建筑因素对环境温度的双因素方差分析

2022-03-24 01:32王学伟武新乾刘珂妍
四川建材 2022年3期
关键词:环境温度显著性密度

王学伟,武新乾,刘珂妍

(河南科技大学 数学与统计学院,河南 洛阳 471023)

0 前 言

伴随着我国经济和城市化的快速发展,建筑业现在已经成为我国国民经济的重要支柱产业,而建筑行业作为一个资源和能源消耗量比较大的行业,需要基于循环发展以及绿色发展等理念,在确保工程顺利建设的同时,尽量减少对环境的伤害[1]。而当前我国在绿色建筑技术方面虽取得了一定的成果,但人与自然的可持续发展仍是一场永久性的战略,需要不断地前进,才能更好地应对未来的发展局势,才能为人类提供更好的生存居住空间[2]。因此,对于绿色建筑的持续性探索是有必要的,建筑因素对环境温度的影响是绿色建筑中应考虑的一个重要问题。许多专家和学者对此类问题进行了探究。于志超[3]分析了建筑高度对顶棚温度场的影响,发现随着建筑高度的增加,火源中心线附近处的水平温度变化梯度减小;梁树维[4]研究得出,百叶遮阳可以有效控制进入办公建筑内的太阳辐射,合理利用太阳光不仅可以改善室内的光热环境,而且可以降低室内的综合能耗。而本文主要通过SAS软件来分析建筑因素对环境温度影响的关键性因素,从而来控制这些因素对环境温度产生的影响。

1 数据预处理

本文依据河南科技大学建筑学院团队实地勘测获得的环境温度和高度、绿化率、密度这三个建筑因素的440组数据。

对获得的数据进行数据预处理,即:

(1)

式中,yi为xi标准化的值。

通过对建筑的三个因素即高度、绿化率、密度分别聚类,从而对数据进行分类归并。对于K值的选择,本文采用手肘法,通过误差平方和SSE来确定合适的K值。即:

(2)

式中,K为聚类数量,p为聚类样品,mk为k个聚类的中心点。

2 不等重复双因素方差分析

2.1 绿化率和密度双因素方差分析

通过对建筑因素高度进行控制变量,对其进行K均值聚类分析,并利用手肘法来确定类族,选择第三类高度数据进行分组,从而得出各个分组后的温度数据。首先对获得的温度数据进行正态性检验,检验结果显示都通过正态性检验;然后利用SAS软件进行方差齐性检验,检验结果如表1所示。

表1 绿化率和密度方差齐性检验

表1结果显示满足方差齐性,最后将获得的温度数据导入SAS软件[5],进行不等重复双因素方差分析[6],结果见表2(因素a为绿化率,因素d为密度)。

表2 绿化率和密度因素不等重复方差分析

由表2可知,模型的显著性检验值为0.104 5>0.05,因此,模型拟合不显著,即可以认为建筑因素绿化率和密度对环境温度没有显著影响。

2.2 密度和高度双因素方差分析

对绿化率因素进行控制变量,然后通过同样的方法获得分组后的温度数据,验证满足正态性检验和方差齐性之后,将获得的温度数据导入SAS软件内进行双因素不等重复方差分析[7-8],结果见表3(因素d为密度,因素b为高度)。

表3 密度和高度因素不等重复方差分析

表3结果显示:模型假设显著性有效,建筑因素密度对环境温度的F值为4.58,p值为0.011 6<0.05,表明建筑因素密度对环境温度有显著性差异;建筑因素高度对环境温度的F值为150.31,p值<0.05,说明建筑因素高度对环境温度有显著性差异;而对于两者的交互作用的p值>0.05,可以认为建筑因素密度和高度的交互作用对环境温度没有显著性影响。因此,研究表明,适当地控制建筑的高度和密度可以减少对环境温度的影响。

2.3 绿化率和高度双因素方差分析

对建筑因素密度进行控制变量,然后通过同样的方法获得分组后的温度数据,验证满足正态性检验和方差齐性之后,将获得的温度数据导入SAS软件内进行双因素不等重复方差分析,结果见表4(因素a为绿化率,因素b为高度)。

表4 绿化率和高度因素不等重复方差分析

表4结果显示:模型显著有效,建筑因素绿化率对环境温度的F值为3.54,p值为0.016 5<0.05,表明建筑因素绿化率对环境温度有显著性差异;建筑因素高度对环境温度的F值为195.69,p值<0.05,说明建筑因素高度对环境温度有显著性差异;而对于两者的交互作用的p值>0.05,可以认为建筑因素绿化率和高度的交互作用对环境温度没有显著性影响。因此,经过探究可知,通过合理控制建筑的高度和绿化率来降低对环境温度的影响。

3 结 语

本文主要在不考虑其他建筑因素的前提下,探究建筑因素高度、绿化率和密度两两之间对环境温度的影响。研究表明,绿化率和密度的调整对环境温度没有造成显著的差异;而绿化率和高度以及密度和高度的改变对环境温度造成显著性差异。因此,在建筑实施过程中,通过对绿化率和高度或者密度和高度的改变来调节环境温度,提高环境的质量,更好地推进绿色建筑的发展。

[ID:012867]

猜你喜欢
环境温度显著性密度
对统计结果解释和表达的要求
环境温度对汽车行驶阻力的影响
一种结合多尺度特征融合与像素损失加权的显著性目标检测方法
『密度』知识巩固
密度在身边 应用随处见
权衡“轻”“重” 吃透密度
Review of a new bone tumor therapy strategy based on bifunctional biomaterials
基于区域特征聚类的RGBD显著性物体检测
基于显著性权重融合的图像拼接算法
雷克萨斯CT200h车环境温度显示异常