مصرف انرژی ساختمان های مسکونی پرداخته است. بر این اساس، ضرایب وزنی و معماری حاصل از AHPبه 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 شهراهواز منطقه کیانپارس 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.

ساختمان های مسکونی، بهینه سازی انرژی، فرآیند تحلیل، طبقه بندی