网站首页
教育杂志
CSSCI期刊 北大期刊 CSCD期刊 统计源期刊 知网收录期刊 维普收录期刊 万方收录期刊 SCI期刊(美)
医学杂志
CSSCI期刊 北大期刊 CSCD期刊 统计源期刊 知网收录期刊 维普收录期刊 万方收录期刊 SCI期刊(美)
经济杂志
CSSCI期刊 北大期刊 CSCD期刊 统计源期刊 知网收录期刊 维普收录期刊 万方收录期刊 SCI期刊(美)
金融杂志
CSSCI期刊 北大期刊 CSCD期刊 统计源期刊 知网收录期刊 维普收录期刊 万方收录期刊 SCI期刊(美)
管理杂志
CSSCI期刊 北大期刊 CSCD期刊 统计源期刊 知网收录期刊 维普收录期刊 万方收录期刊 SCI期刊(美)
科技杂志
CSSCI期刊 北大期刊 CSCD期刊 统计源期刊 知网收录期刊 维普收录期刊 万方收录期刊 SCI期刊(美)
工业杂志
CSSCI期刊 北大期刊 CSCD期刊 统计源期刊 知网收录期刊 维普收录期刊 万方收录期刊 SCI期刊(美)
SCI杂志
中科院1区 中科院2区 中科院3区 中科院4区
全部期刊
公務(wù)員期刊網(wǎng) 論文中心 正文

農(nóng)村住宅建筑節(jié)能論文

前言:想要寫出一篇引人入勝的文章?我們特意為您整理了農(nóng)村住宅建筑節(jié)能論文范文,希望能給你帶來靈感和參考,敬請閱讀。

農(nóng)村住宅建筑節(jié)能論文

1評價指標(biāo)體系的建立

根據(jù)對江蘇地區(qū)農(nóng)村住宅建筑節(jié)能的分析,并通過統(tǒng)計大量文獻中對農(nóng)村住宅建筑節(jié)能指標(biāo)的描述,可將江蘇地區(qū)農(nóng)村住宅建筑節(jié)能評價指標(biāo)歸納為建筑外形設(shè)計、圍護結(jié)構(gòu)、設(shè)備節(jié)能、新能源的利用這四個主要方面進行評價。對這四個指標(biāo)做進一步分解,可以得出19個子指標(biāo),

2江蘇地區(qū)農(nóng)村住宅建筑節(jié)能的綜合評價方法

2.1信息熵方法對建筑節(jié)能評價指標(biāo)的篩選

為了從已經(jīng)構(gòu)建的初始評價指標(biāo)中提取主要評價指標(biāo),可以采用信息熵法剔除其中對評價影響不大的指標(biāo)。具體操作步驟及方法如下:第一步:將初始的指標(biāo)矩陣進行標(biāo)準(zhǔn)化處理。假定所選的評估對象有N個,初始的指標(biāo)有M個,則可以構(gòu)建N×M階的矩陣,定義為矩陣A。按照式(1)進行標(biāo)準(zhǔn)化后的矩陣為A′。a′ij=(1)第二步:熵值的求取。令pj表示熵值,則,Πij=pj=-ΠijlnΠij(2)第三步:熵權(quán)的確定。Wj表示求出的熵權(quán)的大小,則,Wj=(3)第四步:確定某個評價指標(biāo)的具體權(quán)重。權(quán)重值用Qj表示,則,Qj=(4)第五步:將第三步求出的熵權(quán)與第四步求出的具體權(quán)重進行結(jié)合,剔除冗余指標(biāo),確保評價的穩(wěn)定性。

2.2BP神經(jīng)網(wǎng)絡(luò)方法對農(nóng)村住宅建筑節(jié)能的綜合評價

BP神經(jīng)網(wǎng)絡(luò)可以用于逼近任意的一個非線性的函數(shù),同時具有超強的自適應(yīng)以及存儲能力。采用BP神經(jīng)進行評價時,其運行的主要思想就是將搜集到數(shù)據(jù)輸入到該系統(tǒng)中,然后系統(tǒng)進行自我訓(xùn)練,擬合各指標(biāo)間的最優(yōu)關(guān)系,并自動記憶、存儲所選指標(biāo)對綜合評價對象的影響權(quán)值,繼而對類似對象做出客觀的評價。在進行BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練之前需要構(gòu)建BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),主要需要以下參數(shù)。

