摘要：為了提升農(nóng)村住宅的采光、能耗和熱舒適性等性能，借助Grasshopper平臺，選用Honeybee、Ladybug、Octopus插件，提出一種基于樹狀高斯過程全局敏感性分析的農(nóng)村住宅性能優(yōu)化方法；通過構(gòu)建基準(zhǔn)建筑模型，綜合分析設(shè)計參數(shù)對農(nóng)村住宅性能的影響，并進(jìn)行多目標(biāo)優(yōu)化。結(jié)果表明：農(nóng)村住宅的建筑朝向與建筑高度為影響建筑采光、能耗和熱舒適性的關(guān)鍵因素；與基準(zhǔn)建筑模型相比，利用所提出方法優(yōu)化后農(nóng)村住宅的建筑全年平均有效天然光照度為35.62%，略有增大，建筑冬季采暖能源使用強(qiáng)度為25.30kW·h/m2，減小了10%，客廳冬季平均熱舒適預(yù)計不滿意百分比為14.28%，減小了5%。

關(guān)鍵詞：農(nóng)村住宅；性能優(yōu)化；多目標(biāo)優(yōu)化；全局敏感性分析

中圖分類號：TU24

文獻(xiàn)標(biāo)志碼：A

Abstract：Toimproveperformanceofruralresidencesintermsofdaylighting，energyconsumption，andthermalcomfort，aperformanceoptimizationmethodofruralresidencesbasedonglobalsensitivityanalysisoftreedGaussianprocesswasproposedwiththehelpofGrasshopperplatformandusingpluginsofHoneybee，Ladybug，andOctopus.Byestablishingabenchmarkbuildingmodel，impactsofdesignparametersontheperformanceoftheruralresidenceswerecomprehensivelyanalyzed，andmultiobjectiveoptimizationwascarriedout.Theresultsshowthatbuildingorientationandbuildingheightarekeyfactorsaffectingbuildingdaylighting，energyconsumption，andthermalcomfort.Comparedwiththebenchmarkbuildingmodel，theannualaverageusefuldaylightilluminanceoftheruralresidenceoptimizedbyusingtheproposedmethodis35.62%whichhasaslightincrease.Theenergyuseintensityofbuildingheatinginwinteris25.30kW·h/m2withadecreaseof10%，andtheaveragepredictedpercentageofdissatisfiedoflivingroominwinteris14.28%withadecreaseof5%.

Keywords：ruralresidence;performanceoptimization;multiobjectiveoptimization;globalsensitivityanalysis

在我國碳中和、碳達(dá)峰的時代背景下，節(jié)能減排成為各行各業(yè)愈發(fā)關(guān)注的課題［1］。農(nóng)村住宅在全國住宅建筑中占據(jù)重要地位［2］，如何對既有農(nóng)村住宅進(jìn)行節(jié)能優(yōu)化，是實現(xiàn)建筑業(yè)碳中和、碳達(dá)峰的重要方面；另外，隨著人民生活水平的不斷提高，農(nóng)村居民對居住環(huán)境的改善也不斷有新的要求［3］，如何實現(xiàn)節(jié)能、采光、熱舒適等性能的均衡提升成為當(dāng)今農(nóng)村住宅建筑從業(yè)者共同面臨的問題，而常規(guī)的模擬優(yōu)化設(shè)計方法耗時較長且工作量大，難以實現(xiàn)對優(yōu)化結(jié)果的窮舉，存在諸多局限性。

