一种建筑碳排放量预测方法与流程

文档序号:38365345发布日期:2024-06-19 12:19阅读:24来源:国知局
一种建筑碳排放量预测方法与流程

本发明涉及建筑碳排放预测,具体涉及一种建筑碳排放量预测方法。


背景技术:

1、低碳设计需要贯穿建筑全生命周期,建筑设计可大致分为方案设计阶段与施工图设计阶段,建筑方案设计阶段至关重要,决定了建筑本体设计的方案,建筑本体设计方案是下阶段施工图设计阶段的深化基础。目前,在方案设计阶段越来越多的项目要求提供项目碳排量,以此作为优化设计的依据,但方案设计阶段仅项目用地建设指标不变,设计方案存在不断优化修改的过程,设计师在此阶段建立建筑数字化模型来预测碳排放量,无疑是费时费力,且模型的粗糙决定了准确性不高,不能直接对建筑方案进行优化指导。

2、同时,节能减碳往往在机电设备上选用节能型号,忽略了建筑本体节能设计是建筑节能的主要影响因素,在建筑能耗中,外围护结构引起的空调能耗占到其中的30%,70%的热损失和热增益发生在建筑外围护结构与室外环境的热交换过程中,由此可见建筑本体节能的重要性。而建筑本体节能设计与绿色建筑星级关系紧密,后者决定了建筑设计围护结构热工性能的提升目标。

3、再者,现阶段软件仅针对建筑单体建模,并没有对建筑群、园区这类大尺度项目的建模,也无法预测其碳排量,建筑领域建筑也没有结合神经网络算法与项目绿建星级来建立碳排放预测模型。


技术实现思路

1、本发明的目的在于提供一种建筑碳排放量预测方法,解决了现有技术中存在的问题。

2、本发明通过下述技术方案实现:

3、一种建筑碳排放量预测方法,应用于建筑项目设计阶段的运行碳排放预测,包括:

4、获取已有施工图纸的建筑项目模型历史数据,并根据所述建筑项目模型历史数据构建样本数据库;

5、以所述样本数据库中的样本数据为基础,采用多种类机器学习方法对样本数据进行学习,以确定建筑项目碳排放预测模型;

6、获取待预测建筑项目设计方案所对应的待预测建筑项目模型数据,并采用建筑项目碳排放预测模型对待预测建筑项目模型数据进行识别,得到建筑项目碳排放预测结果。

7、在一种可能的实施方式中,获取待预测建筑项目所对应的待预测建筑项目模型数据,并采用建筑项目碳排放预测模型对待预测建筑项目模型数据进行识别,得到建筑项目碳排放预测结果之后,还包括:

8、根据预设的参照建筑项目碳排量以及得到的建筑项目碳排放预测结果,获取待预测建筑项目设计方案的碳排放达标判定结果;所述碳排放达标判定结果包括碳排放达标或碳排放不达标;

9、当所述碳排放达标判定结果为碳排放不达标时,向工作人员的终端设备或者账号中发送碳排放不达标的警告信息,并接收修改之后的建筑项目模型数据;

10、采用建筑项目碳排放预测模型对修改之后的建筑项目模型数据进行识别,重新获取建筑项目碳排放预测结果并判定。

11、在一种可能的实施方式中,获取待预测建筑项目所对应的待预测建筑项目模型数据,并采用建筑项目碳排放预测模型对待预测建筑项目模型数据进行识别,得到建筑项目碳排放预测结果之后,还包括:

12、将待预测建筑项目模型数据中每一个数据作为一个特征因子,并获取每个特征因子所对应的贡献程度;

13、将所有特征因子按照贡献程度排名之后,得到特征因子排序表,并将特征因排序表反馈至工作人员的终端设备或者账号中,以作为工作人员对待预测建筑项目设计方案的修改参考。

14、在一种可能的实施方式中,以所述特征因子为基础,拟合特征因子与碳排放量之间的目标关系公式;所述目标关系公式为线性公式或非线性公式;

