徐斌 苑翔
2020年9月22日,習(xí)近平總書記在第75屆聯(lián)合國大會中提出,我國的二氧化碳排放量將力爭在2030年前達到峰值,在2060年前實現(xiàn)碳中和。建筑行業(yè)對于我國碳達峰、碳中和目標的實現(xiàn)十分重要,2019年中國建筑建造和運行相關(guān)二氧化碳排放占中國全社會總二氧化碳排放量比例的38%,其中建筑運行占比約為22%。
綠色建筑是實現(xiàn)建筑低碳發(fā)展的重要手段,也是城鄉(xiāng)建設(shè)綠色發(fā)展戰(zhàn)略的重要支撐和關(guān)鍵保障。綠色建筑設(shè)計以建筑師引領(lǐng)多主體、全專業(yè)協(xié)同為特征,是基于正向設(shè)計與即時評估的系統(tǒng)性設(shè)計方法,但仍存在綠色設(shè)計介入時間滯后、缺乏對地域氣候適應(yīng)性問題的思考、用戶體驗感不足、各環(huán)節(jié)脫節(jié),以及工業(yè)化和信息化融合度不足等現(xiàn)實問題。這些問題在一定程度上影響了綠色建筑科學(xué)化、規(guī)?;l(fā)展和節(jié)能、減排導(dǎo)向的有效落實。
在綠色建筑的全生命周期內(nèi)應(yīng)整合設(shè)計體系,遵循建筑設(shè)計的深層邏輯,挖掘綠色基因,在設(shè)計的不同階段不斷融合綠色策略,通過整體平衡的方式選取最適宜的解決方案,發(fā)揮建筑師的引領(lǐng)、統(tǒng)籌作用,與各專業(yè)系統(tǒng)推進綠色建筑設(shè)計工作。
本文利用數(shù)據(jù)挖掘技術(shù),通過整合式思考方式和正向設(shè)計邏輯,構(gòu)建綠色建筑的核心要素,指導(dǎo)設(shè)計人員從全生命周期、系統(tǒng)化的角度對設(shè)計方法及設(shè)計技術(shù)進行選擇應(yīng)用,以期提升綠色建筑設(shè)計的數(shù)字化和信息化水平,實現(xiàn)綠色建筑設(shè)計效率和水平的全面提升。
研究通過監(jiān)測與搜集已建成的綠色建筑的運營數(shù)據(jù),處理基礎(chǔ)數(shù)據(jù),建立項目信息數(shù)據(jù)庫及算法模型,為數(shù)據(jù)挖掘提供支撐。
數(shù)據(jù)庫結(jié)構(gòu)如圖1所示,最底層為基礎(chǔ)數(shù)據(jù)源,來源于對實體建筑項目數(shù)據(jù)的測試、監(jiān)測和搜集分析,并將項目數(shù)據(jù)按照氣候區(qū)劃、城市級別逐級分類,子分類中則按照建筑類型劃分。
基礎(chǔ)數(shù)據(jù)源的上層架構(gòu)為數(shù)據(jù)處理平臺,包含三個數(shù)據(jù)處理模塊——設(shè)計參數(shù)處理模塊、設(shè)計目標分析模塊和模擬仿真模塊。設(shè)計參數(shù)處理模塊將基礎(chǔ)數(shù)據(jù)源整理分類,得到方便設(shè)計和計算的數(shù)據(jù)結(jié)構(gòu);設(shè)計目標分析模塊根據(jù)數(shù)據(jù)庫輔助選擇項目的設(shè)計目標;模擬仿真模塊根據(jù)監(jiān)測整理后的建筑數(shù)據(jù),建立物理模型或數(shù)值模型,結(jié)合模擬軟件進行實驗或仿真計算,擴充數(shù)據(jù)量,以獲得更完備、更有適應(yīng)性的數(shù)據(jù)算法庫。
通過數(shù)據(jù)處理平臺處理后的數(shù)據(jù),具有可搜索、可計算、可分析的特征,并可輸入大數(shù)據(jù)智能算法模型。數(shù)據(jù)訓(xùn)練后,可形成適用于該地區(qū)、該種建筑類型的算法模型,為下一階段的設(shè)計搭建基礎(chǔ)。
