1.前言由于已有指标体系的评价模型结果过于抽象，所含的评价信息可用性较低，不能起到建筑节能评价应有的作用。因此新建筑设计完成后，没有有效的方法对设计进行节能水平的综合评价，无法对标准的执行情况进行有效的监督。科学的评价方法和控制手段应该贯穿从规划、设计直至建设完成的全过程，没有科学完整的评价体系和目标势必难以获得预期的节能效果。综合评价指标体系研究的关键在于如何选取分项指标以全面反映建筑能耗的情况、如何确定各分项指标的权重以建立有机的指标体系、如何确定标准设计方案作为判定原始设计草案是否节能的基准。在分析居住建筑能耗主要影响因素的基础上，建立了一个由多个分项指标组成的指标体系，并借鉴“标准设计”概念和采用相对指标进行节能评判的思想，采用指标体系对“标准设计方案”和原始设计草案建筑能耗的相对数量进行比较，以达到全面而简单的评判原始设计草案是否节能的目的。这种评价方法的目的是淡化专业知识的概念，不直接进行建筑能耗绝对数量的比较，摆脱对能耗模拟软件的依附，以实现对原始设计草案全面而简单的节能评价。
1.前言
由于已有指标体系的评价模型结果过于抽象，所含的评价信息可用性较低，不能起到建筑节能评价应有的作用。因此新建筑设计完成后，没有有效的方法对设计进行节能水平的综合评价，无法对标准的执行情况进行有效的监督。科学的评价方法和控制手段应该贯穿从规划、设计直至建设完成的全过程，没有科学完整的评价体系和目标势必难以获得预期的节能效果。
综合评价指标体系研究的关键在于如何选取分项指标以全面反映建筑能耗的情况、如何确定各分项指标的权重以建立有机的指标体系、如何确定标准设计方案作为判定原始设计草案是否节能的基准。在分析居住建筑能耗主要影响因素的基础上，建立了一个由多个分项指标组成的指标体系，并借鉴“标准设计”概念和采用相对指标进行节能评判的思想，采用指标体系对“标准设计方案”和原始设计草案建筑能耗的相对数量进行比较，以达到全面而简单的评判原始设计草案是否节能的目的。这种评价方法的目的是淡化专业知识的概念，不直接进行建筑能耗绝对数量的比较，摆脱对能耗模拟软件的依附，以实现对原始设计草案全面而简单的节能评价。
12楼
5.2 节能评价指标的取值
5.2.1 输入参数
本文采取DeST能耗分析软件重新确定了节能综合评判基准。
由于能耗分析软件的限制，本文在进行神经网络评价的应用分析时对指标体系进行了一定的简化：首先由于软件分析速度较慢，本文则只以长沙为例进行神经网络的训练。在地点确定的情况下，反映气象特征的4个指标取值固定不变，训练所需节能分析样本将大大减少;其次由于DeST软件所带的围护结构数据库限制了对建筑围护结构热工性能更为具体的分析，因此在确定节能样本的输入参数时，围护结构热工性能的只能按构件的类型进行选择，将热惰性和遮阳系数隐含起来。
因此，节能分析样本的输入参数为10个，每个参数有高、中、低三个水平的取值（见表1）。
表1 节能评价指标各水平取值
回复
13楼
5.2.2 输出参数
以节能百分比的形式给出是否节能的判定结果，如果建筑满足节能要求，则节能百分比为零或正值，如果建筑不满足节能要求，则节能百分比负值。节能百分比定义为：
式中：BEPi—节能百分比;
Es—根据度日数查表5-1得到的建筑全年耗电量标准值，kWh/m2;
Ei—待评价建筑全年耗电量的DeST模拟计算值，kWh/m2;
回复
14楼
5.3 BP网络模型的应用
根据以上所选定的节能分析样本，初步选定网络结构参数如下：输入层节点数为10个，隐层神经元个数为10×3＝30个、传递函数为tansig，输出层神经元个数为1个、传递函数为purelin，节能评价指标体系的神经网络模型结构即为[10×30×1]。BP网络结构的最终形式并没有完全确定，如果训练和检验的结果不能满足预期要求，还将根据具体情况进行一定的调整。
利用BP网络得出的训练样本网络输出值与期望值的最大相对误差为小于5％（个别异常情况除外），检验样本网络输出值与期望值的最大相对误差为4.3％，可见该网络的自学习能力强，网络性能好，说明了利用神经网络进行节能综合评价的可行性和有效性。
回复
15楼
6.结论
本综合评价指标体系是在科学性原则，可行性原则，层次性原则，完备性原则，主导性原则，独立性原则的基础上，根据夏热冬冷地区居住建筑能耗特点建立起来的一个有机整体。这是一个相互关联、相互制约、不同层次的指标群，是对节能分项指标的综合和对节能综合指标简化，能较全面反映该地区居住建筑节能设计内涵的基本特征。
建筑节能的评价问题是一个I/O（输入/输出）问题。对于建筑节能的评价工作者，其最为关心的是由建筑的有关描述参数（输入参数）直接判断出建筑是否节能（输出参数），而不必知道具体的分析过程。这种评价体系则可以淡化专业知识的概念，不直接进行建筑能耗绝对数量的比较，摆脱对能耗模拟软件的依附，以实现对原始设计草案全面而简单的节能评价。
应用指标体系进行评价的关键在于各指标之间的权重的确定。本文采用人工神经网络计算的方法，具有一定的可行性和有效性。
回复
16楼
:victory: :victory: :victory:
回复
