[论文分享]Optimizing office building performance in the HSWW region of China using simulation with Hyperopt CatBoost and SPEA2
📃 基本信息
[论文标题] 《优化中国热夏暖冬地区办公建筑性能：基于Hyperopt CatBoost与SPEA2的模拟研究》
[期刊信息] Journal of Building Performance Optimization (2025) | 作者: Yiyang Huang, Zhizhuo He, Yuchen Qin, Yichen Lu & Kaida Chen
📌 一句话概括
该研究提出一种基于Hyperopt-CatBoost-SPEA2算法的多目标优化框架，显著提升办公建筑能耗、日照和舒适性能。
📚 深度总结
本研究聚焦于中国热夏暖冬（HSWW）地区的办公建筑改造，旨在通过优化能耗强度（EUI）、有效日照照度比例（UDI）和热舒适百分比（PTC）提高建筑性能。论文采用Hyperopt优化的CatBoost算法与SPEA2多目标优化（MOO）方法，结合参数化模拟工具Grasshopper、Ladybug和Honeybee构建了优化框架。
研究通过以下步骤展开：1) 利用拉丁超立方采样方法生成3000组建筑参数数据集，包括18个设计变量；2) 使用CatBoost模型对数据进行训练，重点调优超参数（学习率、树深度等）以实现对EUI、UDI和PTC的高精度预测（最高R²值为0.996）；3) 将优化后的CatBoost模型作为适应函数，结合SPEA2算法找到帕累托最优解集合，并应用理想点法选择最终最优设计。
关键结果显示，与原始设计相比，通过优化外墙材料、遮阳板长度及窗墙比等参数，实现了能耗降低29.61%、日照效率改善59.61%、热舒适性提高37.69%的性能提升。特别强调，设计空间长度、高度、墙体导热系数和窗体U值等参数对三个目标的优化有显著影响。
该优化框架为设计师在能耗、舒适度与自然采光之间提供了权衡思路，适用于热夏暖冬区办公建筑的新建和改造。尽管框架表现出了较高的精确性和通用性，但作者指出模型未涵盖动态气候影响，且在日照预测上存在待优化空间。
本速览仅作研究参考，不替代原文阅读。如需引用，请参考原论文。
🔍 要点追溯
- 研究方法: 拉丁超立方采样 + 参数化模拟 + CatBoost预测 + SPEA2多目标优化
- 适用范围: 中国热夏暖冬气候区的办公建筑，尤其是旧城区改造项目
- 使用工具: Grasshopper, Honeybee, Ladybug, CatBoost, Hyperopt, DEAP（MOO库）
- 数据来源: 模拟生成的3000组数据集，基于区域建筑法规和现场测量值
- 参考标准: 中国节能建筑设计规范（GB 50189-2015）、日照设计规范（GB 50033-2013）