智能優(yōu)化算法在處理復(fù)雜性、約束性、非線性等問題時具有突出能力，因此吸引了建筑師將其運用于建筑性能優(yōu)化，解決了以往優(yōu)化過程繁瑣、耗時較長以及結(jié)果單一等問題［4］。近年來相關(guān)研究［5-6］也在逐步推進(jìn)，目前關(guān)于智能優(yōu)化算法的建筑相關(guān)研究主要集中在應(yīng)用遺傳算法對建筑性能進(jìn)行的多目標(biāo)優(yōu)化［7］，并且以SPEAII、NSGAII、HypE算法最為廣泛；常見的優(yōu)化工具為基于Grasshopper平臺的Octopus插件和數(shù)學(xué)軟件MATLAB，以O(shè)ctopus插件居多［8］。張少飛［9］以全年動態(tài)評價指標(biāo)空間自主采光閾、年日照時數(shù)、有效天然光照度（usefuldaylightilluminance，UDI）等自然采光指標(biāo)為目標(biāo)函數(shù)，利用Grasshopper平臺參數(shù)化工具并結(jié)合SPEAII算法，針對某養(yǎng)老機(jī)構(gòu)建筑的側(cè)向采光口形狀和角度進(jìn)行優(yōu)化研究。楊崴等［10］對中國華北地區(qū)某博物館建筑進(jìn)行案例分析，以建筑能耗、生命周期成本、一次能耗以及全球變暖潛勢為目標(biāo)函數(shù)，基于Grasshopper平臺，結(jié)合HypE算法，比較了不同優(yōu)化流程目標(biāo)集和變量設(shè)置對最優(yōu)解集的影響。Chegari等［11］以能耗和熱舒適性為指標(biāo)，利用MATLAB軟件，結(jié)合NSGAII算法對摩洛哥馬拉喀什地區(qū)的某住宅的墻體、窗口、遮陽設(shè)備、熱橋以及通風(fēng)的熱物性參數(shù)進(jìn)行了多目標(biāo)優(yōu)化。以上研究的優(yōu)化指標(biāo)多具有偏向性，缺乏對能耗、采光以及熱舒適的綜合性考慮。孫澄等［12］以建筑能耗、熱不舒適時間比、自主采光閾、UDI為目標(biāo)函數(shù)，研究了嚴(yán)寒地區(qū)辦公建筑的幾何尺寸、構(gòu)造和運行等建筑參數(shù)的優(yōu)化設(shè)計。Sun等［13］以能源使用強(qiáng)度（energyuseintensity，EUI）、空間自主采光閾、UDI和建筑圍護(hù)結(jié)構(gòu)成本為目標(biāo)函數(shù)，對長春市公共圖書館大樓進(jìn)行了多目標(biāo)優(yōu)化研究。孫澄等［12］、Sun等［13］將優(yōu)化研究目標(biāo)拓展到建筑能耗、熱舒適、采光3個方面，使多目標(biāo)研究范圍更廣泛，但是因以城市中辦公和公共建筑為研究對象而缺乏針對農(nóng)村住宅的探討。湯兵［14］以外窗類型與不同方向的窗墻比作為外窗性能與尺度設(shè)計變量，借助Grasshopper平臺中的Ladybug、Honeybee、Octopus插件生成典型建筑模型并對寧夏紅寺堡生態(tài)移民住房進(jìn)行多目標(biāo)優(yōu)化。Zhu等［15］利用Rhino-Grasshopper模型提取并建立3種鄉(xiāng)村旅游建筑的基準(zhǔn)模型，應(yīng)用基于Pareto理論的多目標(biāo)優(yōu)化工具Octopus插件，探討鄉(xiāng)村旅游建筑的形狀和窗墻比對能耗、室內(nèi)采光和熱舒適性等方面性能的影響?，F(xiàn)有研究雖然嘗試了將優(yōu)化算法與農(nóng)村住宅的性能優(yōu)化相結(jié)合，但是都主要關(guān)注于優(yōu)化目標(biāo)，缺乏對設(shè)計參數(shù)影響關(guān)系的綜合研究。

篩選、提取影響建筑性能的關(guān)鍵參數(shù)可以有效改善和提高優(yōu)化設(shè)計的合理性與精確性，節(jié)省優(yōu)化時間和成本，然而各參數(shù)與建筑性能之間的作用關(guān)系非常復(fù)雜，利用全局敏感性分析方法確定關(guān)鍵參數(shù)可以有效解決設(shè)計參數(shù)與目標(biāo)函數(shù)間的非線性復(fù)雜關(guān)系問題。何成［16］利用全局敏感性分析，定量研究了37個設(shè)計參數(shù)的能耗敏感性，并得出庭院式建筑性能的關(guān)鍵參數(shù)，論證了全局敏感性分析在建筑能耗分析中的合理性。本文中提出一種農(nóng)村住宅性能多目標(biāo)優(yōu)化方法，基于Grasshopper平臺，借助Honeybee、Ladybug、Octopus插件，以及Python、R語言等工具建立建筑基準(zhǔn)模型，搭建性能優(yōu)化平臺；同時結(jié)合基于樹狀高斯過程（treedGaussianprocess，TGP）的全局敏感性分析方法，進(jìn)行農(nóng)村住宅性能敏感性分析，綜合分析設(shè)計參數(shù)對目標(biāo)函數(shù)的影響，并篩選影響建筑性能的關(guān)鍵參數(shù)；針對農(nóng)村住宅基準(zhǔn)模型進(jìn)行多目標(biāo)優(yōu)化，通過非支配解集篩選關(guān)鍵參數(shù)的推薦值或區(qū)間，并對優(yōu)化結(jié)果進(jìn)行評價。

