皮盼资讯网移动版

为验证构建的设计参量敏感性分析模块的使用效果，本研究选取文献[3]中实验案例的设计参量作为验证实验组的设计参量，基于研究中的设计参量敏感性分析功能模块，实现对寒地办公建筑有效天然采光照度百分比性能影响设计参量敏感性分析，并与原文献得出的性能模拟结论进行比较。原文献中的实验设计参量如表1-1所示，根据文献中的建筑实验设计参量建构寒地办公建筑自然采光性能模拟模型，同样基于GH中的OCTOPUS插件可进行建筑性能采样（图3），并将模拟数据存储到性能模拟采样数据库中。

经过历时10小时的建筑性能模拟采样后可得到200组建筑性能模拟数据组，以反映建筑设计参量与建筑有效天然采光照度之间的映射关系。然后将该数据库输入至设计参量敏感性分析功能模块中并设置迭代次数为3000，学习率为0.1，学习速率为0.8，随后可开启模块执行开关并得到如图4的分析结果。建筑有效天然采光照度百分比性能对设计参量的敏感程度排序依次为南向窗墙比、玻璃反射率、地面反射率、墙体反射率与天花反射率，原文献中得出的设计参量敏感性排序依次为窗墙比、玻璃透射率、地板透射率。通过比较基于设计参量敏感性分析功能模块得出的敏感性设计参量与基于单因素敏感性分析法得出的设计参量敏感性较为相似，但是基于设计参量敏感性分析功能模块的设计参量敏感性分析速度得到提升，人工操作步骤得到简化。

3.3 模块应用

为验证基于寒地办公建筑决策支持模型得到的敏感性设计参量准确性及建筑性能提升效果，本节将分别基于单因素敏感性分析法与设计参量敏感性分析模块确定不同设计参量对不同建筑性能的影响程度，并通过比较基于两种方法分析得出的敏感性设计参量差异性，并基于不同敏感性设计参量得出的建筑性能模拟结果，从而对该设计参量敏感性分析模块的应用效果进行验证与评价。

实验中的寒地办公建筑设计参量值域是基于对既有大量寒地办公建筑节能设计文献相关参量值域统计的，其中包括建筑形态设计参量（如表1-2）与建筑非形态设计参量（如表1-3），其可基于这些参量构建自然采光性能模拟模型与能耗性能模拟模型，从而对不同设计参量及相应性能模拟值进行建筑性能映射关系建构，从而能根据建筑设计参量值与性能模拟值建立回归方程以分析不同设计参量对不同建筑性能的影响程度。

基于单因素敏感性分析方法的建筑性能模拟实验过程中，可通过控制变量法对建筑设计参量进行调整并完成建筑性能模拟结果的记录，然后可通过对不同建筑性能模拟结果的回归分析得出不同建筑设计参量对两种建筑性能的影响程度，经模拟分析得出不同建筑设计参量的敏感度统计如表1-4所示：

另一方面，实验基于Grasshopper中的多目标优化模块OCTOPUS进行了建筑性能遗传采样，在历时49天的146次迭代计算后，可得到能够满足进行设计参量敏感性分析的性能模拟总数并完成建筑性能模拟数据库汇总，然后可基于设计参量敏感性分析模块分析建筑自然采光性能与年单位建筑面积耗能量对各种建筑设计参量的敏感程度。在分析过程中应注意将两种建筑性能模拟值与相应建筑设计参量值分别置入两个数据库中，并设置渐进梯度提升回归树的训练学习速率为0.1，迭代次数为300，学习率为0.1，即可展开两种建筑性能相关设计参量的敏感性分析。其中，建筑性能敏感性分析过程所得结果准确性可通过计算所得的均方误差值（Mean-Square Error, MSE）进行判定，其计算公式见式1-1：