Explainable Artificial Intelligence Framework for Predicting Construction Waste and Embodied Carbon in Building Projects Using Literature Calibrated Simulation
تقدم هذه الدراسة إطار عمل للذكاء الاصطناعي القابل للتفسير يستخدم محاكاة مُعايرة أدبياً لـ 1,200 نموذج معماري لتوقع نفايات البناء وكثافة الكربون المجسد بدقة من خلال خوارزميات انحدار متقدمة وتحليل الميزات القائم على قيم "SHAP"، مما يوضح كيف يعزز دمج بيانات المواد من دقة التنبؤ لدعم اتخاذ القرار في المراحل المبكرة.
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
في كل مرة يرتفع فيها مبنى من الأرض، فإنه يترك خلفه أثرًا لعلامتين مختلفتين ولكنهما متصلتان بعمق. إحداهما هي كومة الطوب المتبقي، والأنابيب المقطوعة، والتغليف الذي ينتهي به المطاف في مكب النفايات؛ والأخرى هي السحابة غير المرئية من غازات الاحتباس الحراري المنبعثة لتصنيع الفولاذ والخرسانة والزجاج الذي يشكل الجدران. لعقود من الزمن، تعامل المهندسون والمعماريون مع هاتين النتيجتين كمسألتين منفصلتين؛ فقد يحسبون كمية النفايات التي سيولدها مشروع ما، بينما يستخدمون مجموعة مختلفة تمامًا من الأدوات لتقدير انبعاثات الكربون الخاصة به. ومع ذلك، فإن الخيارات التي تسبب النفايات — مثل طلب مواد زائدة عن الحاجة، أو قص المواد بشكل سيء، أو تغيير التصميم في مرحلة متأخرة — هي ذاتها الخيارات التي تحدد مقدار التلوث المحبوس داخل الهيكل. وللبناء من أجل المستقبل حقًا، يحتاج القطاع إلى وسيلة لرؤية كلا الأثرين في آن واحد، منذ اللحظات الأولى للرسومات الأولية، وقبل أن تلمس أول مجرفة التربة.
لقد طور فريق من الباحثين من الهند طريقة جديدة للقيام بذلك بالضبط. فقد أنشأوا إطارًا رقميًا يستخدم الذكاء الاصطناعي للتنبؤ بكل من نفايات البناء وانبعاثات الكربون لمواد المبنى في وقت واحد. وكان التحدي الذي واجهوه هو نقص البيانات الواقعية؛ ففي الواقع الفوضوي لمواقع البناء، نادرًا ما تُحفظ سجلات حول الكمية الدقيقة للنفايات المتولدة أو التكلفة الكربونية الدقيقة لكل مادة على حدة بطريقة يمكن مقارنتها بسهولة. ولأن عدم وجود قاعدة بيانات عامة تحتوي على هذه المعلومات المحددة والمتوافقة، لم يحاول الباحثون التخمين أو تزييف السجلات، بل بنوا بدلاً من ذلك محاكاة حاسوبية شفافة. لقد أنشأوا 1200 مشروع بناء افتراضي، تتراوح بين مكاتب صغيرة ومستشفيات كبيرة، وأسندوا إليها خصائص واقعية مثل الأنظمة الإنشائية، والمناطق المناخية، وطرق البناء. ولكل مشروع افتراضي، استخدموا صيغًا علمية راسخة لحساب كمية النفياث والكربون التي ستنتج بالضبط، مما خلق "حقيقة أرضية" مثالية يمكنهم بعد ذلك اختبار تنبؤاتهم مقابلها.
