昆明理工大学恬园三栋宿舍使用后评价研究

本文依托POE理论,运用观察法、问卷分析法和访谈法等对昆明理工大学恬园三栋宿舍进行使用后评价研究。研究内容包括宿舍选址与周边配套、寝室使用空间、寝室使用家具、卫生间、宿舍室内外活动空间和宿舍管理等,同时总结恬园三栋宿舍在投入使用中的问题及其原因。最后本文提出了相应的改进建议,研究结果表明:宿舍的可达性、寝室内部的精细化设计、宿舍室内外活动空间才是宿舍设计的研究重点。通过上述总结,以期为今后同类型的宿舍设计提供有效参考。

建筑学跨学科借鉴的几点思考

跨学科知识的借鉴可创造性地丰富建筑学学科的内容,因此如何进行跨学科借鉴是值得深入研究的问题。文章在研究建筑学跨学科借鉴的代表人物彼得·库克的理论和实践的基础上,以笔者参加的一次设计竞赛方案为例,说明跨学科借鉴需具有通识的学习观念、以建筑学为核心逐渐外延的工作方法以及创造时代建筑的目标导向。

基于RBF、GRNN和GA-BP神经网络的电动车空调能耗预测模型

暖通空调系统的能耗值对缓解新能源汽车“里程焦虑”和观测其性能具有重要意义。将环境温度、空气湿度、风速和车速作为输入参数,耗电量作为输出参数,建立径向基函数(Radial Basis Function,RBF)、广义回归神经网络(General Regression Neural Network,GRNN)和经遗传算法优化的反向传播(Genetic Algorithm-Backpropagation,GA-BP)神经网络模型。利用Amesim搭建某款电动车空调系统仿真得到不同工况下的能耗数据对三种模型进行训练和预测,将预测值和实际值比较,以验证其预测性能。结果表明:三种模型均能较好地预测不同工况下空调能耗,采用RBF、GRNN和GA-BP神经网络训练数据,测试数据线性回归系数R2分别为0.93641、0.95521和0.99517;预测结果相对误差分别为5%、3%和2%;均方误差分别为98.29 W/h、90.42 W/h和27.24 W/h。相比之下,GA-BP神经网络模型能更准确地预测空调能耗,可用于驾驶员缓解因空调带来的“里程焦虑”和实时观测空调性能。