一种智慧人居环境气流组织优化方法技术

一种智慧人居环境气流组织优化方法，通过人工智能的引入实现人居环境气流组织的快速、全局优化。首先，将建筑室内的几何数据、通风参数与其对应的流场信息数据进行快速组织归纳，通过机器学习的方式抽象出数据背后的隐藏关联；其次，定制基于机器学习的建筑环境性能化模拟工具，并将其应用于通风方案、建筑室内构造的设计中。本申请的技术方案的优点为通过基于机器学习的人工智能算法的引入，可以大幅提高人居环境气流组织的模拟计算效率，减少气流组织优化所需时间。

【技术实现步骤摘要】
一种智慧人居环境气流组织优化方法
本专利技术属于人居环境气流组织优化领域，涉及人工智能辅助智慧人居环境气流组织优化方法。
技术介绍
空调系统除了给人们带来舒适的室内环境，也起到了通风除污的效果，为人们的工作和居住营造了一个相对健康的空间。面向建筑节能的总体要求，人们为了防止空气渗透而带来的建筑冷热负荷，不断提高建筑物的密封性，从而减少了室内外空气的交换，导致室内二氧化碳和其它气载污染物浓度不断升高，引发室内空气品质下降，这样的环境往往会导致居住人员产生不适反应和病症。相关研究表明通风可以大幅改善室内空气品质，减少室内空气污染，从而降低人员患病的概率。由于室内空气污染在散发后的分布主要受气流组织影响，而气流组织主要由建筑结构与通风系统的协同作用生成，因此人居环境气流组织优化既是健康、智慧建筑设计的重要一环，也是提高室内空气品质的重要手段。目前，针对室内气流组织优化的主要方法为借助计算流体力学软件(CFD)对采用不同通风方案的室内气流组织进行遍历式的模拟，针对每个通风方案或通风参数的微调都需要计算机重复一遍模拟迭代过程，对建筑设计人员而言费时费力。本文档来自技高网...

【技术保护点】
1.一种智慧人居环境气流组织优化方法，其特征在于：通过人工智能的引入实现人居环境气流组织的快速、全局优化。/n

【技术特征摘要】
1.一种智慧人居环境气流组织优化方法，其特征在于：通过人工智能的引入实现人居环境气流组织的快速、全局优化。


2.根据权利要求1所述的智慧人居环境气流组织优化方法，其特征在于：首先，将建筑室内的几何数据、通风参数与其对应的流场信息数据进行快速组织归纳，通过机器学习的方式抽象出数据背后的隐藏关联；其次，定制基于机器学习的建筑环境性能化模拟工具，并将其应用于通风方案、建筑室内构造的设计中。


3.根据权利要求1所述的智慧人居环境气流组织优化方法，其特征在于，包括以下步骤：
(1)建立建筑几何参数、通风参数与其对应的流场数据组成的匹配对数据库；
(2)运用多个自编码网络堆栈而成的机器学习模型对匹配对数据库中的数据集合进行学习，抽象出数据背后的隐函数关系；
(3)在训练集、测试集中挖掘建筑几何、通风参数与气流组织间的数学映射关系：包括堆栈自编码网络预训练、输出权重的最小二乘学习两部分；
(4)定制基于机器学习的性能化模拟工具实现通风参数改变下的气流组织实时同步获取。


4.根据权利要求3所述的智慧人居环境气流组织优化方法，其特征在于，步骤(1)中包括：
(1.1)在已公开的CFD模拟得到的各类建筑室内气流组织中，提取建筑几何参数、通风参数与其对应的流场数据，构造由三类数据组成的匹配对数据库，其中针对不同工况的三类数据均是一一对应关系；
(1.2)所述建筑几何参数为由建筑外形尺寸，内部构造组成的多维向量X；所述通风参数是由风口位置、风速、角度组成的三维向量Y；所述气流场数据为CFD网格节点上的速度矢量构成的多维矩阵Pv；
(1.3)匹配对数据库中的建筑几何参数、通风参数作为输入数据集，可简化为为n维输入变量(n＝x+y)，气流场数据作为输出数据集y(k)；
(1.4)将匹配对数据库拆分为训练集Ttrain和测试集Ttest两部分；
即匹配对数据库T为：
T＝TTrain∪TTest(1)
(1.5)已公开的新的CFD模拟数据可随时添加进匹配对数据库中扩充学习样本数量。


5.根据权利要求3所述的智慧人居环境气流组织优化方法，其特征在于，步骤(2)中包括：
(2.1)自编码网络是一种无监督的神经网络，包含输入层、隐含层和输出层；该网络通过对原始特征的自学习，获得有限数量的特征表示，并利用这些特征表示达到重构输入的目的；
(2.2)自编码网络的参数学习分为两个过程：编码过程与解码过程；在编码过程中，首先对隐含层λ1(x)进行自学习，其...

【专利技术属性】
技术研发人员：曾令杰，高军，张承全，贺廉洁，
申请(专利权)人：同济大学，
类型：发明
国别省市：上海;31