(1)BP神經(jīng)網(wǎng)絡(luò)的節(jié)點數(shù)與層數(shù)的確定BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的確定需先確定輸入、輸出層節(jié)點數(shù)、隱含層的層數(shù)以及隱含層節(jié)點。輸入層節(jié)點數(shù)為指標(biāo)個數(shù),輸出層節(jié)點數(shù)為建筑節(jié)能綜合評價指標(biāo)。在規(guī)模不大的情況下,常采用一個隱含層。隱含層節(jié)點數(shù)可根據(jù)式(5)確定。Ny=(5)其中,Ny表示隱含層節(jié)點數(shù);Ni表示輸入層節(jié)點數(shù);No表示輸出層節(jié)點數(shù);NP表示訓(xùn)練樣本個數(shù)。

(2)BP神經(jīng)網(wǎng)絡(luò)相關(guān)參數(shù)的確定確定BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)后,需要確定網(wǎng)絡(luò)函數(shù)的選取、初始權(quán)重的確定、期望誤差、學(xué)習(xí)速率、訓(xùn)練次數(shù)等相關(guān)參數(shù)。

3江蘇農(nóng)村住宅建筑節(jié)能的綜合評價

首先對初始建立的評價指標(biāo)進行篩選,剔除其中可能對評價結(jié)果有干擾的影響因素。聘請10位專家對初始的評價指標(biāo)進行打分,然后依據(jù)信息熵方法進行處理,最終得出的綜合評價指標(biāo)包括b11、b12、b13、b14、b21、b22、b23、b24、b25、b31、b32、b33、b41、b45、b46這15個評價指標(biāo)。采用三層BP神經(jīng)網(wǎng)絡(luò)模型,即輸入層、隱含層、輸出層各一層,輸入節(jié)點數(shù)為選定的評價指標(biāo)數(shù)15,根據(jù)式(5)確定隱含層的節(jié)點數(shù)為7,輸出節(jié)點數(shù)為1。函數(shù)采用Sigmoid函數(shù),初始權(quán)值為[0,1]區(qū)間的較小的數(shù),誤差期望為0.01,學(xué)習(xí)速率為0.001,訓(xùn)練次數(shù)為10000次。筆者選取了江蘇省某地區(qū)的6個農(nóng)村住宅建筑作為評價對象,以其中的5個作為訓(xùn)練樣本。數(shù)據(jù)主要是通過調(diào)查得到并做歸一化處理,聘請相關(guān)專家對這幾個樣本進行綜合評分,用t表示。經(jīng)過訓(xùn)練,將第六個樣本作為評價對象,采用該模型進行綜合評價,各指標(biāo)的初始值見表3。采用經(jīng)訓(xùn)練后的BP神經(jīng)網(wǎng)絡(luò)模型進行綜合評價,得出的最終評價結(jié)果為0.932,這與通過專家打分法得出的評價值0.927相比,誤差為0.005,相對誤差為0.5%。這充分說明采用BP神經(jīng)網(wǎng)絡(luò)模型進行綜合評價是可行的,且其評價的精度比較高。

4結(jié)語

影響農(nóng)村住宅建筑節(jié)能的評價指標(biāo)有很多,評價指標(biāo)又是準(zhǔn)確評價的基礎(chǔ),因此本文采用信息熵方法排除冗余因素的影響。在評價指標(biāo)確定的基礎(chǔ)上,結(jié)合BP神經(jīng)網(wǎng)絡(luò)精度高的優(yōu)點對農(nóng)村住宅建筑節(jié)能進行綜合評價。通過實例分析可以發(fā)現(xiàn):將這兩種方法結(jié)合起來對農(nóng)村住宅建筑節(jié)能進行綜合評價,不僅具有較強的實用性,而且簡化了模型,提高了運算速度及評價的精度。

作者:包相相 楊和禮 徐潔 單位:武漢大學(xué)土木建筑工程學(xué)院

免责声明

本站为第三方开放式学习交流平台,所有内容均为用户上传,仅供参考,不代表本站立场。若内容不实请联系在线客服删除,服务时间:8:00~21:00。

AI写作,高效原创

在线指导,快速准确,满意为止

立即体验
文秘服务 AI帮写作 润色服务 论文发表