[發(fā)明專利]一種基于使用者行為的嚴(yán)寒地區(qū)建筑節(jié)能設(shè)計(jì)優(yōu)化方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201710131029.7
• 申請(qǐng)日: 2017-03-07
• 公開（公告）號(hào): CN106951611B
• 公開（公告）日: 2020-08-07
• 發(fā)明（設(shè)計(jì)）人: 孫澄;張冉;韓昀松;董琪;曲大剛
• 申請(qǐng)（專利權(quán)）人: 哈爾濱工業(yè)大學(xué)
• 主分類號(hào): G06F30/13
• 分類號(hào): G06F30/13;G06F30/20;G06K9/62
• 代理公司: 哈爾濱市陽(yáng)光惠遠(yuǎn)知識(shí)產(chǎn)權(quán)代理有限公司 23211
• 代理人: 劉景祥

1.一種基于使用者行為的嚴(yán)寒地區(qū)建筑節(jié)能設(shè)計(jì)優(yōu)化方法，其特征在于：

步驟1、針對(duì)嚴(yán)寒地區(qū)氣候區(qū)，進(jìn)行數(shù)據(jù)的采集，通過(guò)抽樣調(diào)查和試點(diǎn)實(shí)驗(yàn)獲取建立模型的基礎(chǔ)數(shù)據(jù)；

步驟2、根據(jù)數(shù)據(jù)采集的結(jié)果建立嚴(yán)寒地區(qū)建筑空間典型模型組，分析使用者的屬性特征建立促動(dòng)節(jié)能行為的建筑設(shè)計(jì)參數(shù)組，得出能夠?qū)蚬?jié)能行為的建筑空間類型及參數(shù)值域；

步驟3、在RapidMiner平臺(tái)上應(yīng)用數(shù)據(jù)挖掘技術(shù)中的決策樹模型建立使用者行為基礎(chǔ)數(shù)據(jù)庫(kù)，利用規(guī)則歸納算法對(duì)決策樹模型進(jìn)行修剪以得到行為模型規(guī)則，再通過(guò)聚類分析法得到使用者隨機(jī)行為模式模型，其結(jié)果直接作為參數(shù)輸入能耗模擬平臺(tái)Energyplus，并對(duì)模型結(jié)果進(jìn)行驗(yàn)證，再通過(guò)Matlab平臺(tái)進(jìn)行多項(xiàng)邏輯回歸初步建立建筑能耗預(yù)測(cè)模型；

步驟4、采用機(jī)器學(xué)習(xí)技術(shù)中貝葉斯理論支持下的高斯過(guò)程對(duì)模型進(jìn)行校正和優(yōu)化從而建立嚴(yán)寒地區(qū)建筑能耗優(yōu)化預(yù)測(cè)模型；

步驟5、模型校正后進(jìn)行數(shù)據(jù)校驗(yàn)，通過(guò)與實(shí)例對(duì)比，論證預(yù)測(cè)模型的預(yù)測(cè)能力和在建筑節(jié)能設(shè)計(jì)中應(yīng)用的可行性，并通過(guò)回歸分析得到可生成節(jié)能的建筑設(shè)計(jì)參數(shù)值域，建立優(yōu)化節(jié)能性能設(shè)計(jì)參數(shù)組；

步驟6、耦合促動(dòng)節(jié)能行為和優(yōu)化節(jié)能性能的建筑設(shè)計(jì)參數(shù)組，得到控制辦公建筑能耗的空間類型及參數(shù)值域，建立辦公建筑節(jié)能設(shè)計(jì)優(yōu)化參數(shù)組；

步驟7、以參數(shù)選擇和設(shè)計(jì)流程為基礎(chǔ)設(shè)計(jì)嚴(yán)寒地區(qū)辦公建筑節(jié)能優(yōu)化策略，以優(yōu)化的參數(shù)為基礎(chǔ)、以優(yōu)化的預(yù)測(cè)模型為能耗性能評(píng)價(jià)工具設(shè)計(jì)得到優(yōu)化的建筑節(jié)能設(shè)計(jì)方案；

