[发明专利]一种基于GANN-BIM模型的严寒地区办公建筑形态节能设计方法

摘要

本发明公开了一种基于GANN-BIM模型的严寒地区办公建筑形态节能设计方法。本发明应用遗传优化算法(GA)将神经网络模型(ANN)与建筑信息模型(BIM)结合起来，实现了基于能耗数据的办公建筑形态生成过程，达成了对严寒地区办公建筑形态解空间的连续、量化搜索；本方法所建构的GANN-BIM平台引入了神经网络模型(ANN)进行能耗预测，相比既有物理模拟平台具有模拟耗时短、精度高的特点，令本方法相比既有严寒地区办公建筑形态节能设计方法具有更好的效率和精度。

主权项

一种基于GANN‑BIM模型的严寒地区办公建筑形态节能设计方法，其特征在于包括如下步骤：步骤一、严寒地区办公建筑能耗构成与影响因素分析从气候环境因素对办公建筑能耗的动态影响和办公建筑室内舒适度功能要求两方面阐释影响严寒地区办公建筑能耗的外部影响和内部需求，结合对能耗计算模型的分析，从态、热工设计和设备设计参数入手，对影响建筑能耗的设计参数进行详细解析，归纳总结出影响建筑能耗的参量类型；步骤二、严寒地区办公建筑形态、热工与设备参数采集根据步骤一提出的严寒地区办公建筑能耗影响参量，采用三阶段抽样调查法，第一阶段将根据我国热工规范指定的严寒气候区分类标准，采用分类抽样与随机抽样结合的方法，在每组严寒气候区中随机抽取城市样本；第二阶段中，为使抽取的办公建筑遍及城市的各个方位，且具有代表性和普遍性，根据重点调查的思想在被调查城市市区下属的每个行政分区中选取2至4个办公建筑分布均匀的城市街区；第三阶段采用抽样调查与分类调查结合的方法，首先按照高层、多层办公建筑对所选街区内的办公建筑进行分类，随后在分类建筑中随机抽取采集样本建筑。最后，应用统计学分析对采集的数据进行回归分析，提出严寒地区办公建筑形态、热工和设备参量的典型参数值域；步骤三、建构严寒地区办公建筑形态典型参数模块(BIM)基于分析得出的典型参数值域，在Grasshopper平台中建立严寒地区办公建筑形态典型参数BIM模型，即GANN‑BIM平台中的BIM模块；步骤四、针对BIM模块展开能耗模拟应用Energyplus平台对步骤三中建构的严寒地区办公建筑形态典型参数BIM模型进行能耗模拟，获得不同建筑形态参数组合下的严寒地区办公建筑全年能耗数据；步骤五、建构严寒地区办公建筑能耗预测神经网络模块(ANN)在Matlab中建立神经网络模块结构，以步骤一中确定的能耗影响因素为输入参量，以建筑全年能耗为输出参量，建立三层BP神经网络，应用步骤四中获得的能耗模拟数据对该网络进行训练与检验，输入神经元与隐含层神经元之间通过tansig传递函数相互联系，隐含层第i个神经元的输出函数关系为：a1i＝tansig(∑w1ijPj+b1i)公式(1)式中a1i——隐含层第i个神经元的输出函数；w1ij——输入层与隐含层间的网络计算权重矩阵；Pj——输入参数矩阵；b1i——输入层与隐含层间的网络计算偏差矩阵；j——输入层神经元编号；i——隐含层神经元编号；隐含层与输出层之间通过purelin传递函数连接，输出层第k个神经元的输出函数为：a2k＝purelin(∑w2ki a1i+b2k)公式(3)其中a2k——第k个神经元的输出函数；w2ki——隐含层与输出层间的网络计算权重矩阵；b2k——隐含层与输出层间的网络计算偏差矩阵，k——输出层神经元编号；通过遗传算法(Genetic Algorithm)与BP神经网络的耦合计算来修正权重矩阵w，，提高网络模型整体预测精度，完成神经网络模块(ANN)建构。步骤六、应用遗传优化模块(GA)整合ANN模块与BIM模块基于遗传算法原理，应用Galapagos引擎建立遗传优化模块(GA)，该模块以ANN模块能耗输出参数为评价标准，以BIM模块输出参数为调整基因组；应用Excel软件，以txt、xsl.为数据交互格式，应用Grasshopper编程功能编写接口程序，实现遗传优化模块(GA)、ANN模块与BIM模块的数据交互，完成GANN‑BIM平台建构；步骤七、严寒地区办公建筑形态能耗最优方案搜索启动GANN‑BIM模型在GANN‑BIM模型中的BIM模块中生成初始办公建筑形态，应用GANN‑BIM模型中的神经网络预测模块(ANN)预测初始办公建筑形态的全年能耗，能耗数据作为评价标准输入GANN‑BIM模型中的遗传算法模块(GA)，该模块生成新的建筑形态参数组合，并将其传导至GANN‑BIM模型中的BIM模块生成新的办公建筑形态，完成一次迭代计算；经过多次迭代计算后，GANN‑BIM模型搜索到建筑能耗最低的严寒地区办公建筑形态方案。