15、根据所述特征因子与碳排放量之间的目标关系公式,确定每个特征因子对应的权重系数,并根据所述特征因子对应的权重系数,获取特征因子对应的贡献程度。

16、在一种可能的实施方式中,以所述特征因子为基础,拟合特征因子与碳排放量之间的目标关系公式为:

17、

18、其中,表示建筑项目碳排放量,a1表示项目用地条件中的第一参数,a2表示项目用地条件中的第二参数,a3表示项目用地条件中的第三参数,a4表示项目用地条件中的第四参数,b1、b2、…、bn分别表示不同的设计条件参数,βa1、βa2、…、βbn分别表示a1、a2、a3、a4、b1、b2、……、bn对应的通过历史数据计算的权重系数;

19、根据所述特征因子对应的权重系数,获取特征因子对应的贡献程度为:

20、φp=βpxp-e(βpxp)=βpxp-βpe(xp)

21、其中,βp表示第p个特征因子对应的权重系数,p=1,2,…,n+4,xp表示第p个特征因子的实际值,用e(x)表示x的期望值,此关系式中βp为已知常数,故e(βpxp)=βpe(xp)。

22、在一种可能的实施方式中,获取已有施工图纸的建筑项目模型历史数据,包括:

23、获取已有施工图纸对应的项目用地条件a、设计条件b以及运行碳排放量c,得到已有施工图纸的建筑项目模型历史数据;

24、其中,所述项目用地条件a包括项目基础用地数据a1以及项目分区数据a2;

25、所述项目基础用地数据a1包括:用地面积a1、容积率a2、建筑密度a3以及绿地率a4;

26、所述项目分区数据a2包括:绿色建筑星级a5、项目所处建筑热工设计气候分区a6以及建筑类型a7。

27、在一种可能的实施方式中,根据所述建筑项目模型历史数据构建样本数据库,包括:

28、以项目分区数据a2中的项目所处建筑热工设计气候分区a6为基础,将项目所处建筑热工设计气候分区a6与绿色建筑星级a5以及建筑类型a7进行组合,得到不同的组合条件;

29、将不同组合条件下的项目基础用地数据a1以及设计条件b组成样本数据,将运行碳排放量c作为样本数据对应的样本标签,以构建样本数据库。

30、在一种可能的实施方式中,以所述样本数据库中的样本数据为基础,采用多种类机器学习方法对样本数据进行学习,以确定建筑项目碳排放预测模型,包括:

31、针对同一组合条件,采用该组合条件下的样本数据作为输入数据,采用该组合条件下的样本标签作为期望输出数据,对多种机器学习模型进行训练,得到同一组合条件对应的多种机器学习模型,并将效果最佳的机器学习模型作为该组合条件的建筑项目碳排放预测模型。

32、在一种可能的实施方式中,根据所述建筑项目模型历史数据构建样本数据库,包括:

33、将项目分区数据a2中的数据数值化,得到数据值化之后的项目分区数据a2;

34、将项目基础用地数据a1、数据值化之后的项目分区数据a2以及设计条件b组成样本数据,将运行碳排放量c作为样本数据对应的样本标签,以构建样本数据库。

35、在一种可能的实施方式中,以所述样本数据库中的样本数据为基础,采用多种类机器学习方法对样本数据进行学习,以确定建筑项目碳排放预测模型,包括:

36、以样本数据作为输入数据,以样本数据对应的标签数据作为期望输出数据,对多种机器学习模型进行训练,得到多个训练完成的机器学习模型,并将效果最佳的机器学习模型作为建筑项目碳排放预测模型。

37、本发明提供的一种建筑碳排放量预测方法,通过多种机器学习模型对比,并加以相关性分析,提高了预测模型的准确性;机器学习模型分类按照同一气候区同一建筑类型同一绿色建筑星级,与传统分类同一气候区相比增加两个约束条件,提高预测模型的准确性;选择的建设条件与设计条件特征因子是方案阶段较易获取、对方案影响较大的关键性因子;通过预测模型预测碳排量,提出特征因子贡献度,并增加经验权重,方便设计师选择设计方案的优化方案,易于操作;在建筑项目设计之初预测准确的碳排放量,实现正向设计,推进建设领域的节能减碳。

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1