設(shè)計參數(shù)處理模塊將基礎(chǔ)數(shù)據(jù)源中的建筑參數(shù)分為氣象參數(shù)、形體參數(shù)、建筑環(huán)境參數(shù)、建筑系統(tǒng)參數(shù)和建筑運行參數(shù),可根據(jù)項目的需求以及設(shè)定的程序規(guī)則進行篩選,并對公共建筑設(shè)計的場地(P)、建筑(B)、技術(shù)(T)和管理(M)四個維度的指標體系執(zhí)行數(shù)據(jù)處理,得到適合智能算法數(shù)據(jù)模型的架構(gòu),形成下一層級的分解指標體系。具體的指標數(shù)據(jù)可經(jīng)過基礎(chǔ)數(shù)據(jù)歸類和簡單計算得到,其中簡單計算是指不需要經(jīng)過數(shù)據(jù)挖掘技術(shù)而只需簡單的公式計算便能夠得到的指標值(圖2)。
設(shè)計目標分析模塊根據(jù)基礎(chǔ)數(shù)據(jù),統(tǒng)計分析各類可表示當(dāng)?shù)亟ㄖ厣蚱焚|(zhì)的指標值,如建筑能耗、碳排放、綠色等級、建筑環(huán)境及功能等指標,再根據(jù)項目所在的氣候區(qū)、地域、投資、政策、設(shè)計需求,以及適用于當(dāng)?shù)氐南嚓P(guān)標準和典型建筑,提出合理的設(shè)計目標參數(shù)。
設(shè)計目標分為定性目標和定量目標(表1)。定性目標包含綠色建筑的星級目標、當(dāng)?shù)卣吣繕?、社會效益目標和人文功能目標等;定量目標包括環(huán)境效益目標、經(jīng)濟效益目標、節(jié)能低碳目標、區(qū)域規(guī)劃系統(tǒng)定量指標等。同時,設(shè)計目標應(yīng)緊密結(jié)合甲方的需求進行設(shè)定。
對于定性目標,由于無法通過數(shù)據(jù)計算將目標參數(shù)導(dǎo)入模型算法,因此需要在數(shù)據(jù)庫中匹配氣候區(qū)、地域、項目投資、政策、項目需求等要素,找到與此目標一致的案例,統(tǒng)計所有類似項目的數(shù)據(jù),計算各要素,把定性目標分解成為項目的設(shè)計指標,即將其轉(zhuǎn)換為定量目標。已經(jīng)確定的定量指標可以作為后續(xù)優(yōu)化設(shè)計中模型算法的輸入?yún)?shù),同時,需要搜索案例數(shù)據(jù)庫中與此目標相匹配的案例,將其他核心參數(shù)作為優(yōu)化設(shè)計的備用數(shù)據(jù)。
表1 設(shè)計目標類型和確定方法
1 數(shù)據(jù)庫結(jié)構(gòu)圖
2 項目基礎(chǔ)數(shù)據(jù)處理過程
數(shù)據(jù)挖掘技術(shù)(Data Mining,DM)是在大型數(shù)據(jù)存儲庫中,自動地發(fā)現(xiàn)有用信息,并客觀地從數(shù)據(jù)集中發(fā)現(xiàn)蘊藏的知識。該技術(shù)可以利用機器學(xué)習(xí)在性能預(yù)測中的優(yōu)勢,進行數(shù)據(jù)挖掘、預(yù)測和評價,并引入智能優(yōu)化技術(shù)在群目標中求得最優(yōu)解。進而建立性能指標與設(shè)計要素的影響機制、預(yù)測模型和優(yōu)化模型,實現(xiàn)“多性能指標預(yù)測”與“多目標優(yōu)化”的同步性、高效性和準確性,得到綠色建筑的反饋式?jīng)Q策模型,彌補傳統(tǒng)建筑設(shè)計的不足,為綠色建筑節(jié)能參數(shù)化設(shè)計的多目標優(yōu)化與建筑本體設(shè)計的有機融合提供強有力的數(shù)據(jù)決策支持。
