基于GA-BPNN的节能居住建筑多目标优化模型构建研究

目录

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