濟(jì)南大學(xué)學(xué)報（自然科學(xué)版）第37卷

第3期姚勝，等：基于全局敏感性分析的農(nóng)村住宅性能優(yōu)化方法

1性能優(yōu)化方法

1.1性能優(yōu)化平臺

Grasshopper平臺作為Rhino軟件中的輔助設(shè)計插件［17］，已被越來越多的設(shè)計師用于參數(shù)化設(shè)計。Ladybug、Honeybee插件是近年來興起的建筑性能模擬工具［18］，高效整合了既有模擬軟件的內(nèi)核，通過該插件可實現(xiàn)建筑風(fēng)光熱以及能耗等性能的模擬，極大簡化了建筑性能模擬的過程。Octopus插件是由維也納應(yīng)用藝術(shù)大學(xué)開發(fā)的可用于多目標(biāo)優(yōu)化插件［19］，內(nèi)置多種優(yōu)化算法，為Grasshopper平臺用戶提供了較便利的多目標(biāo)優(yōu)化模塊?；贕rasshopper平臺與全局敏感性分析的農(nóng)村住宅性能優(yōu)化流程框架如圖1所示。

1.2基于TGP的Sobol法

基于TGP的Sobol法是一種全局敏感性分析法，適用于非線性［20］和非靜態(tài)回歸模型［21］。相對于一般的基于方差的分析方法，TGP需要的模型少，計算量小，效率高［22］，因此選擇該方法進(jìn)行目標(biāo)函數(shù)對各設(shè)計參數(shù)的敏感性分析。主效應(yīng)和全效應(yīng)是設(shè)計參數(shù)敏感性分析結(jié)果的2個指標(biāo)。其中主效應(yīng)指當(dāng)參數(shù)單獨變化時對結(jié)果方差的貢獻(xiàn)，并使用一階敏感性指數(shù)度量貢獻(xiàn)水平；全效應(yīng)則指各參數(shù)在與其他參數(shù)交互作用的情況下對結(jié)果方差的貢獻(xiàn)，并使用全局敏感性指數(shù)度量貢獻(xiàn)水平。主效應(yīng)和全效應(yīng)的值均為［0，1］，計算公式［16］分別為

2基準(zhǔn)模型搭建

2.1基準(zhǔn)建筑模型

以河北省工程建設(shè)標(biāo)準(zhǔn)設(shè)計圖集DBJT02-183—2020《農(nóng)村住宅標(biāo)準(zhǔn)設(shè)計圖集（冀中分冊）》中的戶型（一）為基礎(chǔ)，并結(jié)合實際調(diào)研情況，構(gòu)建基準(zhǔn)建筑模型［25］，基準(zhǔn)建筑模型的效果圖與主要平面布局如圖2所示。

根據(jù)河北省工程建設(shè)標(biāo)準(zhǔn)設(shè)計圖集DBJT02-183—2020《農(nóng)村住宅標(biāo)準(zhǔn)設(shè)計圖集（冀中分冊）》［25］與國家標(biāo)準(zhǔn)GB50176—2016《民用建筑熱工設(shè)計規(guī)范》［26］，建筑圍護(hù)結(jié)構(gòu)構(gòu)造形式及傳熱系數(shù)見表1。內(nèi)墻面與頂棚的內(nèi)表面材料設(shè)置為白色乳膠漆，可見光反射率為0.84；設(shè)置地面的表面材料為防滑地磚，可見光反射率為0.35［27］。

