基于人工神经网络和BIM的建筑能耗优化方法技术

本发明专利技术公开了基于人工神经网络和BIM的建筑能耗优化方法，本发明专利技术涉及建筑技术领域，包括以下步骤：S1、对影响建筑能耗的数据进行采集；S2、对采集的数据就那些计算，得到建筑能耗数据的聚类中心以及各条数据的归属情况；S3、将得到的能耗数据的聚类中心作为人工神经网络的隐含节点，再对隐含节点的常数矩阵进行计算，得到人工神经网络隐含层的全部信息。该基于人工神经网络和BIM的建筑能耗优化方法，由于聚类方法的自适应特性，不需要提前指定聚类中心数，因而采用AP聚类算法确定RBF的隐含层节点信息，提高了模型的有效性和可行性，可对建筑能耗数据进行快速的分析与预测，减少了不同建筑能耗数据集中不同的数据维度及数值范围带来的误差。围带来的误差。围带来的误差。

【技术实现步骤摘要】
基于人工神经网络和BIM的建筑能耗优化方法


[0001]本专利技术涉及建筑
，具体为基于人工神经网络和BIM的建筑能耗优化方法。

技术介绍

[0002]随着建筑能耗的日益增长，其带来的碳排放对环境的影响已经越来越严重，因此，对建筑能耗进行分析与预测，通过降低建筑能耗，进而实现节能减排显得尤为重要。
[0003]传统的建筑能耗模拟主要是在能耗模拟软件上进行，其优化分析速度较慢，在建模时，难以获得有效的预测模型，从而使能耗优化的方案效果较差。

技术实现思路

[0004]针对现有技术的不足，本专利技术提供了基于人工神经网络和BIM的建筑能耗优化方法，解决了传统的建筑能耗模拟难以获得有效的预测模型，从而使能耗优化的方案效果较差的问题。
[0005]为实现以上目的，本专利技术通过以下技术方案予以实现：基于人工神经网络和BIM的建筑能耗优化方法，包括以下步骤：
[0006]S1、对影响建筑能耗的数据进行采集；
[0007]S2、对采集的数据就那些计算，得到建筑能耗数据的聚类中心以及各条数据的归属情况；<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于人工神经网络和BIM的建筑能耗优化方法，其特征在于：包括以下步骤：S1、对影响建筑能耗的数据进行采集；S2、对采集的数据就那些计算，得到建筑能耗数据的聚类中心以及各条数据的归属情况；S3、将得到的能耗数据的聚类中心作为人工神经网络的隐含节点，再对隐含节点的常数矩阵进行计算，得到人工神经网络隐含层的全部信息；S4、对人工神经网络中连接输入层和隐含层的权值矩阵进行初始化，并输入建筑能耗训练数据对网络进行训练，直至训练的迭代次数达到上限或训练误差在允许范围内，结束训练，最终得到预测模型；S5、输入建筑能耗测试数据，通过预测热负荷和冷负荷对经过得到的预测模型进行泛化能力评估；S6、对影响建筑能耗的围护结构的因素进行分析，提出降低建筑物热负荷和冷负荷的建筑方案，进而达到降低碳排放的目标。2.根据权利要求1所述的基于人工神经网络和BIM的建筑能耗优化方法，其特征在于：所述步骤S1中，影响建筑能耗的数据包括有建筑相对紧密度、建筑表面积、墙面面积、屋顶吗、建筑总高度、建筑方向、玻璃窗面积以及玻璃窗面积分布。3.根据权利要求1所述的基于人工神经网络和BIM的建筑能耗优化方法，其特征在于：所述步骤S2中，采用以下公式得到聚类中心以及各条数据的归属情况，公式如下：C
i
＝argmin(x
i
‑
u
j
...

【专利技术属性】
技术研发人员：王洪军，王晓赟，宦彬彬，赵巧云，曹红燕，
申请(专利权)人：江苏腾源智能科技有限公司，
类型：发明
国别省市：