基于lua的中庭采光模型设计与实现.docxVIP

基于lua的中庭采光模型设计与实现 摘要：核心式采光中庭多样化的空间形态对建筑室内光环境具有显著影响。为了优化室内光环境，创造舒适的中庭空间，本文提出一组空间形态参数，通过Lua语言嵌入Ecotect程序，实现了中庭自动建模和自动计算。将中庭采光计算样本处理后，作为最小二乘支持向量机(LSSVM)的输入向量，光环境的量化评价指标作为输出向量，根据指标值确定各个参数与光环境的关系。分别以3个光环境指标的最大值为目标，利用粒子群算法(PSO)获得各个中庭空间形态参数的最优值。结果表明：光井指数(WI)的最佳值约为0.3;若采用方形的采光顶，则应设计H形中庭；若采用其它形状采光顶，则应取形状因子为0.82的采光顶和A形中庭的设计。 中庭，是指建筑内部的庭院空间，作为建筑内部的“室外空间”,对建筑物理环境的改善具有重要影响国内外学者通过实地测量和软件模拟等方法详细研究了中庭形态和其内部光环境的关系，描述了多个反映中庭空间形态的参量。(1)Paroncini等近年来，在回归与分类领域，最小二乘支持向量机(Least Squares Support Vector Machine, LSSVM)得到较为广泛的应用。作为SVM的一种改进模型，LSSVM具有全局最优、适应性强以及推广能力好等优点，适用于对中庭光环境计算样本的研究1 中庭自动建模和光环境自动计算1.1 中庭自动建模一个中庭式建筑模型的空间示意图如图1所示。如前所述，用于描述中庭空间形态的6个参数定义如下： (1) (2) (3) (4) (5) (6)式中：本文引入采光面形状因子(Shape Factor, SF)描述不规则平面。对于矩形采光面，在分析空间参数的基础上，运用建筑性能分析软件Ecotect自带的ScriptManager, 使用lua语言及其扩展进行空间建模。lua是一个小巧的动态语言，它是一种可嵌入、轻量、快速、功能强大的脚本语言1.2 光环境自动分析计算运用Ecotect软件进行采光分析的具体过程参见文献2 中庭光环境的LSSVM2.1 最小二乘支持向量机理论对于给定非线性训练样本数据{(式中：式中： (9)由KKT优化条件求解。最终可得到如下的LSSVM回归函数模型。 (10)式中： LSSVM参数的选择即为选择核函数参数2.2 中庭光环境模拟虚拟机本文引入3个光环境的量化评价指标：采光系数(Daylight Factor, DF)、平均照度(Daylight Levels, DL)、合适照度区面积比(Suitable Illumination Area Ratio, SIAR)。根据GB 50033-2013《建筑采光设计标准》并结合一般商业建筑的照度标准值，提出300～2000 lx 为合适照度，小于300 lx为照度不足，大于2000 lx为照度过高。因此，提出合适照度区面积占比，计算建筑内部满足300～2000 lx的区域所占总面积的百分比。研究选取的虚拟机名称和参数列入表2,图4示出了modelARC4和modelDFA5的LSSVM样本拟合结果，图中红线表示预测值，蓝点表示样本值，从图中可见两者的吻合度良好。3 影响中庭光环境的参数研究3.1 光井指数与光环境之间的关系图5a显示了由LSSVM预测的样本区间光井指数与平均采光系数的关系。为了验证本文模型的正确性，图5a同时绘出了由Calcagni和Paroncini给出的采光系数与光井指数的表达式，即文献3.2 中庭倾角与光环境之间的关系图6显示了在不同光井指数下中庭倾角与光环境的关系，研究结果表明：在某一特定的光井指数下，中庭倾角对光环境的影响不敏感，图6中的近似直线段，即当光井指数取约0.5时，中庭倾角的变化对采光的影响很小。3.3 采光顶面积比与光环境之间的关系采光顶面积是光环境的重要影响因素。图7显示在WI=0.2条件下采光顶面积比与光环境关系曲线。随着面积比的增大，中庭采光系数是线性增加的，但采光顶的面积与合适照度区面积比并不是简单的关系，如图7b所示，当AR取值较大时，例如当AR0.4,再继续增大采光顶面积并不能有效提高合适照度区面积比。这一结论与Nasrollahi等3.4 采光顶形状与光环境之间的关系在LSSVM技术的支持下，便于开展组合参数和多参数研究。将研究对象分为方形和圆形采光顶2大类，图8分别显示了中庭倾角和光井指数与光环境的关系，对比图中不同的曲面可得出结论：在方形采光顶和圆形采光顶