تحظى جودة الهواء الداخلي في المباني العامة باهتمام متزايد نظرًا لآثارها المباشرة في صحة شاغلي تلك المباني وراحتهم وإنتاجيتهم، فضلًا عن ارتباطها الوثيق باستهلاك الطاقة في أنظمة التدفئة والتهوية والتكييف، إذ يمكن للرصد الذكي والتنبؤ الدقيق بمتغيرات المناخ الداخلي أن يتيح أتمتة هذه الأنظمة وضبط تشغيلها وفق الحاجة الفعلية، بما يخفض الهدر في الطاقة دون المساس براحة المستخدمين، وقد وفر تطور خوارزميات التعلم الآلي أدوات قوية لبناء أنظمة تنبؤ تستفيد من البيانات المتدفقة من شبكات المستشعرات المنتشرة داخل المباني
وتأتي هذه الدراسة لتقدم تطبيقًا عمليًا لهذه الإمكانات داخل مبنى جامعي حقيقي، حيث تختبر مجموعة من أدوات التنبؤ القائمة على التعلم الآلي على بيانات واقعية، وتقارن بينها من حيث دقة التنبؤ وكفاءة الزمن الحاسوبي، بما يقدم صورة متوازنة تساعد متخذي القرار على اختيار النموذج الأنسب لأغراض إدارة المباني الذكية
أولًا: أهداف الدراسة ومنهجيتها
هدفت الدراسة إلى إثبات جدوى نظام لرصد جودة الهواء الداخلي والتنبؤ بها قائم على خوارزميات التعلم الآلي، وذلك في حالة استخدام واقعية داخل مبنى تابع للقطاع العام، وقد اتخذت الدراسة أحد مباني حرم جامعة ريغا التقنية، المجهز بنحو 128 مستشعرًا لجودة الهواء الداخلي، ميدانًا للاختبار، فبنت ظلًا رقميًا للمبنى يعكس حالته الداخلية اعتمادًا على بيانات المستشعرات الحقيقية، ثم قارنت بين خمس أدوات للتنبؤ بالبيانات قائمة على التعلم الآلي، وقاست خطأ التنبؤ باستخدام مقياسين معياريين هما الجذر التربيعي لمتوسط مربع الخطأ ومتوسط الخطأ المطلق، مع مراعاة الزمن الحاسوبي اللازم لكل نموذج
ثانيًا: أبرز النتائج
١- أثبت نموذجا وحدة البوابة المتكررة وشبكات كولموغوروف أرنولد أنهما الأدق بين النماذج الخمسة المقارنة من حيث خطأ التنبؤ ببيانات جودة الهواء الداخلي
٢- تفوق نموذج وحدة البوابة المتكررة على غيره من حيث الكفاءة، إذ كان الأقل في الزمن الحاسوبي المطلوب لإجراء التنبؤات، بما يجعله خيارًا عمليًا للتطبيقات التي تتطلب استجابة سريعة ومستمرة
٣- أظهرت الدراسة إمكانية بناء ظل رقمي فعال للمبنى اعتمادًا على بيانات المستشعرات الحقيقية، يتيح متابعة المناخ الداخلي والتنبؤ بتطوراته على نحو يدعم إدارة الأنظمة بصورة استباقية
ثالثًا: دلالات الدراسة وتطبيقاتها
تحمل هذه النتائج دلالات تطبيقية مباشرة لإدارات المنشآت العامة والجامعية، إذ يمكن توظيف نظام التنبؤ المقترح في أتمتة أنظمة التدفئة والتهوية القائمة وربط تشغيلها بالتنبؤات اللحظية لجودة الهواء، بما يخفض استهلاك الطاقة ويقلل الكلفة التشغيلية، وفي الوقت نفسه يحافظ على بيئة داخلية صحية ومريحة للطلاب والموظفين والزوار، كما يقدم إطار المقارنة الذي اعتمدته الدراسة دليلًا عمليًا للمؤسسات الراغبة في التحول نحو المباني الذكية، يوضح المفاضلة بين دقة التنبؤ وسرعة التنفيذ عند اختيار نماذج التعلم الآلي، ويبين أن النماذج الأسرع قد تكون الأنسب للتشغيل اليومي المتواصل
وتندرج هذه الدراسة ضمن توجه بحثي متنامٍ يعيد تعريف إدارة المباني بوصفها عملية معرفية تقوم على البيانات، إذ لم يعد تشغيل المبنى العام يعتمد على الجداول الزمنية الثابتة وحدها، بل على قراءة لحظية لاحتياجات الشاغلين وظروف البيئة الداخلية، وتوفر شبكات المستشعرات المتنامية مادة خامًا غنية لهذا التحول، غير أن قيمة هذه البيانات تظل مرهونة بقدرة النماذج التحليلية على استخلاص أنماط قابلة للتنبؤ والفعل، ومن هنا يكتسب اختبار النماذج على بيانات واقعية من مبنى مشغل فعليًا أهمية خاصة، لأنه ينقل التقييم من بيئات محاكاة مثالية إلى ظروف حقيقية بما فيها من ضوضاء في القياسات وتقلبات في الإشغال وتغيرات موسمية تختبر متانة الخوارزميات وصدق مقارنتها
وخلاصة القول إن الدراسة أثبتت جدوى رصد المناخ الداخلي والتنبؤ به باستخدام التعلم الآلي في مبنى عام حقيقي مجهز بشبكة واسعة من المستشعرات، وحددت نموذج وحدة البوابة المتكررة بوصفه الخيار الأكفأ من حيث الجمع بين الدقة العالية وسرعة التنفيذ، بما يمهد الطريق أمام أتمتة أنظمة التدفئة والتهوية وترشيد استهلاك الطاقة في مباني القطاع العام
المصدر الأصلي: https://www.mdpi.com/2078-2489/16/2/121
DOI: 10.3390/info16020121