【技术实现步骤摘要】
本专利技术提供一种基于合院式建筑建筑性能的多目标优化方法，属于建筑。
技术介绍
1、随着机器学习技术的广泛应用，越来越多的研究致力于利用机器学习或深度学习技术来预测建筑性能。目前，国内外建筑领域的相关研究涵盖了风环境、热环境、能耗、日照和污染物等多个方面。这些研究通常通过输入大量数据来训练预测模型，然后使用误差评价指标来评估各预测模型的准确性。
2、例如，qiushi h.等人使用卷积神经网络（cnn）和人工神经网络（ann）算法建立了一套预测模型，可以根据建筑平面图预测建筑的自然采光性能。此外，alawadi和sadi等人介绍了四种基于人工神经网络（ann）的机器学习方法，用于对暖通空调（hvac）系统进行建模，以预测公共研究大楼的室内温度。这些研究大多依赖于大量的建筑性能数据，这些数据通常通过政府部门的性能检测或大量实际调研获取。
3、当前的研究主要集中在如何高效地收集和利用这些数据以提高预测模型的准确性，然而，现有技术在数据获取和模型优化方面仍存在诸多挑战。因此，迫切需要进一步的研究和改进，以解决这些问题并...
【技术保护点】
1.一种基于合院式建筑建筑性能的多目标优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述一种基于合院式建筑建筑性能的多目标优化方法，其特征在于，步骤1中所述建筑性能模拟的参数化模型的构建，包括以下过程：
3.根据权利要求1或2所述一种基于合院式建筑建筑性能的多目标优化方法，其特征在于，步骤1具体子步骤为：
4.根据权利要求3所述一种基于合院式建筑建筑性能的多目标优化方法，其特征在于，S1.2 参数调整包括以下步骤：
5.根据权利要求1所述一种基于合院式建筑建筑性能的多目标优化方法，其特征在于，步骤2中多目标优化...
【技术特征摘要】
1.一种基于合院式建筑建筑性能的多目标优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述一种基于合院式建筑建筑性能的多目标优化方法，其特征在于，步骤1中所述建筑性能模拟的参数化模型的构建，包括以下过程：
3.根据权利要求1或2所述一种基于合院式建筑建筑性能的多目标优化方法，其特征在于，步骤1具体子步骤为：
4.根据权利要求3所述一种基于合院式建筑建筑性能的多目标优化方法，其特征在于，s1.2 参数...
【专利技术属性】
技术研发人员：俞天琦，李欣雨，战晓琦，王冠，
申请(专利权)人：北京建筑大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。