一种建筑碳排放的优化设计方法与流程

本发明属于低碳，尤其涉及一种建筑碳排放的优化设计方法。

背景技术：

1、

2、许多学者开始研究建筑低碳设计，通过改变建筑围护结构以减少碳排放。但是，仅仅考虑碳排放的单目标优化往往忽略了其他重要指标，比如导致材料利用率及经济效益降低。因此，我们不仅要关注碳排放目标，还要综合考虑结构安全及建筑性能等指标，以确保得到的结构设计方案是全面、均衡且长远的。随后，越来越多的学者研究多目标优化与建筑性能模拟和参数建模相结合，用于提高建筑的整体性能及低碳设计。需要注意的是，影响建筑结构性能及碳排放的因素众多，比如，建筑几何形状、尺寸和窗墙比等。这些参数都将直接影响建筑结构性能及碳排放量大小。多目标优化过程涉及参数众多，计算复杂。因此，有必要提出一种建筑碳排放的优化设计方法。

技术实现思路

1、本发明的目的在于提供一种建筑碳排放的优化设计方法，解决了上述背景技术中提出的问题。

2、为实现上述目的，本发明所采用的技术方案是：一种建筑碳排放的优化设计方法，包括以下步骤：

3、s1、参数化建模：在三维建模软件中输入多个设计变量来构建建筑模型，所述三维建模软件可基于所构建的建筑模型获得建筑模型的性能参数，所述性能参数包括材料利用率u、采光性能d、室内温度t和碳排放c；

4、s2、多任务学习：获得不同的设计变量下的性能参数，采用mmoe网络学习各设计变量与性能参数之间的函数关系，获得目标函数；

5、s3、多目标动态优化：采用目标函数计算不同设计变量下的性能参数，获得帕雷托解。

6、在上述方案的基础上并作为上述方案的优选方案，所述设计变量包括几何形状、尺寸和窗墙比。

7、在上述方案的基础上并作为上述方案的优选方案，所述设计变量还包括功能需求和/或生命周期成，所述功能需求为对建筑实现不同功能的需求。

8、在上述方案的基础上并作为上述方案的优选方案，所述碳排放c包括内涵碳cm和运行碳ce，所述碳排放c计算公式如下：

9、

10、式中：w是用钢量，a是建筑面积，tm是用钢量的碳排放因子，eui是所有电力、燃料、区域供暖/制冷等的能耗总和除以总建筑面积，te是eui与碳排放之间的转换因子。

11、在上述方案的基础上并作为上述方案的优选方案，所述步骤s2包括以下步骤：

12、s21、准备数据集：按照不同的热工分区输入设计变量，以及获得对应的性能参数；

13、s22、构建不同热工分区的mmoe模型；

14、s23、验证构建的mmoe模型的精度：基于均方误差验证神经网络的准确性。

15、在上述方案的基础上并作为上述方案的优选方案，所述mmoe模型包括expert专家网络、gate门控网络和tower网络；所述expert专家网络用于从输入数据中提取不同的特征表示；所述gate门控网络用于为每个expert专家网络分配权重，以确定每个expert专家网络对特定任务的贡献；所述tower网络根据gate门控网络的权重分配处理expert专家网络的输出，并生成任务特定的预测。

16、在上述方案的基础上并作为上述方案的优选方案，所述expert专家网络采用深度交叉网络，所述深度交叉网络包括深度神经网络和交叉网络。

17、在上述方案的基础上并作为上述方案的优选方案，所述步骤s3中采用nsga-iii算法得出帕雷托解。

18、在上述方案的基础上并作为上述方案的优选方案，所述步骤s1中还包括参数重要性分析步骤，分析各个参数之间的相关性强弱。

19、在上述方案的基础上并作为上述方案的优选方案，所述参数重要性分析步骤中采用拉丁超立方抽样生成设计样本。

20、本发明具有的有益效果为：此建筑碳排放的优化设计方法通过多任务学习和多目标动态优化可以改进了不同气候地区建筑的碳排放、材料利用率、采光和温度，在满足材料利用率、采光和温度的前提下，降低建设的碳排放量；可以在建筑设计的早期阶段，在满足性能和功能要求的条件下，优化建筑的碳排放；采用mmoe模型同时学习建筑设计中多个任务，mmoe模型中专家采用dcn网络进行特征交叉，以学习建筑设计中各任务间的复杂关系。

技术特征：

1.一种建筑碳排放的优化设计方法，其特征在于，包括以下步骤：

2.如权利要求1所述的一种建筑碳排放的优化设计方法，其特征在于：所述设计变量包括几何形状、尺寸和窗墙比。

3.如权利要求2所述的一种建筑碳排放的优化设计方法，其特征在于：所述设计变量还包括功能需求和/或生命周期成本，所述功能需求为对建筑实现不同功能的需求。

4.如权利要求1所述的一种建筑碳排放的优化设计方法，其特征在于：所述碳排放c包括内涵碳cm和运行碳ce，所述碳排放c计算公式如下：

5.如权利要求1所述的一种建筑碳排放的优化设计方法，其特征在于：所述步骤s2包括以下步骤：

6.如权利要求5所述的一种建筑碳排放的优化设计方法，其特征在于：所述mmoe模型包括expert专家网络、gate门控网络和tower网络；所述expert专家网络用于从输入数据中提取不同的特征表示；所述gate门控网络用于为每个expert专家网络分配权重，以确定每个expert专家网络对特定任务的贡献；所述tower网络根据gate门控网络的权重分配处理expert专家网络的输出，并生成任务特定的预测。

7.如权利要求6所述的一种建筑碳排放的优化设计方法，其特征在于：所述expert专家网络采用深度交叉网络，所述深度交叉网络包括深度神经网络和交叉网络。

8.如权利要求1所述的一种建筑碳排放的优化设计方法，其特征在于：所述步骤s3中采用nsga-iii算法得出帕雷托解。

9.如权利要求1所述的一种建筑碳排放的优化设计方法，其特征在于：所述步骤s1中还包括参数重要性分析步骤，分析各个参数之间的相关性强弱。

10.如权利要求9所述的一种建筑碳排放的优化设计方法，其特征在于：所述参数重要性分析步骤中采用拉丁超立方抽样生成设计样本。

技术总结一种建筑碳排放的优化设计方法，包括以下步骤：S1、参数化建模：输入多个设计变量来构建建筑模型，所述三维建模软件可基于所构建的建筑模型获得建筑模型的性能参数；S2、多任务学习：获得不同的设计变量下的性能参数，采用MMOE网络学习各设计变量与性能参数之间的函数关系，获得目标函数；S3、多目标动态优化：采用目标函数计算不同设计变量下的性能参数，获得帕雷托解。此发明通过多任务学习和多目标动态优化可以改进了不同气候地区建筑的碳排放、材料利用率、采光和温度，在满足材料利用率、采光和温度的前提下，降低建设的碳排放量。技术研发人员：钟玉婷,冯若强,刘英凯,秦泽生受保护的技术使用者：钟玉婷技术研发日：技术公布日：2024/12/2