科研之友
微信
新浪微博
Facebook
分享链接
摘要
为实现建筑碳排放与室内热舒适度的高精度预测与性能优化，建立了基于反向传播神经网络与优化算法相结合的综合优化框架。首先，构造以实际调研数据为基础的长沙市居住建筑模型，使用5种采样方法随机生成输入参数，并模拟生成数据库。其次，基于综合灵敏度分析方法筛选出对碳排放量与热舒适度具有重要影响的决策参数。然后，使用筛选后的数据集训练反向传播神经网络(BPNN)模型，并多指标验证模型的可行性。最后，基于Pareto前沿集结果选择非支配排序遗传算法-Ⅲ与BPNN相结合求解多目标优化问题。结果表明，拉丁超立方采样(LHS)方法生成的训练数据集在进行综合灵敏度分析和优化后，其BPNN的回归系数(R2)可达到0.977。相较于基础模型案例，最优碳排放方案的碳排放量降低了27.3%,室内不舒适度时间减少了3.5%,证明该方法在建筑节能优化领域的有效性。
- 出版日期2023
- 单位长沙理工大学
