داده‌کاوی غیرشکلی و معاصرسازی ساختار پلان مسکونی با استفاده از شبکه هوش مصنوعی؛ نمونه موردی: بناهای منتخب تهران در فاصله دهه 30 تا دهه 50 شمسی

اهداف: به کارگیری از شبکه هوش مصنوعی و داده کاوی الگوی غیرشکلی بناهای ارزشمند تهران در فاصله دهه1330 تا 1350 هدف اصلی پژوهش است که در ده بنای شاخص دوره 1330 تا 1350 شمسی شهر تهران اجرا می شود. روش ها: در مطالعه حاضر، روش تحقیق مورد استفاده بر حسب هدف، کاربردی – توسعه ای و تکنیک مطالعه بر حسب روش و ماهیت، توصیفی پیمایشی می باشد. در این پژوهش، از شبکه هوش مصنوعی mlp و خوشه بندی به منظور اعتبارسنجی تحلیل غیرشکلی پلان های بناهای مسکونی دوره 1330-1350 بهره گرفته شده است. داده‌ها به طور تصادفی به سه مجموعه تقسیم شدند که 70 درصد از داده‌ها برای آموزش، 15 درصد برای اعتبارسنجی و 15 درصد برای آزمون استفاده شد.یافته ها: باتوجه به تحلیل صورت گرفته و تطابق با تحلیل های غیرشکلی، نتایج نشان می دهد که پلان های منتخب از نظر غیرشکلی، به ترتیب دارای 15 مولفه، 14 مولفه، 13 مولفه و 11 مولفه ای می باشند. که دقیقا منطبق بر جداول تحلیلی غیرشکلی پلان است. بدین سبب، نتایج تحلیلی غیرشکلی پلان ها توسط هوش مصنوعی اعتبارسنجی و صحت گذاری شده است.نتیجه گیری: معاصرسازی بنا و حفظ بناهای تاریخی برای اکثریت مردم حایز اهمیت بوده و نتایج این پژوهش نشان داد که با استفاده از شبکه هوش مصنوعی، می توان مولفه‌های غیرشکلی و پنهان موجود در پلان های دوره مذکور را یافته و در پلان‌های مسکونی امروزی به کار برد. استفاده از فناوری های روز به مانند هوش مصنوعی، در جهت خوشه بندی و شناسایی روابط پنهان پلان‌ها می‌تواند بسیار کمک‌کننده باشند.

non-formal data mining and contemporization of housing plan by artificial neural network; case studies: tehran selected buildings during 1950s to 1970s

aims: the aim of the research is to use and apply the artificial intelligence network and data mining of the non-form pattern in the ten valuable landmark buildings of tehran (1330s to 1350s) in the direction of modernization.methods: in the present study, the research method used in terms of purpose is applied-developmental and the method of study is descriptive-survey in terms of method and nature. in this research, the mlp (multilayer perceptron) artificial intelligence network and clustering have been used to validate the non-form analysis of residential building plans in the period 1330-1350. the data were randomly divided into three sets, 70% of the data were used for training, 15% for validation, and 15% for testing.results: according to the analysis and matching with non-formal analysis, the results show that plans have 15, 14, 13 and 11 components in terms of non-form. which exactly corresponds to the plan’s amorphous analytical tables. therefore, the results of the non-form analysis of the plans have been validated by artificial intelligence.conclusion: modernization of buildings and preservation of historical buildings are important for the majority of people and the results of this research showed that by using modern technology such as creating an artificial intelligence network, it is possible to find the invisible and hidden components in the plans of the mentioned period and use them in today’s residential plans. the use of modern technologies such as artificial intelligence in order to cluster and identify the hidden relationships of plans can be very helpful.