[發明專利]多目標優化算法的天然光視覺與非視覺效應耦合優化方法

有效

• 申請號: 202011082604.7
• 申請日: 2020-10-12
• 公開（公告）號: CN112307537B
• 公開（公告）日: 2022-05-20
• 發明（設計）人: 吳蔚;陳啟寧
• 申請（專利權）人: 南京大學;南京大學建筑規劃設計研究院有限公司
• 主分類號: G06F30/13
• 分類號: G06F30/13;G06F30/20;G06F111/06
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 田凌濤

1.多目標優化算法的天然光視覺與非視覺效應耦合優化方法，用于實現目標建筑物內部滿足天然光目標指標的設計要求；其特征在于：定義目標建筑物上透光裝置所對應預設各類型參數為各項設計參數；以及基于目標建筑物上的透光裝置，定義目標建筑物內部所接收天然光對應的預設各視覺參數為各項天然光視覺指標，定義目標建筑物內部所接收天然光對應的預設各非視覺參數為各項天然光非視覺指標；

通過步驟A到步驟C獲得各項設計參數分別和各項天然光視覺指標、各項天然光非視覺指標的第一量化分析結果，以及基于各項設計參數、各項天然光視覺指標和各項天然光非視覺指標，獲得各項指標分別與其余各指標和參數的第二量化分析結果；然后根據各個量化分析結果，獲得目標建筑物內部滿足天然光視覺目標指標與天然光非視覺目標指標，所對應的各項目標設計參數，用于實現目標建筑物內部滿足天然光目標指標的設計要求；

步驟A.通過建立參數化模型，來獲得各項設計參數和各項天然光視覺指標、各項天然光非視覺指標之間的映射關系，然后進入步驟B；

步驟B.通過多目標優化算法，結合各項設計參數和各項天然光視覺指標與各項天然光非視覺指標之間的映射關系，獲得各項設計參數之間的組合解集，然后進入步驟C；

步驟C.通過相關性分析方法及線性回歸分析方法，對各項設計參數之間的組合解集和各項天然光視覺指標與各項天然光非視覺指標之間的關系進行分析，得到各項設計參數分別和各項天然光視覺指標、各項天然光非視覺指標的第一量化分析結果，以及基于各項設計參數、各項天然光視覺指標和各項天然光非視覺指標，獲得各項指標分別與其余各指標和參數的第二量化分析結果。

2.根據權利要求1所述的多目標優化算法的天然光視覺與非視覺效應耦合優化方法，其特征在于，目標建筑物上透光裝置所對應預設各類型參數包括窗臺高、窗地比、窗戶間距、窗戶寬度和窗戶高度。

3.根據權利要求1所述的多目標優化算法的天然光視覺與非視覺效應耦合優化方法，其特征在于，目標建筑物內部所接收天然光對應的預設各視覺參數包括天然光自主參數和有效天然采光照度。

4.根據權利要求1所述的多目標優化算法的天然光視覺與非視覺效應耦合優化方法，其特征在于，目標建筑物內部所接收天然光對應的預設各非視覺參數包括有效晝夜節律區域百分比和晝夜節律頻率。

5.根據權利要求1所述的多目標優化算法的天然光視覺與非視覺效應耦合優化方法，其特征在于，步驟A中的映射關系，首先通過Rhino Grasshopper平臺針對各設計參數來建立參數化模型，然后通過Honeybee插件針對各天然光視覺指標和各天然光非視覺指標進行采光模擬，從而得到各設計參數和各天然光視覺指標、各天然光非視覺指標之間的映射關系。

6.根據權利要求1所述的多目標優化算法的天然光視覺與非視覺效應耦合優化方法，其特征在于，步驟B中的多目標優化算法為HypE Reduction算法。

7.根據權利要求1所述的多目標優化算法的天然光視覺與非視覺效應耦合優化方法，其特征在于，步驟C中的用于獲得第一量化分析結果的相關性分析方法通過Pearson相關系數來衡量。

8.根據權利要求1所述的多目標優化算法的天然光視覺與非視覺效應耦合優化方法，其特征在于，步驟C中的用于獲得第二量化分析結果的線性回歸方法，針對各項天然光視覺指標和各項天然光非視覺指標，通過步驟C1至步驟C2獲得各設計參數和各項天然光視覺指標、各項天然光非視覺指標的第二量化分析結果；

步驟C1.選定天然光視覺指標或天然光非視覺指標中的其中一個指標為待計算指標，將各設計參數作為自變量，待計算指標作為因變量，然后進行線性回歸分析，得到基于各設計參數和待計算指標的線性回歸模型，然后進入步驟C2；

步驟C2.針對該線性回歸模型進行F檢驗，從而得到模型公式，用模型公式來衡量待計算指標與設計參數之間第二量化分析結果。

9.根據權利要求1所述的多目標優化算法的天然光視覺與非視覺效應耦合優化方法，其特征在于，步驟C中的量化分析結果還包括各設計參數的推薦區間，根據從步驟B中獲取的設計參數的組合解集，通過預設的天然光視覺指標和預設的天然光非視覺指標，獲得各設計參數的推薦區間。