[发明专利]一种建筑群方案生成性能评价方法

说明书

本发明属于建筑群方案生成评价领域，具体涉及一种建筑群方案生成性能评价方法，包括五个模块：样本数据筛选与处理；建筑群方案样本数据聚类；基于cGAN的建筑群方案生成模型建构；基于CNN的建筑群性能预测模型建构；建筑群方案生成及方案性能评价。该方法能够通过K‑means技术对收集到的当前建筑群方案进行聚类分析，挖掘当前某建筑类型建筑群方案设计特征，利用cGAN技术学习各建筑群方案特点，用于建筑群方案的生成设计，提高设计效率与精度。利用CNN算法构建的建筑群方案性能预测模型可以快速预测某类型建筑群布局方案下的太阳能潜力值和建筑能耗值，进而实现对方案的性能评价。

技术领域

本发明属于建筑群方案生成评价领域，具体涉及一种建筑群方案生成性能评价方法。

背景技术

当前建筑群方案设计多基于场地条件、容积率等，由设计师根据自身设计经验自主设计。近年来随着深度学习技术的发展，为建筑群方案生成设计提供了新的设计思路。深度学习是一种能够模拟出人脑的神经结构的机器学习方法。它可以自行抽取特征中有价值的信息进行自身调优与训练，并通过训练去拟合输入从而得到一个合理的模型结构，在生成设计方面有较大潜力。因此可使用深度学习方法挖掘其设计规律，自动生成建筑群设计方案，提高方案设计效率和科学性。

随着居民生活质量的提高，建筑耗能正在逐年升高，虽然通过建筑被动式设计与设备系统节能方式可以减少建筑的能源需求总量，但随着零能耗、零碳建筑的新目标，想要实现更高的节能标准就必须充分利用新能源，即建筑设计需要同时考虑到节能和产能两个方面。在产能方面，在城市中最方便获取与利用的新能源便是太阳能，在单体建筑利用太阳能技术比较成熟的当今，如何对建筑群体布局设计方案的太阳能潜力进行预测、规模化应用太阳能已是该领域研究的关注重点。现有的机器学习技术为建筑群能耗、太阳能潜力的预测方面提供了新的思路，以对不同建筑群设计方案的建筑性能做出评价。

发明内容

本发明基于上述背景，提供一种建筑群方案生成性能评价方法，包括五个模块：样本数据筛选与处理；建筑群方案样本数据聚类；基于cGAN的建筑群方案生成模型建构；基于CNN的建筑群性能预测模型建构；建筑群方案生成及方案性能评价。该方法能够通过K-means技术对收集到的当前建筑群方案进行聚类分析，挖掘当前某建筑类型建筑群方案设计特征，利用cGAN技术学习各建筑群方案特点，用于建筑群方案的生成设计，提高设计效率与精度。利用CNN算法构建的建筑群方案性能预测模型可以快速预测某类型建筑群布局方案下的太阳能潜力值和建筑能耗值，进而实现对方案的性能评价。

本发明为了达到上述目的，通过以下技术方案实现：

S1：建筑群样本方案聚类数据、建筑群方案生成样本数据、建筑群方案性能样本数据筛选与处理

S1.1：样本数据筛选；

S1.2：样本数据处理。

S2：建筑群方案样本数据聚类。

S3：构建建筑群方案生成模型

S3.1：建筑群方案生成模型建构；

S3.2：建筑群方案生成模型训练。

S4：构建建筑群方案性能预测模型

S4.1：建筑群方案性能预测模型建构；

S4.2：建筑群方案性能预测模型训练与验证。

S5：建筑群方案生成及性能评价

S5.1：数据处理与建筑群方案生成；

S5.2：建筑群方案性能评价。

优选地，所述步骤S1.1中样本数据筛选依据为：所选取样本数据来源集中在具有相似的气候区、纬度、地形条件下的既有某类型建筑群方案布局案例，以降低样本误差进而保证后续模型训练效果。