农村建筑节能论文汇总十篇.docx

农村建筑节能论文汇总十篇篇（1）2江苏地区农村住宅建筑节能的综合评价方法2.1信息熵方法对建筑节能评价指标的筛选为了从已经构建的初始评价指标中提取主要评价指标，可以采用信息熵法剔除其中对评价影响不大的指标。具体操作步骤及方法如下：第一步：将初始的指标矩阵进行标准化处理。假定所选的评估对象有N个，初始的指标有M个，则可以构建N×M阶的矩阵，定义为矩阵A。按照式（1）进行标准化后的矩阵为A′。a′ij=（1）第二步：熵值的求取。令pj表示熵值，则，Πij=pj=-ΠijlnΠij（2）第三步：熵权的确定。Wj表示求出的熵权的大小，则，Wj=（3）第四步：确定某个评价指标的具体权重。权重值用Qj表示，则，Qj=（4）第五步：将第三步求出的熵权与第四步求出的具体权重进行结合，剔除冗余指标，确保评价的稳定性。2.2BP神经网络方法对农村住宅建筑节能的综合评价BP神经网络可以用于逼近任意的一个非线性的函数，同时具有超强的自适应以及存储能力。采用BP神经进行评价时，其运行的主要思想就是将搜集到数据输入到该系统中，然后系统进行自我训练，拟合各指标间的最优关系，并自动记忆、存储所选指标对综合评价对象的影响权值，继而对类似对象做出客观的评价。在进行BP神经网络训练之前需要构建BP神经网络结构，主要需要以下参数。（1）BP神经网络的节点数与层数的确定BP神经网络结构的确定需先确定输入、输出层节点数、隐含层的层数以及隐含层节点。输入层节点数为指标个数，输出层节点数为建筑节能综合评价指标。在规模不大的情况下，常采用一个隐含层。隐含层节点数可根据式（5）确定。Ny=（5）其中，Ny表示隐含层节点数；Ni表示输入层节点数；No表示输出层节点数；NP表示训练样本个数。（2）BP神经网络相关参数的确定确定BP神经网络结构后，需要确定网络函数的选取、初始权重的确定、期望误差、学习速率、训练次数等相关参数。3江苏农村住宅建筑节能的综合评价首先对初始建立的评价指标进行筛选，剔除其中可能对评价结果有干扰的影响因素。聘请10位专家对初始的评价指标进行打分，然后依据信息熵方法进行处理，最终得出的综合评价指标包括b11、b12、b13、b14、b21、b22、b23、b24、b25、b31、b32、b33、b41、b45、b46这15个评价指标。采用三层BP神经网络模型，即输入层、隐含层、输出层各一层，输入节点数为选定的评价指标数15，根据式（5）确定隐含层的节点数为7，输出节点数为1。函数采用Sigmoid函数，初始权值为[0，1]区间的较小的数，误差期望为0.01，学习速率为0.001，训练次数为10000次。笔者选取了江苏省某地区的6个农村住宅建筑作为评价对象，以其中的5个作为训练样本。数据主要是通过调查得到并做归一化处理，聘请相关专家对这几个样本进行综合评分，用t表示。经过训练，将第六个样本作为评价对象，采用该模型进行综合评价，各指标的初始值见表3。采用经训练后的BP神经网络模型进行综合评价，得出的最终评价结果为0.932，这与通过专家打分法得出的评价值0.927相比，误差为0.005，相对误差为0.5%。这充分说明采用BP神经网络模型进行综合评价是可行的，且其评价的精度比较高。篇（2）随着现代化建设的发展，我国农民的生活水平不断的提高，他们对自己的居住条件的要求也越来越高。长期以来，我国北方农村地区建筑特点是占地多，建造技术水平低，缺乏科学性，甚至是忽视最基本的建筑热工性能和舒适性要求，特别是缺乏统一的建筑规划，能源利用率低，导致其建筑土地利用率低，保温隔热性能差，能耗大，舒适度低。因此，为了提高农民生活质量，应以改善居住条件为重点，科学制定农村建筑规划体系，因地制宜地在广大北方农村地区推广建筑节能技术，发展节能建筑。1农村建筑节能设计1.1北方农村建筑现状分析我国北方地区农村建筑要适应日常居住生活和农副业生产的双重需要，居民建筑类型大多为单户、双户以及多户并联的建筑类型。长期以来，我国农村建筑大多为个人建造，农民随意建设，农村建筑缺乏规划和设计，造成建筑的功能划分不合理，用地浪费。在房屋建设的过程中，由于技术和施工条件的限制以及经济条件的制约，农民建房时多选用一些落后的建材，围护结构的设计仍采用传统的做法，致使其建筑能耗大，不利于节能。1.2建筑规划布局我国北方农村大多地区冬季寒冷，夏季炎热。建筑规划选址中应充分利用当地的自然地理优势，根据当地的气候特点，合理地安排建筑与周围环境因素之间的关系。在建筑平面的布局时，要充分考虑当地农民的生活习惯，合理地安排建筑物功能分区。1.2.1建筑选址应避免在山谷、沟底等区域，这主要考虑冬季气流在这些区域里形成对建筑物的“霜洞”效应，会使其能耗增加。建筑朝向应根据当地的地理条件和气候条件，选择最有利的自然采光和通风的区域，注意