使用人工神经网络对绿色建筑的技术评估

科学领域:

• 建筑科学与工程 建筑科学与工程
• 可持续设计中的人工智能
• 环境监测系统环境监测系统

背景情况:

• 绿色建筑需要高效的技术评估以获得最佳性能.
• 现有的评估方法可能无法充分捕捉动态的环境和运营因素.
• 物联网 (IoT) 和人工神经网络 (ANN) 为复杂的数据分析提供了先进的功能.

研究的目的:

• 构建一个全面的评估模型来评估绿色建筑中的适当技术.
• 将实时环境监测与先进的预测建模相结合.
• 提高绿色建筑技术适用性评估的准确性和稳定性.

主要方法:

• 实施基于物联网 (IoT) 的环境监测系统,用于实时数据收集.
• 使用多层感知器 (MLP) 和长短期记忆 (LSTM) 人工神经网络模型.
• 开发一种混合评估模型,将物联网数据与ANN预测相结合,用于全面评估.

主要成果:

• 混合模型在预测建筑环境参数方面表现出高准确性和稳定性 (例如,温度的R2为0.95).
• 与传统的MLP和LSTM模型相比,预测建筑能源消耗的显著改进 (例如,RMSE减少15%).
• 该模型有效地整合了物理,经济和生命周期评估标准,以进行整体评估.

结论:

• 物联网和ANN的合并为绿色建筑技术评估提供了强大而准确的方法.
• 开发的混合模型为设计和评估可持续建筑提供了一个新的视角.
• 这种方法确保了所选技术的适用性和有效性,有助于提高绿色建筑的性能.