声明
1 绪论
1.1 研究背景与目的
1.2 国内外研究现状
1.2.1 国内研究现状
1.2.2 国外研究现状
1.3 课题来源
1.4 研究内容
1.4.1 研究方案
1.4.2 技术路线图
1.4.3 研究方法
1.4.4 研究创新点
2 理论基础
2.1 相似理论
2.2 神经网络基本理论
2.2.1 BP神经网络定义
2.2.2 神经网络的特点
2.3 遗传算法基本理论
2.3.1 遗传算法的定义
2.3.2 遗传算法的特点
2.4 Tensorflow框架简介
2.4.1 Tensorflow框架的运行原理
2.4.2 Tensorflow框架构建神经网络的基础语法
2.5 本章小结
3 典型实验房屋构建及模拟
3.1 基于相似理论的典型房屋构建
3.1.1 基于相似理论的简化模型构建
3.1.2 户型特征的统计与分析
3.1.3 围护结构的统计与分析
3.1.4 相似度分析
3.1.5 建筑物理环境模型特征因素归纳
3.2 仿真实验的典型房屋模型
3.2.1 典型房屋模型的建立
3.2.2 围护结构参数设置
3.2.3 气象模拟数据
3.2.4 室内参数设定
3.2.5 换气及空调系统参数设置
3.3 典型实验房屋模型模拟数据结果
3.4 本章小结
4 基于GA-BPNN的多目标优化模型构建
4.1 优化目标的确定
4.2 基于典型模型的输入输出样本集确定
4.3 BPNN多目标优化模型构建
4.3.1 模型搭建流程
4.3.2 前向传播模块构建
4.3.3 反向传播模块模型构建
4.4 遗传算法(GA)优化模型构建
4.5 测试模型构建及验证
4.6 本章小结
5 实验对比分析及验证
5.1 GA-BPNN的训练收敛性验证
5.2 GA-BPNN的预测准确性验证
5.3 GA-BPNN模型仿真对比验证
5.3.1 建筑模型信息
5.3.2 建筑参数设定
5.3.3 仿真实验模拟及预测
5.4 GA-BPNN多目标优化分析
5.5相关结论
6 总结与展望
6.1 总结
6.2 展望
参考文献
附录A包头住宅实地考察情况表
附录B 外形特征相似度计算表
附录C 围护结构相似度计算表
附录D 样本方案综合评价表
附录E GA-BPNN多目标优化模型前向传播模型程序编码
附录F GA-BPNN多目标优化模型反向传播模型程序编码
附录G GA-BPNN多目标优化模型GA模型程序编码
附录H GA-BPNN多目标优化模型测试模型程序编码
在学研究成果
致谢
内蒙古科技大学;