[发明专利]一种基于证据推理迭代算法和熵权的建筑开窗行为仿真方法

摘要

一种基于证据推理迭代算法和熵权的建筑开窗行为仿真方法，实施步骤如下：1)确定窗户开启状态数量及开启状态描述；2)识别影响建筑开窗行为的因素；3)构建窗户开启状态信度矩阵；4)按照熵权原理计算因素的权重向量；5)通过证据推理的迭代算法进行信度合成；6)根据最大窗户开启状态综合信度值确定仿真时刻窗户的开启状态，并提供由于信息不完全导致的不可分配信度；7)重复步骤3)～步骤6)计算窗户开启状态，得出计算时段建筑窗户开启状态逐时值列表。本发明所提供的建筑开窗行为仿真理论模型和方法，能处理开窗行为仿真中的主观因素和客观因素、定量因素和定性因素、还能够定量地处理仿真中的不完全信息。

主权项

一种基于证据推理迭代算法和熵权的建筑开窗行为仿真方法，步骤如下：1)确定窗户开启状态数量及开启状态描述，假设窗户开启状态共有N个状态，则窗户开启状态集合表示为H(H₁、H₂、…、H_N)；2)识别影响建筑开窗行为的因素，影响因素可以包含定性和定量因素，假设确定影响因素的数目为L，影响因素集合可表示为E(E₁、E₂、…、E_L)；3)构建窗户开启状态信度矩阵，信度β_n,i表示根据影响因素E_i提供的信息，建筑窗户开启状态H_n的信度，信度β_n,i满足下式：β_n,i≥0并且$\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\β}}_{n,i}\≤1,n=1,\mathrm{...}N,i=1,\mathrm{...}L,$$\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\β}}_{n,i}=1$表示仿真过程信息是完整的，$\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\β}}_{n,i}\<1$表示仿真过程存在信息不完全性，n代表窗户开启状态序号，i表示影响因素序号；4)确定建筑开窗行为影响因素权重，影响因素E_i的权重用ω_i表示，按照熵权原理计算ω_i；所述步骤4)包括以下步骤：(41)影响因素E_i的熵用S_i表示，S_i如下式计算：，其中，，K＝1/(logN)K，f_n，i为熵计算过程的中间参数；(42)根据熵的性质判定，熵值越大，所对应因素的重要程度越小，因素E_i的权重ω_i通过以下公式计算：${\mathrm{\ω}}_i=(1-S_i)/\underset{i=1}{\overset{L}{\Σ}}(1-S_i);$5)通过证据推理迭代算法进行窗户开启状态综合信度合成，用β_n(n＝1,2,…,N)表示综合考虑所有的影响因素后窗户开启状态H_n(n＝1,2,…,N)的综合信度，β_H表示由于信息不完整导致的不可分配的信度，所述步骤5)信度合成包括以下步骤：(51)结合因素权重和信度矩阵，按照式1～式5建立证据理论中的基本信度分配函数，式中出现两个含义相同的变量，有利于明确表达变量的物理意义；m_n,i＝m_i(H_n)＝ω_iβ_n,i n＝1，…，N；i＝1,…L,   (式1)$m_{H,i}=m_i\left(H\right)=1-\underset{n=1}{\overset{N}{\Σ}}{m}_{n,i}=1-{\mathrm{\ω}}_i\underset{n=1}{\overset{N}{\Σ}}{\mathrm{\β}}_{n,i},i=1,...,L,$   (式2)${\stackrel{\‾}{m}}_{H,i}={\stackrel{\‾}{m}}_i\left(H\right)=1-{\mathrm{\ω}}_i,i=1,...,L,$   (式3)${\tilde{m}}_{H,i}={\tilde{m}}_i\left(H\right)={\mathrm{\ω}}_i(1-\underset{n=1}{\overset{N}{\Σ}}{\mathrm{\β}}_{n,i}),i=1,...,L,$   (式4)并且$m_{H,i}={\stackrel{\‾}{m}}_{H,i}+{\tilde{m}}_{H,i}$   (式5)$\underset{i=1}{\overset{L}{\Σ}}{\mathrm{\ω}}_i=1$式中：m_n.i，m_i(H_n)‑‑代表从因素E_i的角度提供的信息，窗户开启状态H_n的基本信度；m_H.i，m_i(H)‑‑‑代表从因素E_i的角度来看整个仿真过程中分配到窗户开启状态集合H之外的信度，由和两部分组成；‑‑‑代表E_i这个影响因素之外的其它影响因素对窗户开启状态的作用；‑‑‑均代表E_i这个影响因素进行建筑窗户开启状态仿真的信息不完全程度，如果从E_i这个影响因素的仿真信息是完全的，则(52)根据证据推理的迭代算法，按照式6～式14进行信度合成：{H_n}：m_n，I(i+1)＝K_I(i+1)[m_n，I(i)m_n，i+1+m_n，I(i)m_H，i+1+m_H，I(i)m_n，i+1]$m_{H,I\left(i\right)}={\stackrel{\‾}{m}}_{H,I\left(i\right)}+{\tilde{m}}_{H,I\left(i\right)},n=1,...,N,$   (式6)(式7)(式8)$K_{I(i+1)}={\[1-\underset{n=1}{\overset{N}{\Σ}}\underset{t\≠n}{\overset{N}{\underset{t=1}{\mathrm{\Σ}}}}{m}_{n,I\left(i\right)}{m}_{t,i+1}\]}^{-1},i=1,...,L-1$   (式9)$\left\{H_n\right\}:{\mathrm{\β}}_n=\frac{m_{n,I\left(L\right)}}{1-{\stackrel{\‾}{m}}_{H,I\left(L\right)}},n=1,...,N,$   (式10)$\left\{H\right\}:{\mathrm{\β}}_H=\frac{{\tilde{m}}_{n,I\left(L\right)}}{1-{\stackrel{\‾}{m}}_{H,I\left(L\right)}}$   (式11)式中：迭代初始条件为m_n,I(1)＝m_n,1(n＝1,…，N)；   (式12)m_H,I(1)＝m_H,1；   (式13)${\tilde{m}}_{H,I\left(1\right)}={\tilde{m}}_{H,1}$   (式14)式中：m_n,1‑‑代表从因素E₁的角度提供的信息，窗户开启状态H_n的基本信度；m_H,1‑‑代表从因素E₁的角度来看整个仿真过程中分配到窗户开启状态集合H之外的信度，由和两部分组成；‑‑代表E₁这个影响因素进行窗户开启状态仿真的信息不完全的程度；m_n,I(1)，m_H,I(1)，‑‑迭代过程引入的迭代初始量；m_n,I(i)，m_H,I(i)，‑‑迭代过程引入的迭代变量；m_n,I(i+1)，m_H,I(i+1)，‑‑迭代过程引入的迭代变量；K_I(i+1)‑‑迭代过程的中间迭代变量；m_n,I(L)，‑‑迭代完成后的迭代终值；m_n,I(L)，‑‑代表综合考虑影响因素集合E后窗户开启状态H_n的基本信度；‑‑代表影响因素集合E之外的其它影响因素对窗户开启状态的作用；‑‑代表综合考虑影响因素集合E进行建筑窗户开启状态仿真的信息不完全的程度；6)根据β_n(n＝1,2,…,N)中的最大值，确定仿真时刻窗户的开启状态，并提供由于信息不完整导致的不可分配的信度β_H；7)重复步骤3)～步骤6)计算窗户开启状态，则得出计算时段建筑窗户开启状态逐时值列表。