皮盼资讯网移动版

DA的概念由Reinhart和Walkenhorst在2001年正式提出。该指标以工作平面照度为依据，基于地域气候，对采光进行动态评价。其概念为全年工作时间中仅靠自然采光即可达到最小照度要求的时间百分比，其中最常用的指标为300lx时的DA值，即DA300.

（2）UDI

UDI 2005年由Nabil与Mardaljevic提出，同样是一种评价采光的动态指标。其定义为年度工作时间内平面照度100-2000lx的时间百分比。工作平面照度100lx以下代表采光不充分，2000lx以上会引起引起视觉不舒适的眩光，因此在计算UDI值时，100-2000lx被视为有效，即UDI100-2000.

（3）E

（4）EB

5 案例研究

（1）案例选取

本研究以严寒地区为地理研究范围，故选择哈尔滨市（126.54°E, 45.54°N）作为我国严寒地区城市的代表。该地区气象数据可从EPW格式文件中获得，进而输入至模拟引擎中。其中与采光模拟计算相关的数据有太阳辐射与地表照度；能耗及碳排放模拟计算的数据包括温度、湿度、风速与太阳辐射。研究选择的案例为哈尔滨市双城区一大空间建筑，其地理区位与BIM信息化建模过程如图3-4所示。

（2）决策变量选择

建筑形体决策变量的选择与优化结果密切相关，从而形成决策变量与优化目标之间的映射关系。因此，所选建筑形态决策变量需直接影响建筑采光、能耗与碳排放性能。建筑最终选取一层进深、二层开间与三类窗高度为决策变量进行优化，如图5所示。五个变量的取值范围分别为21-24.9m、62.4-66.3m、600-3600mm、600-2100mm、600-1800mm.

（3）优化参数设置

优化前需对建筑材料的光学属性、热工物理属性及优化算法参数进行设定。材料光学属性需考虑不透光材料的反射率与透光材料的透射率，具体参数如表1所示。热工物理属性由构造层厚度、导热系数、材料密度、比热容、总厚度与总热阻构成，具体参数详见表2。优化算法参数包括精英率、突变概率、交叉概率、突变分布指数、交叉分布指数、种群数量六项参数，如表3所示。

6 结果分析

(1)非支配解演进过程分析

如图6所示，在三维坐标系中，颜色最深的为最终的迭代运算结果，即第50代。第30代、15代、3代也依次置于图中，颜色由深至浅。可以看到，随着迭代次数的增加，解的分布逐渐由分散变为聚拢，且逐渐逼近坐标轴。

为进一步探索非支配解的演进过程，笔者选取DA与EB两个指标用于分析。如图7-a所示，第3代的解分布较为分散，且多数解的建筑绿色性能水平较差。随着优化过程的推进，解分布更加集中，逐渐形成清晰的Pareto前缘，且采光性能更优、碳排放量更少的解数量逐渐增加，如图7-b、7-c、7-d所示。

图8显示了四个目标的最优与最劣性能值。可以看到，四个目标的最优解均来自第50代的非支配解，而最劣解均来自前代的支配解。因此可以充分证明，运用遗传优化算法进行严寒地区大空间建筑的数字化节能设计在绿色性能水平提升方面行之有效。

（2）多绿色性能权衡能力与设计可能性探索能力