通過對建筑能耗數(shù)據(jù)庫的數(shù)據(jù)挖掘構(gòu)建設(shè)計實驗與分析模型,把建筑能耗和設(shè)計需求作為參數(shù)輸入智能算法模型,分析得到與建筑形體設(shè)計相關(guān)的關(guān)鍵要素參數(shù),從而形成最優(yōu)的設(shè)計方案,并高效地滿足最初設(shè)定的綠色設(shè)計目標(圖3)。
綠色建筑創(chuàng)作新型設(shè)計方法與傳統(tǒng)設(shè)計方法不同,在確定設(shè)計需求和設(shè)計目標后,不能僅依賴設(shè)計經(jīng)驗和設(shè)計標準進行主觀判斷,而需要把設(shè)計需求和目標值作為參數(shù)輸入算法模型,得到與建筑本體創(chuàng)作相關(guān)的設(shè)計參數(shù),并將現(xiàn)有的設(shè)計標準作為約束項,形成多目標驅(qū)動、具有數(shù)據(jù)鏈接、即時反饋和循環(huán)干預(yù)機制的新型設(shè)計機制,進而生成科學(xué)、最優(yōu)的決策設(shè)計方案。
3 基于數(shù)據(jù)挖掘技術(shù)的綠色建筑設(shè)計方法
通過建立數(shù)據(jù)庫和算法模型,得到氣候區(qū)劃、建筑類型等前置條件相同或相似項目的標準化計算模型,提高設(shè)計分析與實驗的效率。建立標準化模型有兩個條件:一是必須具有大量的同類項目數(shù)據(jù),數(shù)據(jù)邊界至少要確定項目地點、氣候條件、建筑類型和功能特點等;二是算法模型需要經(jīng)過反復(fù)訓(xùn)練,形成可直接利用的快速分析模型,模型宜簡單,便于設(shè)計參數(shù)的輸入與輸出。同時,標準化模型又可用于修正彌補已有的設(shè)計標準規(guī)范,利于標準的完善與優(yōu)化,促進建筑精細化設(shè)計的發(fā)展。
數(shù)據(jù)挖掘算法主要包括神經(jīng)網(wǎng)絡(luò)法、遺傳算法、支持向量機法、決策樹法、模糊集法等。本研究應(yīng)用BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)建立算法模型。BP神經(jīng)網(wǎng)絡(luò)屬于前饋神經(jīng)網(wǎng)絡(luò),是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一,其預(yù)測結(jié)果可靠,算法和模型都較為成熟,不僅在大樣本預(yù)測中具有很好的精度,在小樣本預(yù)測中同樣效果良好。
研究從數(shù)據(jù)處理的角度看待各數(shù)據(jù)之間的關(guān)系,基于數(shù)據(jù)挖掘技術(shù)的神經(jīng)網(wǎng)絡(luò)模型,將建筑的已知參數(shù)指標和設(shè)計目標作為輸入?yún)?shù),把建筑師所關(guān)心并需要確定的建筑設(shè)計參數(shù)作為輸出參數(shù),確保建筑的統(tǒng)計數(shù)據(jù)參與設(shè)計參數(shù)的決策過程。
從建筑師的設(shè)計思維出發(fā),在設(shè)計之初,首先通過設(shè)計需求和建筑數(shù)據(jù)統(tǒng)計分析進行數(shù)據(jù)初步處理,得到可輸入算法模型的數(shù)據(jù)指標,再依據(jù)相關(guān)設(shè)計標準和設(shè)計目標篩選設(shè)計參數(shù)。在建立智能算法模型時,不同的項目采用的設(shè)計參數(shù)會有所差異。把設(shè)計目標和設(shè)計參數(shù)輸入智能算法模型,通過數(shù)據(jù)挖掘技術(shù)和實驗分析得到設(shè)計方案,再與相關(guān)設(shè)計標準進行對比分析,使方案滿足現(xiàn)有設(shè)計標準,并基于經(jīng)驗數(shù)據(jù)和優(yōu)秀案例,在一定程度上完善其不足。