قام الباحثون بتدريب ستة أنواع مختلفة من خوارزميات تعلم الآلة للنظر في التفاصيل الأساسية للمشروع — مثل حجمه، وعدد طوابقه، ونوع هيكله، والمناخ المحلي — وتخمين نتائج النفايات والكربون. واختبروا هذه الخوارزميات في سيناريوهين مختلفين. في السيناريو الأول، عرف الكمبيوتر فقط تفاصيل التصميم في المراحل المبكرة، وهو ما يعرفه العميل عندما يستأجر مهندسًا معماريًا لأول مرة. وفي السيناريو الثاني، مُنح الكمبيوتر ميزة المعرفة بالكميات المحددة للمواد، مثل الوزن الدقيق للفولاذ أو الخرسانة المطلوبة. وأظهرت النتائج أنه حتى مع وجود تفاصيل التصميم المبكرة فقط، استطاع الذكاء الاصطناعي تقديم تنبؤات دقيقة بشكل مدهش. وبالنسبة لنفايات البناء، استطاع أفضل نموذج التنبؤ بكمية النفايات بهامش خطأ يقل عن 12 بالمائة. ومع ذلك، كان التنبؤ بانبعاثات الكربون أصعب بدون معرفة كميات المواد المحددة؛ فعندما أُعطي الكمبيوتر المعلومات الإضافية حول كميات المواد، تحسنت قدرته على التنبؤ بانبعاثات الكربون بشكل كبير، حيث قلل معدل الخطأ إلى النصف.
وما يجعل هذا العمل ذا قيمة خاصة هو أن الباحثين لم يكتفوا ببناء "صندوق أسود" يخرج مجرد رقم، بل زودوا نظامهم بميزة تشرح لماذا قدم تنبؤًا معينًا. ومن خلال تحليل البيانات، حدد النظام أهم العوامل المؤثرة وراء أرقام النفايات والكربون. ووجد أن نوع النظام الإنشائي — سواء كان المبنى مصنوعًا من الخرسانة المسلحة، أو الفولاذ، أو الخشب — كان العامل الأكبر في التأثير. كما لعب عدد الطوابق، وكمية المواد المعاد تدويرها المستخدمة، ونسبة النوافذ إلى مساحة الجدار أدوارًا رئيسية أيضًا. فعلى سبيل المثال، أكدت المحاكاة أن استخدام المزيد من الأجزاء مسبقة الصنع، والتي تُصنع في مصانع خاضعة للرقابة، يؤدي عمومًا إلى نفايات أقل في موقع البناء. وتسمح هذه التفسيرات للمعماريين والمهندسين بفهم الأدوات التي يمكنهم التحكم بها؛ إذ يمكنهم رؤية أن اختيار نظام إنشائي مختلف أو زيادة استخدام المحتوى المعاد تدويره سيغير النتائج المتوقعة مباشرة.
كما كشفت الدراسة عن تفصيل دقيق حول كيفية استخدام هذه الأدوات. فقد وجد الباحثون أن الخوارزميات الأكثر تعقيدًا وقوة ليست دائمًا هي الخيار الأفضل؛ فبالنسبة للتنبؤ بانبعاثات الكربون، كان النموذج الرياضي الأبسط والأكثر مباشرة يؤدي بنفس كفاءة النماذج المعقدة بمجرد معرفة كميات المواد. وهذا يشير إلى أنه في العالم الحقيقي، تعتمد الأداة الأفضل على المعلومات المتاحة. فإذا كان الفريق في مراحل التصميم الأولى جدًا، فإن النموذج المتطور الذي يمكنه إيجاد أنماط خفية في تفاصيل المشروع العامة يكون مفيدًا. ولكن بمجرد معرفة كميات المواد، قد يكون النموذج الأبسط والأكثر شفافية دقيقًا بنفس القدر وأسهل في الثقة. ويؤكد الباحثون أن نتائجهم تستند إلى محاكاة محكومة، وليس على مدينة أو سوق واقعي محدد، لذا لا ينبغي أخذ الأرقام الدقيقة كضمان لكل مبنى مستقبلي. ومع ذلك، فإن الإطار نفسه يثبت أنه من الممكن دمج التنبؤ بالنفايات والكربون في نظام واحد قابل للتفسير. ويقدم هذا النهج مسارًا أمام قطاع البناء لاتخاذ قرارات أكثر ذكاءً واستدامة في مرحلة مبكرة، مما يضمن أن تكون مباني الغد ليست كفؤة فحسب، بل أيضًا أنظف وأقل هدرًا منذ أول خط يُرسم على المخطط.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.