声明
1 绪论
1.1 研究背景
1.2 国内外研究现状
1.2.1 多目标人工蜂群算法的研究现状
1.2.2 BP神经网络算法的研究现状
1.2.3 多目标优化算法在建筑节能领域的应用研究现状
1.2.4 存在的问题
1.3 研究的目的与意义
1.4 研究方法和技术路线
1.4.1 研究方法
1.4.2 技术路线
1.5 研究内容和创新性
1.5.1 研究内容
1.5.2 创新点
1.5.3 课题来源
2 多目标优化问题相关理论基础
2.1 多目标优化问题的相关概念
2.1.1 多目标优化问题的定义
2.1.2 Pareto解的概念
2.2 人工蜂群算法
2.2.1 人工蜂群算法的概念
2.2.2 人工蜂群算法的基本原理
2.2.3 多目标人工蜂群算法的总体框架
2.3 BP神经网络算法
2.3.1 BP神经网络算法的基本原理
2.3.2 BP神经网络算法的特点
2.4 本章小结
3 BPNN建筑节能预测模型的构建
3.1 草原民居基准建筑选择
3.1.1 草原民居现状调查
3.1.2 基准建筑模拟模型的建立
3.1.3 初始参数设置
3.2 基准建筑节能优化目标模拟计算分析
3.2.1 建筑采暖能耗模拟
3.2.2 室内热舒适性PMV模拟
3.2.3 建筑工程造价计算
3.3 影响因素与建筑节能优化目标相关性分析
3.3.1 训练样本方案设计
3.3.2 输入参数的筛选
3.3.3 输入参数的取值
3.4 BPNN内蒙古西部草原民居建筑节能预测模型的建立
3.4.1 数据归一化处理
3.4.2 BPNN模型的建模流程
3.4.3 BPNN模型的预测结果分析
3.5 本章小结
4 ABC-BPNN建筑节能多目标优化模型的构建
4.1 优化数据预处理
4.1.1 优化变量的确定
4.1.2 优化变量的取值
4.2 内蒙古西部草原民居建筑节能多目标优化模型的建立
4.2.1 BPNN的优化设计
4.2.2 ABC-BPNN算法的优化步骤
4.3 ABC-BPNN算法的多目标优化实现
4.3.1 多目标优化的实现过程
4.3.2 多目标优化结果分析
4.4 本章小结
5 ABC-BPNN建筑节能多目标优化模型实证分析
5.1 内蒙古西部草原民居概述
5.2 内蒙古西部草原民居模拟模型的建立
5.2.1 模拟模型的建立
5.2.2 围护结构参数设置
5.2.3 建筑节能优化目标模拟计算
5.3 多目标优化算法对比分析
5.3.1 ABC-BPNN算法多目标优化
5.3.2 GA-BPNN算法多目标优化
5.3.3 两种优化算法对比分析
5.3.4 ABC-BPNN算法优化结果分析
5.4 本章小结
6 结论与展望
6.1 结论
6.2 展望
参考文献
在学研究成果
致谢
附录A 草原民居现状调查表
附录B ABC-BPNN多目标优化实现的部分代码
附录C 基准建筑Pareto最优解集
附录D 现有建筑Pareto最优解集