因此,本文基于項目數(shù)據(jù)庫和數(shù)據(jù)挖掘技術(shù)建立綠色公共建筑設(shè)計流程,如圖4所示。
某市位于夏熱冬冷地區(qū),需要在此設(shè)計一賓館建筑。根據(jù)業(yè)主的要求和當(dāng)?shù)貥藴蚀_定設(shè)計目標:建筑面積約20 000m,節(jié)能水平要求達到當(dāng)?shù)刭e館建筑的平均能耗值。本文應(yīng)用基于數(shù)據(jù)挖掘技術(shù)的綠色公共建筑設(shè)計方法,依據(jù)該綜合設(shè)計目標開展設(shè)計工作。
4 基于數(shù)據(jù)挖掘技術(shù)的綠色公共建筑設(shè)計流程
5 賓館建筑窗墻比分布 6 賓館建筑圍護結(jié)構(gòu)熱工參數(shù)分布
根據(jù)該市61座賓館建筑的設(shè)計參數(shù)數(shù)據(jù)庫得知,所有建筑的體形系數(shù)在0.05~0.85之間,其中49家建筑面積分布在10 000~40 000m之間,約占80%,其余建筑面積在10 000m以下。統(tǒng)計得到該市的賓館建筑能耗差別較大,單位建筑面積能耗最小值為16.1kgce/m,最大值為85kgce/m。所測試樣本的建筑面積與單位面積能耗值沒有直接相關(guān)性,單位面積能耗平均值為45.3kgce/m,樣本建筑中位數(shù)能耗值為41kgce/m,下四分位數(shù)能耗值為37kgce/m。根據(jù)測試的能耗數(shù)據(jù)統(tǒng)計值,可將該市賓館建筑節(jié)能設(shè)計的約束值設(shè)為45kgce/m,目標值設(shè)為41kgce/m。
影響賓館建筑能耗的因素很多,包括建筑的圍護結(jié)構(gòu)熱工參數(shù)、窗墻比、體形系數(shù)、朝向、室內(nèi)人員密度、入住率、能源系統(tǒng)效率和控制策略等。將這些參數(shù)數(shù)據(jù)統(tǒng)計在數(shù)據(jù)庫中(圖5,6),經(jīng)調(diào)研和監(jiān)測發(fā)現(xiàn),該市樣本賓館建筑的全年平均入住率分布在55%~65%之間,波動不大。
這是由于其作為受季節(jié)影響較小的旅游城市,一年四季旅游的人員分布相對比較均勻,并沒有特別集中的時間段,因此該市樣本賓館建筑的入住率常年保持穩(wěn)定。其次,該市樣本賓館建筑的供熱系統(tǒng)平均效率分布在0.8~0.92之間,制冷機綜合部分負荷性能系數(shù)分布在4.9~5.9之間,綜合能源系統(tǒng)效率相對較高,各建筑之間差別不大。
7 基于數(shù)據(jù)挖掘技術(shù)的神經(jīng)網(wǎng)絡(luò)模型
賓館建筑的能耗影響因素可以分為建筑形態(tài)、熱工參數(shù)、使用情況和能源系統(tǒng)效率等,每類參數(shù)包括的具體性能指標如表2所示。
通過調(diào)研測試可得到建筑能耗數(shù)據(jù),若僅針對各參數(shù)與能耗數(shù)據(jù),可以拋開實際的物理模型,僅從數(shù)據(jù)處理的角度看待數(shù)據(jù)關(guān)系,并形成各類建筑在特定約束條件下的能耗指標限值。但從建筑設(shè)計的角度,則希望從這些數(shù)據(jù)中得到建筑朝向、體形系數(shù)和窗墻比等參數(shù)的對應(yīng)關(guān)系。
