Urban scale prediction of indoor daylighting illumination for sustainable buildings
Sürdürülebilir binalar için iç mekan günışığı aydınlanmasının kent ölçekli tahmini
- Tez No: 775484
- Danışmanlar: DOÇ. DR. İPEK GÜRSEL DİNO, DOÇ. DR. SİNAN KALKAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Mimarlık, Computer Engineering and Computer Science and Control, Architecture
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Mimarlık Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 154
Özet
Tarih boyunca, gün ışığının tasarımlarla entegrasyonunu artırmak mimarlar için her zaman önemli bir konu olmuştur. Gün ışığı, kullanıcının ruh halini, bina sakinlerinin görsel ve termal konforunu ve binalarda enerji kullanımını etkileyen uzun vadeli sürdürülebilirlik için önemli bir tasarım bileşenidir. Gün ışığından faydalanmak, yapay aydınlatma için gereken enerjiyi ve yapılar üzerindeki iç yükü etkili bir şekilde azaltır. Ancak yoğun kentsel alanlar, gün ışığının binalara ulaşmasını engellemektedir. Çevredeki her bina, binanın doğal ışığa erişimini engelleyen bir gölge unsuru görevi görür. Bu nedenle, sürdürülebilir bina tasarımı için gün ışığı aydınlanmalarının analiz edilmesi ve gün ışığı aydınlanmasını etkileyen bina tasarım özelliklerinin ve kentsel form parametrelerinin anlaşılması kaçınılmazdır. Simülasyonlar, bina tasarımcılarının aydınlanma düzeyini analiz etmek için en çok tercih ettiği araçlardan biridir. Simülasyonlar, detaylı ve doğru sonuçlar elde etmek için ayrıntılı modelleme bilgisi ve uzmanlığı gerektirir. Ayrıca, kentsel ölçekte gerçekleştirilen günışığı simülasyonları çok fazla hesaplama zamanı almaktadır. Buna karşılık, makine öğrenimi modelleri, tasarımcıların daha az hesaplama süresi ile ayrıntılı bilgi gerektirmeden günışığı seviyelerini analiz etmelerini sağlar. Bu çalışma, makine öğrenmesi (ML) modellerini kullanarak kentsel bağlamda saatlik iç mekan günışığı aydınlanmalarını tahmin etmek için bir araç geliştirmeyi amaçlamaktadır. Aracın geliştirilmesi için üç farklı ML modeli (MLP, RF, XGBoost) geliştirilmiş ve performans sonuçları karşılaştırılmıştır. Performans doğruluğu en yüksek olan makine öğrenimi modeli nihai model olarak seçilmiştir. Geliştirilen araç, tasarımcıların/mimarların kentsel bağlamda saatlik iç mekan gün ışığı aydınlatmalarını analiz etmelerine yardımcı olacaktır. Geliştirilen araç aynı zamanda kentsel ölçekte saatlik iç mekan günışığı aydınlanmalarını analiz ederek binalarda gün ışığına bağlı olarak ne kadar elektrik aydınlatmasının kullanıldığını da hesaplamaktadır. Önerilen metodoloji, gün ışığı aydınlanmalarının gerçek zamanlı tahminine dayalı elektrik aydınlatma enerji tüketimi hesaplaması ile iç mekan günışığı analizinin entegrasyonunu sağlar. Ankara Bahçelievler mahallesindeki konut birimleri çeşitli tasarım parametreleri kullanılarak simüle edilmiş ve simülasyon sonuçlarından makine öğrenmesi modellerinin eğitimi ve değerlendirilmesi için yararlanılmıştır. Önerilen model, gün ışığı aydınlanmalarını analiz etmek, buna bağlı binalarda aydınlatma için kullanılan elektrik tüketimini tahmin etmek ve tasarımcıların gün ışığını binalara entegre etmelerine yardımcı olmak için mimari tasarım aşamalarında makine öğreniminin kullanımını artıracaktır.
