جستجو در:
دوره 13، شماره 2 - ( 1402 )
جلد 13 شماره 2 صفحات 144-125 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Mashhadi Abolghasem Shirazi M, دیبا د. Non-formal data mining and contemporization of housing plan by artificial neural network; case studies: Tehran selected buildings during 1950s to 1970s. Naqshejahan 2023; 13 (2) : 7
URL: http://bsnt.modares.ac.ir/article-2-68243-fa.html
URL: http://bsnt.modares.ac.ir/article-2-68243-fa.html
مشهدی ابوالقاسم شیرازی مهدی، دیبا داراب. داده‌کاوی غیرشکلی و معاصرسازی ساختار پلان مسکونی با استفاده از شبکه هوش مصنوعی؛ نمونه موردی: بناهای منتخب تهران در فاصله دهه 30 تا دهه 50 شمسی. نقش جهان - مطالعات نظری و فناوری های نوین معماری و شهرسازی. 1402; 13 (2) :125-144
1- گروه معماری، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران
2- گروه معماری، دانشکدگان هنرهای زیبا، دانشگاه تهران، تهران، ایران ، darabdiba@gmail.com
2- گروه معماری، دانشکدگان هنرهای زیبا، دانشگاه تهران، تهران، ایران ، darabdiba@gmail.com
چکیده: (233 مشاهده)
اهداف: به کارگیری از شبکه هوش مصنوعی و داده کاوی الگوی غیرشکلی بناهای ارزشمند تهران در فاصله دهه1330 تا 1350 هدف اصلی پژوهش است که در ده بنای شاخص دوره 1330 تا 1350 شمسی شهر تهران اجرا می شود.
روش ها: در مطالعه حاضر، روش تحقیق مورد استفاده بر حسب هدف، کاربردی – توسعهای و تکنیک مطالعه بر حسب روش و ماهیت، توصیفی ـ پیمایشی میباشد. در این پژوهش، از شبکه هوش مصنوعی MLP و خوشه بندی به منظور اعتبارسنجی تحلیل غیرشکلی پلان های بناهای مسکونی دوره 1330-1350 بهره گرفته شده است. داده‌ها به طور تصادفی به سه مجموعه تقسیم شدند که 70 درصد از داده‌ها برای آموزش، 15 درصد برای اعتبارسنجی و 15 درصد برای آزمون استفاده شد.
یافته ها: باتوجه به تحلیل صورت گرفته و تطابق با تحلیل های غیرشکلی، نتایج نشان می دهد که پلان های منتخب از نظر غیرشکلی، به ترتیب دارای 15 مولفه، 14 مولفه، 13 مولفه و 11 مولفه ای می باشند. که دقیقا منطبق بر جداول تحلیلی غیرشکلی پلان است. بدین سبب، نتایج تحلیلی غیرشکلی پلان ها توسط هوش مصنوعی اعتبارسنجی و صحت گذاری شده است.
نتیجه گیری: معاصرسازی بنا و حفظ بناهای تاریخی برای اکثریت مردم حایز اهمیت بوده و نتایج این پژوهش نشان داد که با استفاده از شبکه هوش مصنوعی، میتوان مولفه‌های غیرشکلی و پنهان موجود در پلانهای دوره مذکور را یافته و در پلانهای مسکونی امروزی به کار برد. استفاده از فناوریهای روز به مانند هوش مصنوعی، در جهت خوشه بندی و شناسایی روابط پنهان پلان‌ها می‌تواند بسیار کمک‌کننده باشند.
روش ها: در مطالعه حاضر، روش تحقیق مورد استفاده بر حسب هدف، کاربردی – توسعهای و تکنیک مطالعه بر حسب روش و ماهیت، توصیفی ـ پیمایشی میباشد. در این پژوهش، از شبکه هوش مصنوعی MLP و خوشه بندی به منظور اعتبارسنجی تحلیل غیرشکلی پلان های بناهای مسکونی دوره 1330-1350 بهره گرفته شده است. داده‌ها به طور تصادفی به سه مجموعه تقسیم شدند که 70 درصد از داده‌ها برای آموزش، 15 درصد برای اعتبارسنجی و 15 درصد برای آزمون استفاده شد.
یافته ها: باتوجه به تحلیل صورت گرفته و تطابق با تحلیل های غیرشکلی، نتایج نشان می دهد که پلان های منتخب از نظر غیرشکلی، به ترتیب دارای 15 مولفه، 14 مولفه، 13 مولفه و 11 مولفه ای می باشند. که دقیقا منطبق بر جداول تحلیلی غیرشکلی پلان است. بدین سبب، نتایج تحلیلی غیرشکلی پلان ها توسط هوش مصنوعی اعتبارسنجی و صحت گذاری شده است.
نتیجه گیری: معاصرسازی بنا و حفظ بناهای تاریخی برای اکثریت مردم حایز اهمیت بوده و نتایج این پژوهش نشان داد که با استفاده از شبکه هوش مصنوعی، میتوان مولفه‌های غیرشکلی و پنهان موجود در پلانهای دوره مذکور را یافته و در پلانهای مسکونی امروزی به کار برد. استفاده از فناوریهای روز به مانند هوش مصنوعی، در جهت خوشه بندی و شناسایی روابط پنهان پلان‌ها می‌تواند بسیار کمک‌کننده باشند.
شماره‌ی مقاله: 7
واژه‌های کلیدی: معاصرسازی، هوش مصنوعی، داده کاوی غیرشکلی، خوشه بندی، مسکن، معماری معاصر، طراحی معماری
نوع مقاله: پژوهشی اصیل |
موضوع مقاله:
معماری کارا
دریافت: 1402/1/8 | پذیرش: 1402/4/1 | انتشار: 1402/4/1
دریافت: 1402/1/8 | پذیرش: 1402/4/1 | انتشار: 1402/4/1
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |