基于BIM-Bayes的绿色建筑评价优化模型构建研究①

李瑶鹤， 陈 力

(1.咸宁职业技术学院，湖北 咸宁 437100；2.湖北省地质局第四地质大队，湖北 咸宁 437100)

0 引 言

BIM技术源于建筑行业，利用互联网工具，以数字化方式对施工项目的全过程进行信息化管理，包括可视化建筑设计方案、可视化建筑效果以及整合建筑数据等，对于建筑经济性以及环境保护性意义重大[1]。BIM技术可实施协调化手段整合模拟施工项目的建筑性能以及材料构造，达到对建筑项目属性进行反馈。BIM技术尽管在我国的应用时期较短，但随着信息化的不断发展，BIM技术已经成为我国建筑领域智能化变革的关键技术，毫无疑问将开启我国建筑行业智能化发展的新时代[2-3]。本文就是在此背景下，以绿色建筑作为研究客体，结合BIM技术与贝叶斯网络结构建立科学客观的绿色建筑综合评价与优化模型，旨在促进我国绿色建筑的发展。

1 绿色建筑综合评价优化模型

1.1 绿色建筑评价指标体系建立

根据国内外绿色建筑评价标准与体系，同时结合BIM技术的分析特点，初步确立了节约能源、节约水资源、节约土地、节约建材、室内环境舒适以及房屋运营管理6个方面[4-6]。根据初步建立的绿色建筑综合评价体系对评价指标进行进一步筛选，筛选的过程以及整体的构建思想如图1所示。

图1 绿色建筑综合评价体系建立流程

主要是利用BIM技术对绿色建筑进行评价，故在上述评价体系的基础上，结合BIM技术分析特点，综合选取影响建筑绿色性能较大的因子，而Ecotect是绿色建筑经典分析软件之一，该软件重点在于分析建筑的能源消耗，因而得到的绿色建筑评价体系以节能评价为主，一级评价指标分别为墙体结构的耐热性能、通风效果、光照效果、日照与庇荫、阳光辐射以及太阳能利用，以上指标作为节能评价的一级指标，接下来将以问卷的形式对一级指标进行详细划分[7-8]。研究中共选取五类人作为调查对象，分别是大学建筑专业教授、建筑设计师、房地产工作人员与政府工作人员，总计发放问卷110份，回收有效问卷90份，得到的问卷调查结果如表1所示。

表1 绿色建筑评价问卷调研结果

由上表可知该种方法下得到的绿色建筑节能评价指标体系一共有12个二级评价指标，分别为外窗材料、屋顶材料、外窗窗墙比例数、自然通风效果、建筑通风支持、灯具节能效果、灯具数目、建筑间距、建筑朝向、太阳能光电板分布、太阳能光电板材料以及遮阳设备分布[9]。十二个指标中按照重要性排在最前面的依次为遮阳设备分布、自然通风效果、太阳能光电板数目、外窗材料以及灯具节能效果[10]。为了更详细地评价绿色建筑的节能效果，在对比分析相关材料性能的基础上，将二级指标体系进行了细化，将其按照参数性能，分为三个级别，具体的分级标准如表2所示。

表2 绿色建筑节能评价二级指标分级标准I

由上表可知，绿色建筑的遮阳效果可从中间遮阳、内部遮阳与外部遮阳三方面进行评价；太阳能光电板的安装合理性则从光电板分布数量与安装材料两方面进行衡量；建筑通风支持效果从通风系统以及空调系统两方面综合评价；自然通风效果应该综合考虑通风设备的安装数量及其分布[11]。

由表3可知，可以根据屋顶样式的不同，将绿色建筑的性能分为不同级别；此外外窗材料的传热系数也对建筑的绿色性能有较大影响；而且不同建筑项目具有不同的照明需求，需要根据建筑用途的不同，将其分为不同的绿色级别，一般来说住宅建筑的照明密度较低，绿色性能较好，公用建筑的照明密度较高，绿色性能相对较差[12]。

表3 绿色建筑节能评价二级指标分级标准II

1.2 基于BIM的绿色建筑评价优化模型

根据评价需求和绿色建筑的性能，利用BIM中的Ecotect软件进行模拟，同时结合专家经验法，量化各指标的具体参数，并确定相应的等级，按照优秀、一般、差三个等级评判各指标。作为一种数字处理算法，贝叶斯算法可以快速高效完成评价结果的参数化，贝叶斯参数化评价过程主要基于网络结构学习与参数学习。故而基于BIM与贝叶斯技术的绿色建筑节能评价主要包括4个步骤，分别是打分函数构建、最优网络结构确定、参数学习以及评价值确定。打分函数的原理为最小描述，即给定假定条件下，被压缩最多的即为最优。若用某种算法将实数集D进行保存，便于保存编辑实数，算法与编辑实数之和即为总长度，详细的计算模型如公式(1)、(2)所示。

(1)

(2)

打分函数是构建最优网络结构的基础，搜索算法基于此对最优网络结构进行确定。搜索算法具有多种表现形式，其中用得最为广泛的当属贪婪搜索算法。网络结构学习所需的数据集为先验数据，对应的处理过程如后所述。假定初始边用e进行表示，边元素集合用E代表，同时有e∈E，从边元素集合E中进行挑选，找寻最优e，将e加入打分函数，并观察记录其变化值，用Δ(e)表示。在确定好初始网络结构的基础上，挑选最佳边元素e，使得Δ(e)>Δ(e')成立且满足∀e'∈E，其中有Δ(e)>0，这个过程会一直持续，一直到在边元素集合中删除掉所有不符合条件的e。参数学习需要利用最大似然估计法，在参数学习过程中假定节点数值集的子集用D表示，各子集之间相互独立，由极大似然估计原理可知，可以在D的联合概率密度上建立一个值域最大的网络结构，这个网络结构用S表示，涉及到的计算模型如式(3)。

(3)

上式中Pw(D)代表联合概率密度，联合概率密为各节点数值集的综合值；wijk表示i子节点的父节点于j状态时的概率值k；LnPw(D)代表Pw(D)的单调增加函数；Zi=(k,j)表示i节点与其父节点分别位于k,j状态的值；Pw(Zi=(k,j)|Dh)则表示Dh((已知证据)以及各节点于各状态的联合概率分布。评价值计算是一个综合过程，计算中假定终节点联合概率位于状态3的评级结果为优秀，位于状态2的评级结果为一般，状态1的评价结果则为差，其中利用P(statei)代表终节点在各状态的条件概率值，利用BIM与贝叶斯网络技术的目标是量化绿色建筑各项评价指标，最终得到关于绿色建筑的节能评价效果，对应的计算模型如(4)所示。

G=90×P(state3)+60×P(state2)+

30×P(state1)

(4)

由上式可知，当G≥60时，某建筑的绿色节能评价假定为优秀；若30≤G<60，则某建筑的节能绿色评价可以假定为一般；当G<30时，某建筑的绿色节能评价则被认定为质量差。故而通过上述过程即可实现对绿色建筑的节能综合评价，综合评价可以作为贝叶斯正向推理的结果，为绿色建筑性能优化奠定基础。在对绿色建筑节能性能评价的基础上，可以对节能评价影响因子进行优化分析，利用Bayes算法的推理功能，通过正向推理，找出节能评价影响因子之间的关系，为优化绿色建筑节能性能提供决策支持。正向推理过程需要更改影响因素节点的概率，保持其他概率固定的条件下，Bayes可通过传播获取节能评价概率值，并对比各节点的概率变化情况，以验证网络模型的有效性，确定各节点之间的影响度，对应的计算公式如(5)所示。