客廳、餐廳、臥室在冬、夏季的室內(nèi)設(shè)定溫度分別為20、26℃，衛(wèi)生間、廚房在冬季室內(nèi)的設(shè)定溫度分別為18、16℃，夏季無設(shè)置；基準(zhǔn)建筑模型中功能房間內(nèi)部負(fù)荷見表2［28］；基準(zhǔn)建筑模型運行時刻表見表3。

采用Octopus運算器內(nèi)置的SPEAII算法作為優(yōu)化算法。該算法在收斂性、解集分布性等方面都有較大的優(yōu)勢，多目標(biāo)優(yōu)化算法的運行參數(shù)設(shè)置如表4所示。

2.2優(yōu)化平臺框架

選取建筑全年平均UDI評價農(nóng)村住宅采光性能。UDI是室內(nèi)水平工作面上采光照度滿足某范圍內(nèi)的時長占全年工作時長的比例。當(dāng)照度為100～2000lx時，認(rèn)為光環(huán)境符合正常視覺工作需求，可稱該照度區(qū)間為有效區(qū)間。UDI值越大，建筑采光性能越好［29］。

選取建筑冬季采暖EUI評價農(nóng)村住宅能耗性能，冀中地區(qū)屬于寒冷氣候區(qū)，冬季采暖能耗大，而建筑冬季采暖的能耗強(qiáng)度能夠反映建筑單位面積的冬季采暖總能耗［30］。

選取客廳冬季平均預(yù)計不滿意百分比（predictedpercentageofdissatisfied，PPD）評價農(nóng)村住宅的熱舒適性能，預(yù)計熱感覺指數(shù)（PMV）及PPD是目前國際公認(rèn)的評價室內(nèi)熱環(huán)境質(zhì)量的較好方法，能有效反映建筑室內(nèi)的熱舒適情況［31］?？蛷d作為使用頻率最高的房間，其PPD對于整個建筑而言更有代表性。

在選定建筑全年平均UDI、建筑冬季采暖EUI、客廳冬季平均PPD評價住宅各方面性能的基礎(chǔ)上，考慮到優(yōu)化引擎的優(yōu)化機(jī)制是尋求最小化目標(biāo)函數(shù)值，以-UDI、EUI、PPD作為目標(biāo)函數(shù)進(jìn)行模擬優(yōu)化?；贕rasshopper平臺的農(nóng)村住宅性能優(yōu)化平臺框架如圖3所示。

3結(jié)果與分析

3.1敏感性分析

選取對建筑性能影響較大的幾何形體參數(shù)作為設(shè)計參數(shù)，按照基本使用要求和相關(guān)規(guī)范對設(shè)計參數(shù)的取值范圍進(jìn)行界定，如表5所示。取建筑朝向的步長為1°，陽光間窗墻比的步長為0.01，其余參數(shù)的步長均為0.01m。

為了避免重復(fù)抽樣，聯(lián)合Python語言和Grasshopper平臺對設(shè)計參數(shù)進(jìn)行拉丁超立方抽樣（Latinhypercubesampling，LHS）。按照一個參數(shù)至少變化10次的原則［32］，抽樣得到150個輸入樣本，進(jìn)行建筑性能模擬。利用R語言收集輸入、輸出數(shù)據(jù)，并運用Sensitivity、TGP軟件包，基于TGP的Sobol法進(jìn)行參數(shù)敏感性分析。圖4—6分別為建筑全年平均UDI、建筑冬季采暖EUI、客廳冬季平均PPD的敏感性分析。從圖4（a）中可以看出：除了建筑高度以外，其余10個設(shè)計參數(shù)的主效應(yīng)都呈現(xiàn)單調(diào)增大或減小的變化趨勢；當(dāng)建筑高度在一定范圍內(nèi)增大時，全年平均UDI的主效應(yīng)增大較明顯；當(dāng)超過某臨界值后，出現(xiàn)局部減小的趨勢，整體增大的趨勢放緩。從圖5（a）、6（a）可以看出，除了建筑朝向、建筑高度以外，冬季采暖EUI和客廳冬季平均PPD的主效應(yīng)隨著其余9個設(shè)計參數(shù)的增大都呈現(xiàn)單調(diào)增大或減小的變化趨勢，隨著建筑朝向的增大而呈現(xiàn)先增大后平穩(wěn)再減小的變化趨勢，隨著建筑高度的增大而呈現(xiàn)先減小后增大的非單調(diào)變化趨勢。

