تحلیل نقش بازآفرینی شهری بر کاهش مصرف انرژی در کاربری مسکونی (مورد مطالعه: منطقه10 تهران)

محورهای موضوعی : کاربرد GIS&RS در برنامه ریزی شهری

حدیث نصیرزاده ¹ (دانشجوی کارشناسی ارشد دانشگاه خوارزمی)

تاریخ دریافت : 1402/10/25 تاریخ پذیرش : 1403/03/30 تاریخ انتشار : 1403/06/10

کلید واژه: بازآفرینی شهری, کاربری مسکونی, مصرف انرژی, فرایند گوسی, منطقه ۱۰ تهران.,

چکیده مقاله :

زمینــه و هــدف: بهینه‌سازی و کاهش مصرف انرژی، هدفی متعالی در راستای کاهش مخاطرات محیطی و توسعه پایدار شهری است. از این‌رو، در این پژوهش به نقش بازآفرینی شهری در کاهش مصرف انرژی در کاربری مسکونی منطقه 10 شهرداری تهران پرداخته شده است. روش پژوهش: تحقیق حاضر از نظر هدف، توسعه‌ای-کاربردی و از نظر ماهیت و روش، تحقیقی توصیفی_ تحلیلی است. این تحقیق، مشتمل بر تلفیقی از الگوریتم‌های یادگیری است که به روش کمّی اجرا شده است. جامعه آماری، کلیه ساختمان های مسکونی منطقه ۱۰ شهرداری تهران می‌باشد. شاخص‌های ارزیابی مشتمل بر میزان مصرف آب، برق وگاز خانوارها به‌علاوة ۳۵ شاخص دیگر است که در چهار بعد اقتصادی، اجتماعی، فرهنگی و کالبدی قرار داده شده‌اند. برای تجزیه و تحلیل داده‌ها، از روش‌ فرآیند گوسی با کرنل جنگل تصادفی و روش پرستیرون چند لایه بهره گرفته شده است. همچنین از نرم افزارArc GIS برای تحلیل فضایی واحدهای ساختمانی و نرم افزار Excel برای محاسبات و دسته بندی داده ها استفاده شده است. یافته ها و نتیجه: یافته‌ها بیانگر آن هستند که با توجه به ضریب همبستگی 42/0و ریشه میانگین مربعات خطا 24/0 میانگین خطای مطلق 19/0، بخش آزمایش برای پارامتر خروجی آب دارای بهترین عملکرد در مدل فرآیند گوسی بوده است و در بخش آزمایش پارامتر برق، ضریب همبستگی 99/0، ریشه میانگین مربعات خطا 001/0 و میانگین خطا مطلق 001/0 در مدل فوق، دارای بهترین عملکرد از بین مدلسازی بوده و همچین در بخش آزمایش مصرف گاز، ضریب همبستگی 47/0، ریشه میانگین مربعات 39/0خطا و خطای مطلق 33/0 دربین مدلها مدل فوق دارای بهترین عملکرده بوده است. نتایج این تحقیق نشان داد که مقادیر این شاخص درصد قابل قبولی برای تعیین بهترین مدل با توجه به ضریب همبستگی بالاتر و ریشه میانگین مربعات خطا و میانگین خطای مطلق کمتر برای آنالیز حساسیت پارامترهای مستقل قرار دارد.

چکیده انگلیسی:

Abstract Background and goal: Optimizing and reducing energy consumption is a noble goal in the direction of reducing environmental risks and sustainable urban development. Therefore, in this research, the role of urban regeneration in reducing energy consumption in the residential use of District 10 of Tehran Municipality has been discussed. Research method: The present research is developmental-applicative in terms of its purpose and descriptive-analytical in terms of its nature and method. This research consists of a compilation of learning algorithms that has been implemented in a quantitative way. The statistical population is all residential buildings in District 10 of Tehran Municipality. The evaluation indicators include the amount of water, electricity and gas consumption of households in addition to 35 other indicators which are placed in four economic, social, cultural and physical dimensions. To analyze the data, Gaussian process with random forest kernel and multi-layer Presteron method have been used. Also, Arc GIS software has been used for spatial analysis of building units and Excel software for calculations and data classification. Findings and results: The findings indicate that according to the correlation coefficient of 0.42 and the root mean square error of 0.24, the average absolute error of 0.19, the test section for the water output parameter has the best performance in the Gaussian process model and In the electricity parameter test section, the correlation coefficient is 0.99, the root mean square error is 0.001, and the average absolute error is 0.001 in the above model, it has the best performance among the modeling, and also in the gas consumption test section, the correlation coefficient is 0.47 , root mean square error of 0.39 and absolute error of 0.33 among the models, the above model has the best performance. The results of this research showed that the values of this percentage index are acceptable for determining the best model due to the higher correlation coefficient and the root mean square error and the lower mean absolute error for the sensitivity analysis of independent parameters.

منابع و مأخذ:

مرادخانی، ایوب، نیک قدم، نیلوفر، و طاهباز، منصوره. (1397). شاخص های مؤثر بر مصرف انرژی الگوهای مسکن در مقیاس محله با تأکید بر کارآیی انرژی (نمونه موردی: شهر سنندج). نگرش های نو در جغرافیای انسانی (جعرافیای انسانی)، 11(1 )، 339-358.
سایت شهرداری منطقه 10 تهران،
Hol tedah p ,Joutzfl.2004 Residentialelectiti city demand in Taiwan Energj econo mics,26 pp201-24

Jones Dw 2004 urbanization and energj Rcf economic and financial consulting Ine.chicagounited states.
Jones Dw 1989 urbanization and energj usein economic development Energj Journal 10 (1) pp.29-44.
Rennolls, K., & Al-Shawabkeh, A. (2017). Formal structures for data mining, knowledge discovery, and communication in a knowledge management environment. Intelligent Data Analysis, 12(2), 147-163.
Y i-Ling, C (2020). Housing Prices Never Fall the Development of Housing Financein Taiwan,journal HousingPolicyDebate,doi.org/10.1080/10511482.2020.1714691.
Gater, Jand, Trevor, 2015, Social Geography