[发明专利]一种基于使用者行为的严寒地区建筑节能设计优化方法

权利要求书

1.一种基于使用者行为的严寒地区建筑节能设计优化方法，其特征在于：

步骤1、针对严寒地区气候区，进行数据的采集，通过抽样调查和试点实验获取建立模型的基础数据；

步骤2、根据数据采集的结果建立严寒地区建筑空间典型模型组，分析使用者的属性特征建立促动节能行为的建筑设计参数组，得出能够导向节能行为的建筑空间类型及参数值域；

步骤3、在RapidMiner平台上应用数据挖掘技术中的决策树模型建立使用者行为基础数据库，利用规则归纳算法对决策树模型进行修剪以得到行为模型规则，再通过聚类分析法得到使用者随机行为模式模型，其结果直接作为参数输入能耗模拟平台Energyplus，并对模型结果进行验证，再通过Matlab平台进行多项逻辑回归初步建立建筑能耗预测模型；

步骤4、采用机器学习技术中贝叶斯理论支持下的高斯过程对模型进行校正和优化从而建立严寒地区建筑能耗优化预测模型；

步骤5、模型校正后进行数据校验，通过与实例对比，论证预测模型的预测能力和在建筑节能设计中应用的可行性，并通过回归分析得到可生成节能的建筑设计参数值域，建立优化节能性能设计参数组；

步骤6、耦合促动节能行为和优化节能性能的建筑设计参数组，得到控制办公建筑能耗的空间类型及参数值域，建立办公建筑节能设计优化参数组；

步骤7、以参数选择和设计流程为基础设计严寒地区办公建筑节能优化策略，以优化的参数为基础、以优化的预测模型为能耗性能评价工具设计得到优化的建筑节能设计方案；

所述步骤1具体为：由抽样调查数据得到建筑空间特征、使用者的属性及特征和促动使用者各类行为的建筑及其环境要素，由试点实验得到使用者行为的实测数据；

所述步骤3具体为：

步骤3.1、利用C4.5算法建构决策树模型，并应用决策树模型建立行为基础数据库，预估使用者室内活动概率；

步骤3.2、通过规则归纳法的Rule Induction Operator算法对决策树进行修剪，去除决策树中对分类不添加有用信息的节点，学习行为模式的规律；

步骤3.3、应用聚类分析法的K-means算法对行为模式进行最后的分类，并使其能够形成使用者行为配置文件；

严寒地区使用者耗能行为及影响要素调查主要内容包括三方面：

第一方面为受试者的基本信息；

第二方面是受试者回答问卷时所在建筑的基本信息；

第三方面为受试者所在建筑空间所在状态。

2.根据权利要求1所述的方法，其特征在于：所述抽样调查采用现场实测、问卷调查及访谈方式进行，其中所述现场实测内容包括建筑形态及空间几何参数以及非建筑几何参数，所述问卷调查包括对严寒地区使用者基本信息的抽样调查和严寒地区使用者耗能行为及影响要素的调查。

3.根据权利要求2所述的方法，其特征在于：所述决策树对一组数据分隔为预定义的类，并对给定的数据进行描述、分类及定义，以建立一个分类模型，基于输入属性得到预测价值的目标属性，决策树模型的每个内部节点都对应一个预测属性，内部节点的分支数目与相应的预测属性的可能值的数目相等。

4.根据权利要求1所述的方法，其特征在于：决策树模型的建立分为两个步骤，即学习和分类；在学习过程中，将数据集中的记录数据自动且随机分为两组，即训练组和校验组；在分类过程中，通过交叉验证法对决策树的准确性进行验证以估测学习过程的性能表现。

5.根据权利要求4所述的方法，其特征在于：在交叉验证过程中，数据集被划分成大小相等的k个子集，在k个子集中，一个子集作为测试数据集，其余k-1个子集作为训练数据集，交叉验证过程重复k次，k个子集中的每一个子集都作为测试数据，k次迭代的k次结果将取平均值，得到最后唯一的估计值；其中k取10。