X2,…,Xn=Xn))X×P(X1=X1,

X2=X2,…,Xn=Xn))Xi∈

{state1,state2,state3}

(5)

其中根节点数目用n进行表示，各根节点的状态值分别用state1,state2,state3表示，共有3n种排列方式；Bayes网络的正向传播条件概率表用P(T=1|P(X1=X1,X2=X2,...,Xn=Xn))进行表示；而终节点的联合概率分布则用哪个P(X1=X1,X2=X2,...,Xn=Xn)进行表示；所在级别概率值用P(T)进行表示。

2 绿色建筑优化模型实验分析

为了对上述模型的有效性进行验证，实验中以X建筑作为研究对象。该项目一共有15层，分为地上地下两个部分，建筑高度约为45m，建筑面积约为8000m2，地上建筑约为7500m2，地下建筑约为500m2。建筑朝向为正南方，建筑外表面积约为15641m2，地上建筑面积约为40231m2，体形系数0.38。根据该建筑项目的特点，结合上述构建的基于BIM与Bayes网络的绿色建筑节能评价体系，详细分析每一个根节点，确定对应的评价级别，得到了如表4所示的子项评价等级表。

表4 实例评价表

将上述建筑项目作为背景进行验证，利用第二节构建的评价优化模型综合评价该项目的节能性能，得到了如图2所示的分析结果，由图2可知，光条件中评价为优秀的占80%，光照与庇荫中评价为优秀的占89%，墙体结构的耐热效果中评价为优秀的占48%，阳光辐射与太阳能利用率中评价为一般的占81%，通风效果中评价为差的占82%，故而利用上述综合评价公式可知，该建筑项目的节能评价综合结果为72.6分，等级为优秀，节能效果较好。

图2 项目评价分析

当不考虑各二级指标的权数时，利用评价模型前得到的评级结果为优秀，与用模型评价得到的评级结果一致，说明该BIM-Bayes评价模型具有可行性。在进行建筑项目评价指标优化时，对各评价指标进行调整，一般指标调整为优秀，差指标调整为一般。调整后得到了如图3所示的评价优化结果。由图3可知三级评价指标的变化较为显著，表现为差指标占比均降为0；光照与庇荫评价结果为优秀的占比上升至91%，阳光辐射与太阳能利用率评价为优秀的则上升至8%，墙体结构的耐热效果评价为优秀的占比上升至71%。由评价优化公式可知优化后的绿色建筑节能效果综合为84.6分，较优化前上升了12分，等价于节能效果提升了16%，由此看出该优化模型可提高建筑节能性能。

图3 项目优化分析

3 结 语

绿色建筑评价优化指标较多，考虑到BIM技术特点，以绿色建筑的节能性能为重点研究对象，综合运用文献资料法、专家经验法以及调查问卷法得到了绿色建筑的节能评价指标体系，并在结合BIM技术与Bayes网络结构的基础上，构建了绿色建筑节能综合评价与优化模型，该模型可以对建筑物的节能性能进行综合评分，依据评分得到对应的评级结果。此外该评价模型还可以依据评价结果，对该建筑进行性能优化，进一步提高建筑的节能效率。为了对该模型的可行性进行验证，研究中以X建筑作为研究对象，进行了相关实验。综合评价结果表明，光条件评价结果为优的比例为80%；光照与庇荫评价结果为优的比例为89%；墙体结构耐热效果评价结果为优的比例为48%；阳光辐射与太阳能利用率评价结果为一般的比例为81%；通风效果评价结果为差的比例为82%；综合可知该建筑的节能评价结果为72.6分，可划分为优秀等级，具有较高的节能性能。另外该模型的优化结果显示，绿色建筑的节能一级评价指标得分较优化前均上涨，总体节能性能上升约16%，由此可知，优化后的建筑节能性能提高。尽管该方法可以为绿色建筑评价优化提供方法参考，但是实验中还存在评价指标设置较少，评价结果不够精确的问题。