《基於數據驅動的建築環境影響評價模型及關鍵問題研究》是依託廈門大學，由周綺鳳擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於數據驅動的建築環境影響評價模型及關鍵問題研究
- 項目類別：青年科學基金項目
- 項目負責人：周綺鳳
- 依託單位：廈門大學
項目摘要,結題摘要,
項目摘要
建築環境影響評價是改善生態環境危機的重要手段，是當前可持續發展的研究熱點之一。目前廣泛使用的環境影響評價方法代價高昂，且僅能從建築生態學的角度給出局部或簡化的評價結果,無法充分利用海量、高維、異構的建築環評數據。本項目針對建築環評數據的新特點，開展基於數據驅動的建築環境影響評價模型及關鍵問題研究，填補目前建築環評中尚無自動、高效、全面的評估方法的空白。主要研究內容包括：針對建築屬性數據的高維性和複雜性開展多層次代價敏感特徵選擇研究，發現影響環境的主要建築材料；在此基礎上，設計異構社區發現和可移植半監督聚類集成算法，約減評估規模，將單個建築環評推演至大規模建築群評估；針對建築基礎數據來源的多樣性和異構性，設計多重異構聚類算法，解決綠色建築設計中可替代材料選擇的難題。本項目的研究成果，有助於解決大數據環境下建築環評面臨的若干難題，並豐富現有的數據挖掘方法。
結題摘要
針對已有建築環境影響評價方法代價高昂，且僅能從建築生態學的角度給出局部或簡化的評價結果,無法充分利用海量、高維、異構的建築環評數據等問題，本課題開展了基於數據驅動的建築環境影響評價問題研究。課題旨在根據建築大數據的特點，開發數據挖掘新方法，輔助解決大數據環境下建築環評面臨的若干難題，並豐富現有的數據挖掘方法。 課題主要研究內容包括：針對建築屬性數據的高維性和複雜性開展多層次代價敏感特徵選擇研究，發現影響環境的主要因素；設計異構社區發現和可移植半監督聚類集成算法，從而約減評估規模，將單個建築環評推演至大規模建築群評估；針對建築基礎數據來源的多樣性和異構性，設計多重異構聚類算法，幫助解決綠色建築設計中可替代材料選擇的難題。 課題研究的重要結果包括：（1）提出了代價敏感隨機森林特徵選擇算法，針對現有特徵選擇算法只關注特徵與類標的相關性而忽略了特徵的代價，設計了能同時選擇低代價和高性能的特徵子集方法。該方法具有很好的推廣性，可用於建築環評關鍵因素髮現以及醫療檢測屬性選擇等問題。所提方法發表於Journal of knowledge based system（SCI， JCR 2區），且該文章獲2016 ESI 高被引論文（Top1%）。（2）提出一種半監督聚類融合算法。常規的半監督聚類算法將先驗知識轉化為 must-link 和cannot-link 的約束信息直接引入聚類過程，在先驗知識或約束條件改變時，需要重新生成聚類成員，將造成巨大的計算負擔。課題提出的方法在生成不同聚類成員時不使用約束信息，而將約束信息引入到聚類集成過程中，搜尋滿足約束一致性條件的聚類結果，進行集成。這樣，當先驗知識或約束條件改變時，無需重新生成聚類成員，只需進行新的搜尋，保證了原有聚類成員的可移植性。該方法可以套用於大規模建築環評規模約減問題中。（3）構建了一套完整的基於數據驅動的建築能耗評價框架，為建築能耗分析提供新的途徑。
