[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)

🔗 原文获取

点击查看