فهرست نشریات علمی دسترسی آزاد ایران

پیشینه و اهداف: امروزه، توسعه شهرنشینی و افزایش جمعیت شهری، بیش از گذشته باعث گرم‌شدن هوا و ایجاد جزایر حرارتی شهری شده است. جزایر حرارتی شهری، پدیده­ای ناشی از آثار شهرنشینی است که به واسطه آن، درجه حرارت در محیط شهری از مناطق حومه­ای بالاتر می­رود. این پدیده، به سبب افزایش دما جوی و محیطی می­تواند صدمات جبران ناپذیری از قبیل آلودگی­های زیستی، انتشار گازهای گلخانه­ای، بیماری­های ناشی از گرما و تأثیر در کیفیت آب را برای جوامع و محیط زیست به بار آورد. این پژوهش، به‌منظور کاهش دما و تلاش برای از بین‌بردن پدیده جزیره حرارتی، رویکرد مؤثر و کارآمدی را به‌کمک علم سنجش ‌از دور و الگوریتم‌های بهینه‌سازی براساس جایگزینی پوشش بام‌های یک منطقه با پوشش‌های با جذب گرمای کمتر پیشنهاد می‌کند. در این پژوهش، سعی بر آن است تا اثر جزیره حرارتی شهری را بر مبنای الگوریتم­ها و پارامترهای آماری تأثیرگذار بر دمای محیط که در تحقیقات گذشته کمتر مورد مطالعه قرار گرفته­اند، کاهش دهیم. همچنین، استفاده از روش بهینه­سازی هوشمند در این زمینه می­تواند باعث نوآوری و ایجاد نتایج بهتر و دقیق­تری شود. مسیر جدیدی که این مطالعه بررسی می­کند، تغییر پوشش سقف یک منطقه با پوشش­های کاربردی دیگر است که باعث کاهش دمای هوا در آن منطقه می­شود. پوشش‌هایی که جهت جایگزینی پوشش بام‌ها برای تعدیل و خنک‌سازی دمای منطقه مورد مطالعه در نظر گرفته شدند، دو نوع پوشش خاک و گیاهی می‌باشند.روش‌ها‌: رویکرد پیشنهادی این پژوهش، استفاده از دو الگوریتم بهینه‌سازی ژنتیک و ازدحام ذرات است و پارامترهایی که تابع هدف این دو الگوریتم را تشکیل می­دهند، دو پارامتر انحراف معیار دما و میانگین هزینه مالی تغییر پوشش سقف هر قطعه ساختمانی است. مجموعه داده تحقیق، تصاویر ماهواره­ای لندست 8 از محله اندیشه شهر تهران است. در این تحقیق، از تصاویر ماهواره­ای برای اهدافی همچون تهیه تصاویر رنگی، نگاشت شاخص‌های گیاهی و غیرگیاهی منطقه مورد مطالعه، محاسبه دمای سطح زمین و جزایر حرارتی شهری استفاده شده است.یافته‌ها: نتایج به‌دست آمده بیانگر این موضوع می­باشد که هر دو الگوریتم بهینه­سازی عملکرد خوبی را ارائه داده و پارامترهای مسأله را بهبود بخشیده­اند، اما الگوریتم بهینه­سازی ژنتیک، نتیجه بهتری را در زمان و تکرار کم­تری کسب کرده است. در مقایسه این دو الگوریتم، الگوریتم بهینه­سازی ژنتیک انحراف معیار را 19 درصد کاهش داد و مقدار آن را به 42/0 رساند. از سوی دیگر، الگوریتم بهینه­سازی ازدحام ذرات در مدت زمانی طولانی­تر، انحراف معیار را 14 درصد کاهش داد و مقدار آن را به 44/0 رساند.نتیجه‌گیری: الگوریتم ژنتیک در بهینه­سازی پوشش‌ بام ساختمان­ها، نتایج بسیار خوبی را با هزینه کل 4678 و انحراف معیار 4177/0 کسب کرد. با تعداد 12100 بار ارزیابی تابع هدف به سرعت همگرا شد و هر دو پارامتر تابع هزینه را به میزان قابل توجهی کاهش داد (الگوریتم ژنتیک تا حد ممکن به بهترین جواب رسیده است). الگوریتم بهینه­سازی ازدحام ذرات نیز با کسب هزینه کل 4965، انحراف معیار 4430/0 و با تعداد 20100 بار ارزیابی تابع هدف نتوانست جوابی به‌خوبی الگوریتم ژنتیک برسد. در خصوص مقایسه بین این دو الگوریتم، ژنتیک با کم‌تر از 3000 بار ارزیابی تابع هدف، توانست بهینه‌ترین جوابی را که الگوریتم ازدحام ذرات در 20100 بار ارزیابی به آن رسیده، تجربه کند. استفاده از الگوریتم‌های فراابتکاری در بهینه‌سازی مسائل عملی، که امروزه در صنایع متنوع به دفعات با آن‌ها مواجه می شویم، می‌تواند بسیار کارآمد باشد. نتایج این الگوریتم‌ها، با وجود اختلافات در خروجی‌ها بسیار مناسب و رسیدن به چنین جواب‌هایی برای مسائل مختلف بدون استفاده از این‌گونه الگوریتم‌ها غیرممکن خواهد بود. به عنوان کارهای آتی براساس آن‌چه که در این پژوهش حاصل شده، پیشنهاد می­شود از سایر الگوریتم‌های بهینه‌سازی و یا حتی الگوریتم‌های قدرتمند مدل‌سازی همچون شبکه­های عصبی مصنوعی استفاده شود. همچنین، می‌توان تغییر پوشش بام ساختمان­ها و استفاده از پوشش های جدیدتر را در تعدیل دما با اتخاذ پارامترهای جدید از تابع هزینه در الگوریتم­های بهینه­سازی و یادگیری عمیق مورد بررسی قرار داد.