上述參數(shù)不應(yīng)僅根據(jù)建筑設(shè)計標準確定,而應(yīng)利用數(shù)據(jù)挖掘技術(shù),建立如圖7所示的神經(jīng)網(wǎng)絡(luò)模型。其中共有輸入?yún)?shù)10個,包括建筑面積(x)、建筑能耗(y)、熱工參數(shù)(x、x、x、x)、使用情況(x、x)、能源系統(tǒng)效率(x、x);輸出參數(shù)6個,包括建筑朝向(x)、體形系數(shù)(x)和南、北、東、西窗墻比(x、x、x、x)。
根據(jù)網(wǎng)絡(luò)模型的輸出和輸入?yún)?shù)建立3層BP神經(jīng)網(wǎng)絡(luò)模型,經(jīng)反復(fù)試驗,設(shè)定隱層神經(jīng)元12個。將BP算法誤差精度設(shè)為1×10,函數(shù)選擇學(xué)習(xí)率為0.035,網(wǎng)絡(luò)所要達到的目標誤差為1×10,最大迭代次數(shù)為50 000。把表3中的數(shù)據(jù)輸入BP網(wǎng)絡(luò)模型,首先可得到建筑朝向角、體形系數(shù)和各方向窗墻比的輸出數(shù)據(jù),再據(jù)《公共建筑節(jié)能設(shè)計標準》(GB 50189-2015)選取的圍護結(jié)構(gòu)熱工參數(shù)和能源系統(tǒng)性能指標,以及調(diào)研測試得到的建筑人員密度和入住率等參數(shù)。再結(jié)合該市建筑節(jié)能目標41 kgce/m·a,經(jīng)BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測,可以得到針對不同建筑面積的設(shè)計參數(shù)范圍,即建筑體形系數(shù)、建筑朝向角和窗墻比。通過表4可以科學(xué)地優(yōu)化設(shè)計方案,在建筑創(chuàng)作的同時使得建筑能耗達到目標值。
表2 建筑創(chuàng)作與運行對建筑能耗綜合指標的影響參數(shù)
表3 模型輸入?yún)?shù)數(shù)據(jù)列表
表4 節(jié)能目標值下的設(shè)計參數(shù)建議值
利用基于數(shù)據(jù)挖掘技術(shù)的設(shè)計方法以及該市的數(shù)據(jù)庫,確定輸入、輸出參數(shù)并建立BP神經(jīng)網(wǎng)絡(luò)模型,通過大量數(shù)據(jù)訓(xùn)練和測試驗證,得到理想的預(yù)測模型,可針對該市的建筑節(jié)能目標對指定面積的建筑進行設(shè)計參數(shù)的預(yù)測,成功得到建筑朝向角、體形系數(shù)和窗墻比等設(shè)計參數(shù),并給出設(shè)計建議值,為綠色建筑設(shè)計提供量化的設(shè)計策略。
本文提出了應(yīng)用數(shù)據(jù)挖掘技術(shù),以建筑數(shù)據(jù)庫為基礎(chǔ)并建立智能算法模型的綠色公共建筑設(shè)計方法,即以建筑師為主導(dǎo),通過統(tǒng)計、分析設(shè)計需求和建筑能耗數(shù)據(jù),得到建筑節(jié)能設(shè)計目標,將其與經(jīng)過篩選的輸入/輸出參數(shù)帶入建立的智能算法模型,并結(jié)合相關(guān)設(shè)計標準,經(jīng)設(shè)計師轉(zhuǎn)譯優(yōu)化為滿足設(shè)計目標的建筑創(chuàng)作方案。本研究方法是以建筑數(shù)據(jù)庫為基礎(chǔ),以數(shù)據(jù)挖掘技術(shù)為手段的綠色公共建筑智慧化設(shè)計方法,期望對綠色建筑的智慧化設(shè)計提供一定的指引。
* 本研究得到中國建筑設(shè)計研究院有限公司科技創(chuàng)新項目“地域氣候適應(yīng)型綠色公共建筑設(shè)計導(dǎo)則智慧化支撐決策系統(tǒng)研發(fā)”(Y2021153)資助。
1-7作者自繪
表1-4作者自繪