ROSETTA

 هدف از این تحقیق، استخراج مدل قوانین مربوط به داده های حاصل از ممیزی انرژی ساختمان ها به کمک تئوری راف است. تئوری راف دارای الگوریتم های قدرتمندی است که امکان تحلیل داده ها را فراهم می کند. ابزارهای استفاده شده در این تئوری می تواند با ارزش های نادقیق و داده های غیرقطعی کار کرده و واقعیت های پنهان در داده ها را کشف کند. ازآنجاکه قسمتی از گزارش های ممیزی انرژی ساختمان مربوط به سنجش سطح آسایش ساکنان ساختمان از نظر وضعیت سرمایش و گرمایش است و بخش دیگر داده ها مربوط به بررسی های فنی ساختمان است، در این تحقیق یک مشخصه تصمیم مربوط به سطح آسایش ساکنان و یازده مشخصه موقعیتی مربوط به جنبه های فنی ساختمان تحلیل شده و استنتاج قوانین به کمک نرم افزار ROSETTA صورت گرفته است. با توجه به الگوریتم های مختلف تکمیل داده ها، گسسته کردن مقادیر و تولید بی زائده، براساس شرایط تحقیق چهار مدل از قوانین ساخته شده و به روش اعتبارسنجی موازی نتایج مدل ها ارزیابی شده است. در مجموع بهترین مدل با ۱۴ قانون و دقت پیش بینی ۸/۹۹ درصد انتخاب شده است. نتایج این مدل نشان داد که مهم ترین مشخصه فنی هر ساختمان «متراژ فضای کنترل نشده» است و با اطلاع از مقدار این مشخصه می توان سطح آسایش کارکنان در ساختمان را با دقت زیادی پیش بینی کرد.

شناخت رفتارهای مصرف انرژی و تغییر آنها، به دانش گسترده ای درباره محرک های رفتار و بیان این دانش به صورت برنامه های مداخله گر موفق نیاز دارد. در این مقاله، رفتار مصرف انرژی کارکنان در سازمان، به کمک مدل سازی راف بررسی شده است. به این منظور پس از انتخاب 13 مشخصه موقعیتی (شامل شاخص های جمعیتی، ارزشی، نگرشی و سازمانی کارکنان) و یک مشخصه تصمیم (رفتار مصرف انرژی روشنایی کارکنان)، سیستم اطلاعاتی راف ایجاد شد. 482 نفر از کارکنان شاغل در 37 ساختمان اداری وزارت نفت، به صورت تصادفی انتخاب شدند و مدل سازی راف برای آنها به اجرا درآمد. با تلفیق روش های مختلف گسسته سازی داده، تولید بی زائده و تولید قوانین و به کمک نرم افزار ROSETTA، نُه مجموعه قانون تولید شد. نتایج این پژوهش نشان می دهد از بین 13 مشخصه موقعیتی، چهار مشخصه شهروند سازمانی، رضایتمندی، نوع نگاه به رفتار و امکان کنترل روشنایی، اصلی ترین مشخصه های سیستم اند و در تمام بی زائده های تولیدشده، وجود داشتند. پس از اعتبارسنجی مدل های مختلف، مدل گسسته کردن دستی داده ها که بی زائده های آن به کمک الگوریتم ژنتیک و با رویکرد ORR استخراج شدند، بالاترین دقت و اعتبار را نشان دادند.