從圖4（b）、5（b）、6（b）中可以得出11個設(shè)計參數(shù)對于3個目標(biāo)函數(shù)從大到小的一階敏感性指數(shù)排序。從圖4（b）中可以看出，建筑高度的敏感性明顯強(qiáng)于其他參數(shù)的敏感性；從圖5（b）、6（b）中可以看出，建筑朝向與建筑高度的敏感性明顯強(qiáng)于其他參數(shù)的敏感性。從圖4（c）、5（c）、6（c）中可以得出11個設(shè)計參數(shù)中對于3個目標(biāo)函數(shù)從大到小的全局敏感性指數(shù)排序。值得注意的是，11個設(shè)計參數(shù)的全效應(yīng)相對于主效應(yīng)增大較明顯，說明11個設(shè)計參數(shù)之間的相互作用對3個目標(biāo)函數(shù)的影響較大。

為了減少多目標(biāo)優(yōu)化的運算量，提升優(yōu)化的精準(zhǔn)度，根據(jù)一階敏感性指數(shù)與全局敏感性指數(shù)對11個設(shè)計參數(shù)進(jìn)行排序，基準(zhǔn)建筑模型的設(shè)計參數(shù)敏感性分析結(jié)果排序如表6所示。剔除同時位于3個指標(biāo)一階敏感性指數(shù)與全局敏感性指數(shù)排序后7位的設(shè)計參數(shù)，主要包括餐廳進(jìn)深、臥室2寬度、客廳寬度、臥室3寬度4個設(shè)計參數(shù)，最終篩選得到用于多目標(biāo)優(yōu)化的關(guān)鍵參數(shù)為建筑朝向、臥室1寬度、臥室1進(jìn)深、廚房進(jìn)深、陽光間進(jìn)深、陽光間窗墻比、建筑高度7個參數(shù)。

3.2多目標(biāo)優(yōu)化及最優(yōu)解

表7所示為非支配解集關(guān)鍵參數(shù)和優(yōu)化目標(biāo)值。從表中可以看出：建筑朝向主要分布在南偏西40°到南偏東21°范圍內(nèi)；臥室1寬度大部分解集中在4.80m附近；臥室1進(jìn)深主要集中在3.62～3.83m；廚房進(jìn)深主要分布在3.50～3.56m；陽光間進(jìn)深主要集中在1.50、1.64m附近；陽光間窗墻比主要分布在0.81～0.88；建筑高度所有解都集中在3.21m附近。綜上可得基準(zhǔn)建筑模型關(guān)鍵參數(shù)的推薦區(qū)間，如表8所示。

由于所有最優(yōu)解均無差別地統(tǒng)計在非支配解集中，需要對非支配解集進(jìn)行對比決策與優(yōu)選，因此將建筑全年平均UDI、建筑冬季采暖EUI和客廳冬季平均PPD作為評價解，利用TOPSIS綜合評價法計算各評價解的貼近系數(shù)，按貼近系數(shù)的大小對非支配解進(jìn)行排序，選取貼近系數(shù)最大的解作為最優(yōu)解，基準(zhǔn)建筑模型關(guān)鍵參數(shù)的最優(yōu)解如表8所示。相對于基準(zhǔn)模型，最優(yōu)解所對應(yīng)的建筑全年平均UDI為35.62%，略有增大；建筑冬季采暖EUI為25.30kW·h/m2，減小10%；客廳冬季平均PPD為14.28%，減小了5%。圖7所示為優(yōu)化后建筑中各房間的性能評價指標(biāo)的變化。從圖中可以看出：經(jīng)過優(yōu)化，臥室1、陽光間的平均UDI明顯增大，分別增大9%、31%；臥室1、臥室2、客廳、餐廳4個房間的冬季采暖EUI明顯減小，分別減小9%、9%、13%、14%；各房間冬季平均PPD均有所減小，以陽光間的減小幅度最大，冬季平均PPD減小了16%。