Özet (Çeviri)
Daylight illumination has been an essential consideration during design for architects throughout history. Daylight is a crucial design component for long-term sustainability that influences the visual and thermal comfort of the occupants and energy usage in buildings. Utilizing daylighting effectively reduces the energy required for artificial lighting and the indoor thermal loads of spaces. However, dense urban areas prevent daylight from reaching buildings. Each surrounding building acts as a shadow element obstructing the building's access to natural light. Therefore, analyzing daylight illuminances and understanding the building design characteristics and urban form parameters that affect daylight illuminance is unavoidable for sustainable building design. Simulations are one of the most preferred tools to analyze the level of illuminance in building designers. Simulations require detailed modeling knowledge and expertise to get precise results. Also, daylighting simulations performed at an urban scale take much computational time. In contrast, machine learning (ML) models enable designers to analyze daylighting levels with less computational time and detailed knowledge. This study aims to develop a method to predict hourly indoor daylighting illuminances in an urban context using ML models. For the development of the method, three different ML models (multi-layer perceptrons, random forest, extreme gradient boosting) were developed, and their performance results were compared. The ML model with the highest performance accuracy was selected as the final model. The developed method helps designers/ architects to analyze hourly indoor daylight illuminances in an urban context. The developed methodology also calculates how much daylight-dependent electric lighting is used in buildings by analyzing hourly indoor daylighting illuminances on an urban scale. The proposed methodology enables the integration of indoor daylighting analysis with the electric lighting energy consumption calculation based on real-time estimation of daylight illuminances. Residential units in the Bahçelievler neighborhood in Ankara were simulated using various design factors, and the simulation results were utilized for training and evaluating the machine learning models. The proposed model can enhance the usage of machine learning in architectural design stages to analyze daylight illuminances, accordingly, forecast the artificial electric load in buildings, and help designers integrate daylight into the buildings.
Benzer Tezler
- Mekansal adaptasyonun uygulama alanı olarak Covid-19 pandemisi sonrası yapılı çevre tasarımında öne çıkan kavram ve yaklaşımlar
Prominent concepts and approaches in built environment design after the Covid-19 pandemic as a field of application of spatial adaptation
AYŞE BARUTÇU
Yüksek Lisans
Türkçe
2023
MimarlıkBursa Uludağ ÜniversitesiMimarlık Ana Bilim Dalı
DOÇ. DR. SEBLA ARIN ENSARİOĞLU
- A data-driven approach for predicting solar energy potential of buildings in urban fabric
Kent dokusu içindeki binaların güneş enerjisi potansiyelini tahmin etmeye yönelik veriye dayalı bir yaklaşım
AYÇA DURAN
Yüksek Lisans
İngilizce
2022
MimarlıkOrta Doğu Teknik ÜniversitesiMimarlık Ana Bilim Dalı
DOÇ. DR. İPEK GÜRSEL DİNO
DR. ÖĞR. ÜYESİ ÇAĞLA AKGÜL
- Tuzla'da yaşayan 50 yaş üstü bireylerin yaş algısı ve etkileyen değişkenlerin incelenmesi
Age perceptions of the individuals over 50 years of age living in Tuzla district and the related factors
PINAR KOCABAŞ
Tıpta Uzmanlık
Türkçe
2024
Aile HekimliğiMarmara ÜniversitesiAile Hekimliği Ana Bilim Dalı
PROF. DR. GÜLRU PEMRA CÖBEK ÜNALAN
- İstanbul örneğinde uydu görüntülerinin cağrafi bilgi sistemi ile bütünleştirilmesi
Başlık çevirisi yok
BÜLENT BAYRAM
Doktora
Türkçe
1998
Jeodezi ve FotogrametriYıldız Teknik ÜniversitesiJeodezi ve Fotogrametri Mühendisliği Ana Bilim Dalı
PROF. DR. AYHAN ALKIŞ
- İstanbul'da ulaştırma sektörünün iklim değişikliğine etkisinin belirlenmesi
Determining the impact of the transportation sector on climate change in Istanbul
TUĞBA DOĞAN GÜZEL
Doktora
Türkçe
2021
Çevre Mühendisliğiİstanbul Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF. DR. KADİR ALP