皮盼资讯网移动版

n为总建筑性能模拟数据组数，OBSERVED_K为模拟得到的各组建筑性能数据，PREDICTED_K为基于GBRT算法预测得到的各组建筑性能数据。最终，基于敏感性设计参量功能模块得到的建筑自然采光性能相关设计参量间的敏感性如图5所示，分析结果中的MSE值为0.6，具有较高的准确性；建筑室内AEC性能相关设计参量敏感性分析结果如图6所示，分析结果中的MSE值为0.8，也具有较高的准确性。

通过综合分析影响建筑有效天然采光照百分比性能设计参量的敏感性数值与影响AEC性设计参量的性能敏感性数值，得出两种建筑性能影响程度较高的敏感性设计参量为建筑总进深——东部中庭宽度——西部中庭宽度——建筑总开间——北部中庭宽度——南向窗墙比——北向窗墙比——建筑层高——南向中庭宽度——墙体传热系数——建筑层数——西向窗墙比——X方向天窗比例——东向窗墙比——Y方向天窗比例——玻璃传热系数——屋顶传热系数。基于以上分析结果，决策者可选择前3-6项敏感性设计参量（建筑总进深——东部中庭宽度——西部中庭宽度——建筑总开间——北部中庭宽度——南向窗墙比）作为建筑性能多目标优化的敏感性设计参量。

基于单因素敏感性分析法与设计参量敏感性分析功能模块得出不同设计参量对建筑有效天然采光照度性能的敏感度有较大差异，为比较不同组分析得出的敏感性设计参量对建筑性能的综合影响程度，本节最终将分别提取两种分析方法所得排名前6的敏感性设计参量作为控制变量进行建筑有效天然采光照度模拟与建筑AEC性能模拟，通过将两种中敏感性设计参量分别提高约10%并取整的原则设置对照组设计参量数值，并通过比较两组建筑设计参量提升前后的性能变化量，从而得出基于哪种方法得出的敏感性设计参量更有效。具体实验设置及模拟结果如表1-5。

通过表中性能模拟结果分析可得，基于敏感性设计参量功能模块得到的设计参量组执行的建筑性能模拟实验，单位设计参量的改变影响UDI100-2000改变量较高；基于单因素敏感性分析得到的设计参量组执行的性能模拟实验，单位设计参量的改变影响AEC性能模拟值更高；综合两种性能改变量的分析可得，本研究中决策支持模型中的设计参量敏感性分析功能模块对敏感性设计参量分析贡献度更大。

4 结论

本文通过对建筑性能模拟、建筑性能多目标优化以及设计参量敏感性分析等理论的研究，基于Python编程将渐进梯度提升回归树算法置入Grasshopper平台以完成建筑设计参量敏感性分析模块的构建。通过比较分析基于单因素敏感性分析方法与基于设计参量敏感性分析模块得出的敏感性设计参量对两种建筑性能影响程度的差异以及对基于两组敏感性设计参量进行建筑性能多目标优化结果的比较得出，本研究构建的设计参量敏感性分析模块可有效提高建筑自然采光性能与能耗性能，且基于设计参量敏感性分析模块的建筑性能优化过程有效的简化人工操作步骤并提升敏感性分析效率。

参考文献

[1] 夏春海, 朱颖心, 林波荣. 方案设计阶段建筑性能模拟方法综述[J]. 暖通空调, 2007, 37(12):32-40.

[2] 喻伟, 李百战, 王迪. 一种基于性能导向的建筑多目标优化设计方法：中国，CN201610674684.2[P]. 2017-01-04

[3] 于虹，梁静，高亮. 严寒地区开放办公建筑自然采光性能影响因素敏感性分析[C]∥吉国华.全国建筑院系建筑数字技术教学与研究学术研讨会论文集.北京：中国建筑工业出版社，2017：159-168.

[4] 刘光昭. 基于最优多项式模型的结构全局敏感性分析方法研究[D]. 湖南：湖南大学，2015.

(责编：刘扬、赵光霞)