4結(jié)論

借助Grasshopper平臺，本文中提出了一種基于樹狀高斯過程全局敏感性分析的農(nóng)村住宅性能優(yōu)化方法，并選擇相關(guān)案例進(jìn)行優(yōu)化研究，得到以下主要結(jié)論：

1）建筑朝向與建筑高度對目標(biāo)函數(shù)的敏感性明顯高于其他設(shè)計參數(shù)的，并且都存在非單調(diào)變化趨勢。設(shè)計參數(shù)之間的相互作用對建筑全年平均UDI、建筑冬季采暖EUI以及客廳冬季平均PPD這3個目標(biāo)函數(shù)的影響較大。

2）冀中地區(qū)所選農(nóng)村住宅的關(guān)鍵參數(shù)的最優(yōu)組合是建筑朝向為南偏東13°，臥室1寬度為4.80m，臥室1進(jìn)深為3.62m，廚房進(jìn)深為3.55m，陽光間進(jìn)深為1.64m，陽光間窗墻比為0.82，建筑高度為3.20m。

3）相對于基準(zhǔn)模型，經(jīng)過多目標(biāo)優(yōu)化，得到的最優(yōu)建筑關(guān)鍵參數(shù)組合對應(yīng)的農(nóng)村住宅全年平均UDI為35.62%，略有增大；建筑冬季采暖EUI為25.30kW·h/m2，減小10%；客廳冬季平均PPD為14.28%，減小5%。

參考文獻(xiàn)：

［1］金涌，韓繼波.中國實現(xiàn)碳中和需要顛覆性科技創(chuàng)新［N］.北京科技報，2021-04-19（6）.

［2］高蕾，楊華普.寒冷地區(qū)鄉(xiāng)村被動式建筑營建模式設(shè)計研究［J］.城市建筑，2019，16（20）：92.

［3］邵騰，金虹.基于優(yōu)化算法的嚴(yán)寒地區(qū)鄉(xiāng)村住宅節(jié)能優(yōu)化設(shè)計研究［J］.建筑科學(xué)，2019，35（12）：99.

［4］陳航.基于多目標(biāo)優(yōu)化算法的寒冷地區(qū)辦公建筑窗口設(shè)計研究［D］.天津：天津大學(xué)，2017.

［5］高源，池婧祎，羅書龍，等.基于Octopus+Honeybee的天津鄉(xiāng)村住宅被動式節(jié)能設(shè)計多目標(biāo)優(yōu)化技術(shù)框架［J］.西安理工大學(xué)學(xué)報，2021，37（4）：488.

［6］DONGYH，SUNC，HANYS，etal.Intelligentoptimization：anovelframeworktoautomatizemultiobjectiveoptimizationofbuildingdaylightingandenergyperformances［J］.JournalofBuildingEngineering，2021，43：102804.

［7］尚琪.多目標(biāo)優(yōu)化導(dǎo)向的內(nèi)蒙古西部草原民居圍護(hù)結(jié)構(gòu)節(jié)能構(gòu)造優(yōu)化研究［D］.包頭：內(nèi)蒙古科技大學(xué)，2019.

［8］羅毅.基于參數(shù)化設(shè)計平臺的建筑性能優(yōu)化流程研究［D］.天津：天津大學(xué)，2018.

［9］張少飛.基于Galapagos和Octopus的自然采光優(yōu)化設(shè)計方法論證［D］.天津：天津大學(xué)，2017.

［10］楊崴，于漢澤.生命周期環(huán)境影響與成本目標(biāo)下的建筑設(shè)計優(yōu)化方法［J］.建筑學(xué)報，2021（2）：35.

［11］CHEGARIB，TABAAM，SIMEUE，etal.Multiobjectiveoptimizationofbuildingenergyperformanceandindoorthermalcomfortbycombiningartificialneuralnetworksandmetaheuristicalgorithms［J］.EnergyandBuildings，2021，239：110839.

［12］孫澄，韓昀松.光熱性能考慮下的嚴(yán)寒地區(qū)辦公建筑形態(tài)節(jié)能設(shè)計研究［J］.建筑學(xué)報，2016（2）：38.

