[发明专利]建筑绿色性能预测方法及装置、电子设备和存储介质

说明书

本公开涉及一种建筑绿色性能预测方法及装置、电子设备和存储介质，包括按照建筑空间数据所表征的空间的维度，将所述建筑空间数据划分为至少两个建筑空间子数据，所述建筑空间子数据的属性包括：所述建筑空间子数据所表征的子空间距所述空间中的耗能构件的距离；根据所述属性，确定表征所述建筑空间数据所对应建筑的能耗的第一绿色性能。本公开实施例可以不受建筑几何形态的限制，具有较好的几何形态通用性；并且充分的考虑了各子空间在耗能方面的相互影响。由于不需要过多的设计参数，所以简化了预测过程，减少计算资源消耗，适合在需要快速设计迭代的建筑设计阶段使用。

技术领域

本公开涉及建筑领域，尤其涉及一种建筑绿色性能预测方法及装置、电子设备和存储介质。

背景技术

随着建筑科技和我国生态文明建设的快速发展，建筑物的绿色性能已作为评价建筑物的一个重要指标。

在建筑建成后使用过程中会消耗大量能耗，所以应重点从建筑本身来做好节能设计。一般，建筑行业使用建筑的绿色性能这一指标作为建筑物的环保属性。

在相关技术中，可以通过模拟计算或预测模型对建筑物的绿色性能进行预测。但是，利用模拟计算的方法预测绿色性能，计算量大、耗时长。使用预测模型的方法，预测模型只能针对具有特定几何形态、设计参数的建筑进行绿色性能预测，预测模型的几何形态通用性较差。

发明内容

有鉴于此，本公开提出了一种建筑绿色性能预测方案。

根据本公开的一方面，提供了一种建筑绿色性能预测方法，包括：

按照建筑空间数据所表征的空间的维度，将所述建筑空间数据划分为至少两个建筑空间子数据，所述建筑空间子数据的属性包括：所述建筑空间子数据所表征的子空间距所述空间中的耗能构件的距离；

根据所述属性，确定表征所述建筑空间数据所对应建筑的能耗的第一绿色性能。

在一种可能的实现方式中，所述建筑空间子数据的面积和/或体积相同，所述方法还包括：

确定各所述建筑空间子数据与耗能数据之间的所述建筑空间子数据的数量，所述耗能数据为所述建筑空间数据中表征耗能构件的数据；

根据所述数量，确定所述距离。

在一种可能的实现方式中，所述根据所述属性，确定表征所述建筑空间数据所对应建筑的能耗的第一绿色性能，包括：

将所述建筑空间子数据及属性输入预先训练的卷积神经网络；

通过所述卷积神经网络确定所述建筑空间数据所对应建筑的能耗的第一绿色性能。

在一种可能的实现方式中，所述通过所述卷积神经网络确定所述建筑空间数据所对应建筑的能耗的绿色性能，包括：

通过所述卷积神经网络对所述属性进行卷积操作，以提取所述建筑空间数据的特征；

根据所述特征，确定所述第一绿色性能。

在一种可能的实现方式中，所述卷积神经网络的训练过程包括：

通过实测或模拟计算，确定第一建筑空间样本数据所对应的建筑的第二绿色性能；

通过所述卷积神经网络，对所述第一建筑空间样本数据对应的建筑的能耗进行预测，得到第三绿色性能；

根据所述第二绿色性能与所述第三绿色性能的差异，优化所述卷积神经网络的参数。

在一种可能的实现方式中，所述根据所述属性，确定表征所述建筑空间数据所对应建筑的能耗的第一绿色性能，包括：