应用人工神经网络预测室内全年动态采光

在建筑设计早期阶段,了解建筑形态参数与室内采光之间的关系对设计优化至关重要。本文采用多层感知器(Multilayer Perceptron,MLP)神经网络,以四种主要特征(室外遮挡情况、建筑形态特征、开窗设置、测点位置信息)作为MLP的输入参数,通过计算机模拟收集的数据来构建神经网络,预测室内的全年自然采光质量(UDI<100 lx、UDI 100~2000 lx、UDI>2000 lx)。研究结果显示多层感知器神经网络模型在测试集中的回归决定系数R 2为0.984,均方误差MSE为11.624,准确性较高。对神经网络进行权重分析的结果表明,外部遮挡物的高度和建筑进深对输出结果影响最为显著。而窗台底部的标高和测点距窗户的距离对输出结果UDI的影响较小。神经网络模型为建筑设计预测日光提供了一种新的智能方法,有助于辅助建筑早期的设计决策。