［13］SUNC，LIUQQ，HANYS.Manyobjectiveoptimizationdesignofapublicbuildingforenergy，daylightingandcostperformanceimprovement［J］.AppliedSciences，2020，10（7）：2435.

［14］湯兵.寒冷A區(qū)農(nóng)房外窗的多目標(biāo)優(yōu)化設(shè)計研究［D］.濟(jì)南：山東建筑大學(xué)，2020.

［15］ZHUL，WANGBH，SUNY.Multiobjectiveoptimizationforenergyconsumption，daylightingandthermalcomfortperformanceofruraltourismbuildingsinnorthChina［J］.BuildingandEnvironment，2020，176：106841.

［16］何成.庭院式建筑設(shè)計參數(shù)的能耗敏感性研究［D］.天津：天津大學(xué)，2017：42-43.

［17］申杰.基于Grasshopper的綠色建筑技術(shù)分析方法應(yīng)用研究［D］.廣州：華南理工大學(xué)，2012.

［18］ZITZLERE，THIELEL.Multiobjectiveevolutionaryalgorithms：acomparativecasestudyandthestrengthParetoapproach［J］.IEEETransactionsonEvolutionaryComputation，1999，3（4）：257.

［19］李彤.Octopus智能優(yōu)化插件的介紹及其應(yīng)用：Grasshopper平臺上的一款多目標(biāo)優(yōu)化軟件［J］.城市建筑，2016（6）：373.

［20］何志昆，劉光斌，趙曦晶，等.高斯過程回歸方法綜述［J］.控制與決策，2013，28（8）：1121.

［21］何成，朱麗，田瑋.城市建筑布局的能耗敏感性分析［J］.哈爾濱工業(yè)大學(xué)學(xué)報，2018，50（4）：174.

［22］GRAMACYRB，TADDYM.Categoricalinputs，sensitivityanalysis，optimizationandimportancetemperingwithtgpversion2，anRpackagefortreedGaussianprocessmodels［J］.JournalofStatisticalSoftware，2010，33（6）：1.

［23］于小芹，馬云瑞，余靜.基于熵權(quán)TOPSIS模型的山東省海岸帶生態(tài)修復(fù)政策效果評價研究［J］.海洋環(huán)境科學(xué)，2022，41（1）：74.

［24］MENJJ，ZHAOXR，CHENGZD，etal.StudyontheannualopticalcomprehensiveperformanceoflinearFresnelreflectorconcentratorswithaneffectivemultiobjectiveoptimizationmodel［J］.SolarEnergy，2021，225：598.

［25］河北省建設(shè)工程標(biāo)準(zhǔn)編制研究中心.農(nóng)村住宅標(biāo)準(zhǔn)設(shè)計圖集（冀中分冊）：DBJT02-183—2020［S］.北京：中國建材工業(yè)出版社，2019.

［26］中華人民共和國住房與城鄉(xiāng)建設(shè)部.民用建筑熱工設(shè)計規(guī)范：GB50176—2016［S］.北京：中國建筑工業(yè)出版社，2016.

［27］中華人民共和國住房和城鄉(xiāng)建設(shè)部.建筑采光設(shè)計標(biāo)準(zhǔn)：GB50033—2013［S］.北京：中國建筑工業(yè)出版社，2013.

［28］陸耀慶.實用供熱空調(diào)設(shè)計手冊［M］.2版.北京：中國建筑工業(yè)出版社，2008：1547-1554.

［29］NABILA，MARDALJEVICJ.Usefuldaylightilluminances：areplacementfordaylightfactors［J］.EnergyandBuildings，2006，38（7）：905.

［30］KONISK，GAMASA，KENSEKK.Passiveperformanceandbuildingform：anoptimizationframeworkforearlystagedesignsupport［J］.SolarEnergy，2016，125：161.

［31］ALISF，SHARMAL，RAKSHITD，etal.InfluenceofpassivedesignparametersonthermalcomfortofanofficespaceinabuildinginDelhi［J］.JournalofArchitecturalEngineering，2020，26（3）：04020017.

［32］LOEPPKYJL，SACKSJ，WELCHWJ.Choosingthesamplesizeofacomputerexperiment：apracticalguide［J］.Technometrics，2009，51（4）：366.

（責(zé)任編輯：王耘）