← أحدث الأبحاث
⚡ electrical engineering

Developing a Human-Centric AI-based Multi-Criteria Energy Efficiency Advisory Framework for Apartment Housing of Mashhad, Iran

تقترح هذه الدراسة وتتحقق من صحة إطار عمل قائم على الذكاء الاصطناዊ ومتمحور حول الإنسان، يدمج البيانات الاجتماعية والديموغرافية، وبيانات المباني، والأحياء، والمناخ لتقديم توصيات مخصصة وقابلة للتفسير بشأن كفاءة الطاقة لسكان الشقق في مشهد بإيران، محققةً دقة تنبؤ عالية (R² = 0.86) ومثبتةً أن خصائص شاغلي المساكن هي محركات حاسمة لأداء الطاقة السكني.

المؤلفون الأصليون: Javad Asadpoor, Mohanraj Balasubramaniyam, Ehsan Biglari, Mehdi Gheisari

نُشر 2026-07-31
📖 3 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Javad Asadpoor, Mohanraj Balasubramaniyam, Ehsan Biglari, Mehdi Gheisari

البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أن منزلك ليس مجرد صندوق طوبي جامد، بل هو كائن حي يتنفس ويتفاعل مع العالم من حوله. لفترة طويلة، ركز العلماء الذين يحاولون اكتشاف كيفية توفير الطاقة في المنازل بشكل أساسي على "الأجهزة" أو المكونات المادية: سمك الجدران، ونوع النوافذ، وشكل السقف. لقد عاملوا المبنى كآلة، بافتراض أنه إذا بنيت آلة مثالية، فستعمل بشكل مثالي. ولكن هناك قطعة مفقودة في هذه الأحجية: الناس الذين يعيشون بالداخل. تماماً كما تقود السيارة بشكل مختلف اعتماداً على ما إذا كان خلف المقود مراهق عصبي أو جد هادئ، فإن المنزل يستخدم الطاقة بشكل مختلف اعتماداً على من يعيش فيه، وعمرهم، وماذا يفعلون طوال اليوم. يسمى هذا المجال من الدراسة "كفاءة الطاقة المتمحورة حول الإنسان"، وهو يطرح سؤالاً بسيطاً ولكنه صعب: كيف نصمم نصائح لتوفير الطاقة تناسب بالفعل البشر المعينين الذين يعيشون في المنزل، بدلاً من التركيز فقط على المنزل نفسه؟

هذا هو بالضبط ما سعى فريق من الباحثين لحله في دراسة جديدة ركزت على المباني السكنية في مشهد، إيران. أرادوا بناء "مستشار ذكي" باستخدام الذكاء الاصطناعي (AI) لا ينظر فقط إلى المخططات الهندسية للمبنى، بل يستمع أيضاً إلى قصة الأشخاص بداخله. لقد جمعوا بيانات من 50 أسرة مختلفة، حيث نظروا في كل شيء بدءاً من عمر المبنى وكمية الأشجار الخضراء القريبة، وصولاً إلى أعمار السكان وعدد الأطفال في الأسرة. ثم أدخلوا كل هذه المعلومات في نموذج حاسوبي — تخيله كمحقق فائق الذكاء يبحث عن أدلة خفية في كومة ضخمة من الأدلة — لمعرفة ما الذي يحرك استهلاك الطاقة حقاً.

كانت النتائج كاشفة للغاية. فقد وجد المحقق الآلي أن العوامل الأكثر أهمية لكفاءة الطاقة لم تكن مجرد مواد البناء الفاخرة، بل كانت مزيجاً من أشياء مثل التهوية الطبيعية (مدى تدفق الهواء عبر المنزل)، وعمر المبنى، وحتى كمية الغطاء الأخضر في الحي. ومن المثير للدهشة أن عمر الأشخاص الذين يعيشون هناك وحجم أسرتهم لعبا دوراً كبيراً أيضاً. وقد تمكن النموذج الحاسوبي من التنبؤ بأداء الطاقة بدرجة عالية من الدقة، حيث أصاب الهدف بنسبة 86% تقريباً.

ومع ذلك، يحرص الباحثون على عدم تسمية هذا العمل "عصا سحرية" تحل جميع مشاكل الطاقة. إنهم يصفون عملهم بأنه "إثبات لمفهوم"، مما يعني أنه اختبار ناجح يظهر أن الفكرة تعمل، لكنها تحتاج إلى مزيد من الاختبار مع مجموعات أكبر من الناس قبل أن يمكن استخدامها في كل مكان. لقد استبعدوا صراحة الفكرة القديمة القائلة بأنه يمكنك فقط النظر إلى الميزات المادية للمبنى وتجاهل البشر بداخله؛ فقد أظهرت بياناتهم أن تجاهل الناس يؤدي إلى صورة أقل دقة بكثير. بدلاً من ذلك، يقترحون أن مستقبل كفاءة الطاقة يكمن في نهج "الإنسان في الحلقة"، حيث تجمع التكنولوجيا بين الحقائق المادية للمبنى وبين العادات والخصائص الشخصية للسكان.

تخلص الدراسة إلى أنه باستخدام إطار عمل الذكاء الاصطناعي الجديد هذا، يمكننا أخيراً تقديم نصائح مخصصة. فبدلاً من نصيحة عامة مثل "قم بتركيب عزل أفضل"، يمكن للنظام أن يقول: "بما أن لديك عائلة كبيرة وتعيش في مبنى قديم مع تدفق هواء ضعيف، فإليك التغييرات المحددة التي ستوفر لك أكبر قدر من الطاقة". ورغم أن الدراسة الحالية محدودة بعينة صغيرة مكونة من 50 شقة، إلا أنها تضع حجر الأساس لمستقبل يحصل فيه كل ساكن شقة على خطة طاقة مخصصة تحترم نمط حياته الفريد، مما يساعد في جعل مدننا أكثر خضرة ومنازلنا أكثر راحة دون إجبار الجميع على حل واحد يناسب الجميع.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف ⚡ eess →