Enhanced façade design: A data-driven approach for decision analysis based on past experiences

دسته: , تاریخ انتشار: 31 فروردین 1400تعداد بازدید: 288
قیمت محصول

رایگان

جزئیات بیشتر

انتشار

۲۰۲۱

پایگاه داده

نشریه الزویر

نوع نگارش مقاله

مقاله پژوهشی

نمایه

scopus – master journals – JCR

ایمپکت فاکتور

۴٫۲۷۶ در سال ۲۰۲۰

شاخص H_index

۲۶ در سال ۲۰۲۱

شاخص SJR

۰٫۹۰۱ در سال ۲۰۲۰

شاخص Quartile (چارک)

Q1 در سال ۲۰۲۰

مدل مفهومی

ندارد

پرسشنامه

ندارد

متغیر

ندارد

رفرنس

دارد

قوانین استفاده

خرید محصول توسط کلیه کارت های شتاب امکان پذیر است و بلافاصله پس از خرید، لینک دانلود محصول در اختیار شما قرار خواهد گرفت و هر گونه فروش در سایت های دیگر قابل پیگیری خواهد بود.

توضیحات مختصر محصول
Enhanced façade design: A data-driven approach for decision analysis based on past experiences

فهرست مطالب مقاله:

Abstract

The  selection of  an  optimal building façade  system  is  a  challenging process  that  can  be  facilitated by  using decision-analysis methods. However, current commonly-used decision-analysis tools  in civil engineering cannot deal  with  the  interactions among  multiple design  criteria. The Choquet integral is the  only  well-known method capable of accounting for such  interactions. However, the  process  of assigning the  fuzzy  measures (importance weights) for this  method is complex, particularly when  there is a large  number of criteria be  considered. This paper proposes two supervised methods to estimate these  fuzzy measures. The first  method estimates the relative importance weights by  using  a statistical approach based  on  Principal Component Analysis,  while  the  second method is elicited from  a machine learning algorithm using  Neural  Networks. These  two  methods are used  in an illustrative example to find  the  fuzzy  measures related to façade  design  with  respect to four  criteria; and  their

merits  and  limitations are  discussed.

بخشی از متن مقاله:
  1. Introduction

The ongoing climate change and the necessity to reduce the envi- ronmental footprint of  the  construction industry, have  prompted  de- signers  towards designing sustainable and  high-performance buildings. Façades are the most significant contributing elements in achieving high performance and  optimal   buildings (Patterson  and  Matusova,   ۲۰۱۳; Moghtadernejad et al., 2019a). While façades  must satisfy multiple  per- formance objectives, it is not  possible  to maximize  all these  attributes, since some have conflicting outcomes. Consequently, the designer must compromise between the design criteria (Zimmermann, 2011).  In recent years,  decision   support   methods are  becoming   popular as  they  can significantly facilitate  the  design  process  by  addressing these  issues (Zimmermann, 2011;  Moghtadernejad et al., 2018).

In current applications of Multi-Criteria Decision-Making  (MCDM) tools,  designers  need  to  define  criteria that  are  independent to  avoid double-counting in the  decision-making process.  Nevertheless, in prac- tical  design,  it is not  feasible  to define  criteria to be completely inde- pendent and  these  interactions can affect the ranking  of alternatives in the decision-making process.  For instance, in façade  design,  the criteria “annual energy consumption” and “environmental impacts” deliver some shared  information such  as “CO2 emissions”.  However,  each  criterion also   conveys   independent   information   including  “operations   cost efficiency”,  and “recyclability of materials” respectively. Hence, by evaluating the  performance of the  alternatives  considering these  two criteria, the alternatives would be awarded or penalized twice depending on their  performance with respect  to the “CO2 emissions”.  Utilization of the  Choquet  integral alleviates this  issue  since  it  can  account  for  the degree  of importance of each  subset  of criteria along  with  their  inter- dependence (Moghtadernejad et al., 2018).  However,  the estimation of the fuzzy measures  (importance weight  of each subset of criteria) can be very intricate and requires  appropriate strategies (Rowley et al., 2015). The  reason  is that  designers  usually  do  not  express  their  preferences quantitatively for subsets of criteria or the interactions between each pair of  criteria (Rowley  et  al.,  ۲۰۱۵;  Marichal,   ۲۰۰۰;  Kojadinovic,   ۲۰۰۴, ۲۰۰۸).  To this end, researchers have proposed approaches to address this specific issue when  the prior  knowledge cannot  be directly  provided by experts.

Presently  there  are few well-established methods in the literature to estimate fuzzy measures. These methods are divided  into supervised and unsupervised approaches (Fig.  ۱).  The  difference   between these  two groups  is related  to the presence  or absence  of knowledge or judgment (regarding the relevant importance of the attributes, the global scores, or the alternatives’ rankings) delivered by the decision-maker before application of the method (Kojadinovic,  ۲۰۰۴,  ۲۰۰۸).

نمایش بیشتر
دیدگاه های کاربران
دیدگاهتان را با ما درمیان بگذارید
تعداد دیدگاه : 0 امتیاز کلی : 0.0 توصیه خرید : 0 نفر
بر اساس 0 خرید
0
0
0
0
0

هیچ دیدگاهی برای این محصول نوشته نشده است.

لطفا پیش از ارسال نظر، خلاصه قوانین زیر را مطالعه کنید: فارسی بنویسید و از کیبورد فارسی استفاده کنید. بهتر است از فضای خالی (Space) بیش‌از‌حدِ معمول، شکلک یا ایموجی استفاده نکنید و از کشیدن حروف یا کلمات با صفحه‌کلید بپرهیزید. نظرات خود را براساس تجربه و استفاده‌ی عملی و با دقت به نکات فنی ارسال کنید؛ بدون تعصب به محصول خاص، مزایا و معایب را بازگو کنید و بهتر است از ارسال نظرات چندکلمه‌‌ای خودداری کنید.  

اولین کسی باشید که دیدگاهی می نویسد “Enhanced façade design: A data-driven approach for decision analysis based on past experiences”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

قیمت محصول

رایگان