基于前馈神经网络的严寒地区居住街区低碳更新研究.pdfVIP

摘要

随着城市化进程的不断推进，居住区域的能源消耗和碳排放问题日益突出，

对老旧居住街区进行低碳改造势在必行。在寒冷气候条件下，这一需求更加迫切。

这种改造不仅能够提高居民的生活质量，更是推动城市可持续发展的重要举措。

然而，现有的研究大多局限于单一目标优化或缺乏系统性，难以全面把握严寒地

区复杂的城市低碳更新需求。

为此，本研究提出了一种新的整合前馈神经网络的严寒地区低碳更新多目标

优化设计方法。首先，引入局地气候区(局地气候区)理论对街区进行分类，为能

源消耗和碳排放评估奠定基础，并探讨局地气候区分类方法的适用性与调整。在

此基础上，构建了前馈神经网络低碳更新模型，能够从街区形态到碳排放进行预

测。通过选取哈尔滨市460个代表性居住街区，收集建筑信息和能源使用数据，

并利用Urbanopt平台进行碳排放模拟，生成训练数据集，最终训练出前馈神经网

络模型。接下来，结合前馈神经网络模型和多目标优化算法，提出了系统的设计

决策方法。在优化过程中，可有效遍历可行解空间，使用仿真求解和启发式算法

逼近最优非支配解集，从而选出最佳设计方案。这一方法不仅重构了严寒地区居

住街区低碳更新的多目标优化设计流程，而且提高了解空间搜索的效率和广度，

能够在方案设计前期为设计者提供实时反馈，辅助制定决策。为了验证该方法的

实用性，本研究将其应用于哈尔滨文林街区项目，并对得到的可行解空间和非支

配解进行了分析，最终确定了最终设计方案。

该方法为哈尔滨等严寒城市的居住街区低碳改造提供了系统的理论指导和技

术支持，对于实现碳中和目标，推动可持续发展具有重要意义。此外，该方法具

有良好的可复制性和推广性，未来有望在更广泛的区域低碳发展中发挥作用，为

应对气候变化做出贡献。

关键词：居住街区；低碳更新；前馈神经网络；多目标优化；空间形态优化；

Abstract

Asurbanizationprogresses,theproblemsofenergyconsumptionandcarbon

emissionsinresidentialareasarebecomingmoreandmoreprominent,anditisimperative

tocarryoutlow-carbonretrofitsinoldresidentialneighborhoods.Incoldclimates,this

needisevenmoreurgent.Suchretrofittingnotonlyimprovesthequalityoflifeofthe

residents,butalsopromotesthesustainabledevelopmentofthecity.However,mostof

theexistingstudiesarelimitedtosingle-objectiveoptimizationorlackofsystematic

approach,whichmakesitdifficulttocomprehensivelygraspthecomplexurbanlow-

carbonregenerationneedsincoldregions.

Inthisstudy,anewmulti-objectiveoptimizationdesignmethodintegratingfeed-

forwardneuralnetworksforlow-carbonregenerationincoldregionsisproposed.Firstly,

thelocalclimatezonetheoryisintroducedtoclassifytheneighborhoods,whichlaysthe

foundationfortheassessmentofenergyconsumptionandcarbonemission,andexplores

theapplicabilityandadjustmentoftheLCZ