基于可解释性机器学习的建筑动态表皮参数对光环境性能贡献研究
动态表皮结合传感器和智能优化算法有利于动态地响应环境变化，增强室内光环境的舒适程度。本文从设计形态学出发，梳理动态表皮的设计因素并进行参数化建模，对大量动态表皮模型的室内光环境性能进行评估，通过可解释性机器学习来探索不同设计因素在提高室内光环境的表现差异。根据适应性表皮的设计特点，本文使用Rhino/Grasshopper平台建立三类表皮单元的参数化模型，使用Honeybee和Ladybug等模拟软件评估模型的全自然采光百分比(DLA)、有效日光照度(UDI)和日光眩光概率(DGP)等光环境指标，通过控制参数化模型生成大量样本进行批量模拟，获得大量样本数据集，分别使用相关性分析，基于神经网络回归模型的特征敏感性分析和基于XGBoost机器学习回归算法的可解释性分析挖掘动态表皮参数对室内光环境指标的贡献情况。本文的结论为动态表皮的设计提供参考依据，便于设计师在设计前期解耦动态表皮各项因素对室内光环境的影响，进行更高效的环境性能驱动的动态表皮设计。
可解释性机器学习 动态表皮 光环境 贡献研究
李媛媛 黄辰宇 姚佳伟
佐治亚理工学院;青岛理工大学琴岛学院 北方工业大学建筑与艺术学院 同济大学建筑与城市规划学院
国内会议
武汉
中文
277-287
2021-09-26（万方平台首次上网日期，不代表论文的发表时间）