所述步驟1具體為：由抽樣調(diào)查數(shù)據(jù)得到建筑空間特征、使用者的屬性及特征和促動(dòng)使用者各類行為的建筑及其環(huán)境要素，由試點(diǎn)實(shí)驗(yàn)得到使用者行為的實(shí)測(cè)數(shù)據(jù)；

所述步驟3具體為：

步驟3.1、利用C4.5算法建構(gòu)決策樹模型，并應(yīng)用決策樹模型建立行為基礎(chǔ)數(shù)據(jù)庫(kù)，預(yù)估使用者室內(nèi)活動(dòng)概率；

步驟3.2、通過(guò)規(guī)則歸納法的Rule Induction Operator算法對(duì)決策樹進(jìn)行修剪，去除決策樹中對(duì)分類不添加有用信息的節(jié)點(diǎn)，學(xué)習(xí)行為模式的規(guī)律；

步驟3.3、應(yīng)用聚類分析法的K-means算法對(duì)行為模式進(jìn)行最后的分類，并使其能夠形成使用者行為配置文件；

嚴(yán)寒地區(qū)使用者耗能行為及影響要素調(diào)查主要內(nèi)容包括三方面：

第一方面為受試者的基本信息；

第二方面是受試者回答問(wèn)卷時(shí)所在建筑的基本信息；

第三方面為受試者所在建筑空間所在狀態(tài)。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于：所述抽樣調(diào)查采用現(xiàn)場(chǎng)實(shí)測(cè)、問(wèn)卷調(diào)查及訪談方式進(jìn)行，其中所述現(xiàn)場(chǎng)實(shí)測(cè)內(nèi)容包括建筑形態(tài)及空間幾何參數(shù)以及非建筑幾何參數(shù)，所述問(wèn)卷調(diào)查包括對(duì)嚴(yán)寒地區(qū)使用者基本信息的抽樣調(diào)查和嚴(yán)寒地區(qū)使用者耗能行為及影響要素的調(diào)查。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于：所述決策樹對(duì)一組數(shù)據(jù)分隔為預(yù)定義的類，并對(duì)給定的數(shù)據(jù)進(jìn)行描述、分類及定義，以建立一個(gè)分類模型，基于輸入屬性得到預(yù)測(cè)價(jià)值的目標(biāo)屬性，決策樹模型的每個(gè)內(nèi)部節(jié)點(diǎn)都對(duì)應(yīng)一個(gè)預(yù)測(cè)屬性，內(nèi)部節(jié)點(diǎn)的分支數(shù)目與相應(yīng)的預(yù)測(cè)屬性的可能值的數(shù)目相等。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于：決策樹模型的建立分為兩個(gè)步驟，即學(xué)習(xí)和分類；在學(xué)習(xí)過(guò)程中，將數(shù)據(jù)集中的記錄數(shù)據(jù)自動(dòng)且隨機(jī)分為兩組，即訓(xùn)練組和校驗(yàn)組；在分類過(guò)程中，通過(guò)交叉驗(yàn)證法對(duì)決策樹的準(zhǔn)確性進(jìn)行驗(yàn)證以估測(cè)學(xué)習(xí)過(guò)程的性能表現(xiàn)。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于：在交叉驗(yàn)證過(guò)程中，數(shù)據(jù)集被劃分成大小相等的k個(gè)子集，在k個(gè)子集中，一個(gè)子集作為測(cè)試數(shù)據(jù)集，其余k-1個(gè)子集作為訓(xùn)練數(shù)據(jù)集，交叉驗(yàn)證過(guò)程重復(fù)k次，k個(gè)子集中的每一個(gè)子集都作為測(cè)試數(shù)據(jù)，k次迭代的k次結(jié)果將取平均值，得到最后唯一的估計(jì)值；其中k取10。