《Results in Engineering》：Beyond Rectangular Shades: Optimization of Amorphous Horizontal Shading Devices Through Machine Learning and Multi-Objective Algorithms
编辑推荐：
遮阳系统对建筑发展具有重要影响，通过减少太阳得热、增强日照分布并保持外部视野。然而，常见的矩形百叶通常缺乏灵活性且需要更高效地运行。本研究提出了一种优化办公建筑中非规则形状水平遮阳系统的方法，该方法整合了参数化建模、多目标优化（Multi-Objective
遮阳系统对建筑发展具有重要影响，通过减少太阳得热、增强日照分布并保持外部视野。然而，常见的矩形百叶通常缺乏灵活性且需要更高效地运行。本研究提出了一种优化办公建筑中非规则形状水平遮阳系统的方法，该方法整合了参数化建模、多目标优化（Multi-Objective Optimization, MOO）和机器学习。研究聚焦于位于德黑兰的一个参考办公建筑模型，该地区气候炎热干燥，使用Honeybee和Ladybug进行详细性能模拟。通过机器学习技术增强的敏感性分析，识别出影响遮阳性能的最关键变量。然后应用非支配排序遗传算法（Non-Dominated Sorting Genetic Algorithm II, NSGA-II）同时优化多个目标，包括一次能源消耗、有用日照照度（Useful Daylight Illuminance, UDI）、眩光自主性（Glare Autonomy, GA）和视因子（View Factor, VF），后者决定对外视野的获取。结果表明，所提出的非规则形状遮阳几何体优于传统系统，实现了高达26.3%的能源节约，将UDI和GA提升至80%，并将室外视野质量提高约3%。除了这些成果，该研究还引入了一个灵活的遮阳设计计算框架，可在早期设计阶段应用，并适应不同气候和建筑类型。通过将定量性能指标与用户舒适度的定性方面相结合，该方法支持创建节能、视觉舒适且用户导向的建筑环境。
**论文解读：基于机器学习与多目标优化的非规则形状水平遮阳装置性能优化研究**
**研究背景与问题**
建筑部门在全球能源消耗中占据显著比例，而人们在室内活动的时间约占90%，导致制冷、供暖、照明及室内舒适度方面巨大的能源需求。遮阳系统通过减少太阳得热、有效利用自然光，成为提升建筑能效的关键组件。在高玻璃率的办公建筑中，尤其像德黑兰这样气候炎热干燥的地区，太阳辐射控制对于维持热舒适、降低制冷和照明能耗至关重要。固定遮阳装置作为一种被动设计措施，因其无需额外操作成本而受到关注。然而，传统的矩形遮阳百叶缺乏灵活性，难以在多个性能指标间取得平衡。现有研究多聚焦于简单几何形状，对非矩形、非实体形式的探索不足，且计算成本高、建模复杂。此外，建筑几何形状（如窗墙比WWR）对能源和日照性能有重要影响，而遮阳优化中常忽略用户视野质量等定性因素。因此，研究人员开展这项研究，旨在开发一种整合参数化建模、敏感性分析、机器学习与多目标优化的计算框架，用于早期设计阶段优化非规则形状水平遮阳装置，以同时改善一次能源消耗、有用日照照度（UDI）、眩光自主性（GA）和视因子（VF）。论文发表在《Results in Engineering》。
**主要技术方法**
研究人员采用以下关键技术方法：
1. **参数化建模**：基于Grasshopper for Rhino平台，结合Honeybee和Ladybug插件，构建了一个标准参考办公空间（5m×4m×4m，南向90%玻璃率），并利用三次非均匀有理B样条（NURBS）曲线生成非规则形状遮阳面板，通过控制点定义几何参数。
2. **敏感性分析（SA）**：第一阶段使用暴力法生成传统遮阳装置数据集（深度10cm-2m，数量1-10），结合皮尔逊（Pearson）和斯皮尔曼（Spearman）相关系数分析线性与非线性关系；第二阶段通过机器学习（随机森林Random Forest，交叉验证R2=0.99）筛选关键变量，确定遮阳数量1-5、深度20cm-1m为优化范围，并发现UDI与GA高度相关（Pearson 0.98, Spearman 0.99），因而合并GA目标。
3. **多目标优化（MOO）**：应用非支配排序遗传算法（NSGA-II），设置种群规模5000、代数100、交叉概率0.9，分三个阶段逐步缩小参数域，同时优化一次能源、UDI、GA和VF，生成帕累托（Pareto）前沿解集。
样本来源：基于德黑兰第六区（行政建筑密集区）的典型办公楼模型，气候为冷干半沙漠（BSk，柯本-盖格分类）。
**研究结果**
**一次能源**：优化后的非规则形状遮阳装置（如Optimization-1-pareto-0）相比传统遮阳板（Common Shader）减少约16.84%能耗（1071 kWh vs 1288 kWh），而Simple 5 Louver（1m）减少17.55%（1062 kWh）。常规百叶（Common 4 Louver, Common 5 Louver）仅减少14.7%和14.0%。
**有用日照照度（UDI）**：Optimization-1-pareto-0达到84%，是传统遮阳板（33%）的两倍以上，显著高于常规百叶（52%-55%）。其他优化模型（Optimization-2-pareto-1等）UDI值在76%-84%之间，而传统系统仅52%-64%。
**眩光自主性（GA）**：Optimization-3-pareto-3达到80%，相比传统遮阳板（55%）和常规百叶（63%-64%）有显著提升。其他优化模型（Optimization-1-pareto-0 75.27%, Optimization-3-pareto-0 76.55%）也表现优异。
**视因子（VF）**：优化模型（Optimization-1-pareto-0 45%, Optimization-3-pareto-3 42.9%）高于传统遮阳板（20.42%）和常规百叶（33.6%-36.53%），但Simple 5 Louver（1m）达到48.22%。帕累托分析显示，VF与其他指标存在反向相关性，能源效率优先的设计仍能保持可接受的VF值。
**几何模式**：优化方案中，更多数量但深度较小的百叶在日照性能上优于少数深度较大的方案，且中间窗区域深度增加有助于控制能耗，但可能轻微降低VF。
**讨论与结论**
讨论部分指出，本研究的主要局限性在于非规则形状参数化建模的高计算复杂度，以及适应度目标收敛慢的问题，需通过敏感性分析限制参数域。未来研究可扩展到动态遮阳系统、不同窗墙比（WWR）范围（40%-70%）、多种气候和朝向，并纳入结构可行性（如材料、支撑、风荷载）和用户行为反馈。
研究结论强调，所提出的非规则形状遮阳装置在一次能源、UDI、GA和VF四个指标上实现了综合优化，能源减少超16.84%，日照和眩光控制提升至80%，视野质量改善约3%。该方法通过机器学习早期介入提高计算效率，并引入视因子丰富性能评估。研究贡献在于提供了可转移的计算框架，适用于不同气候和建筑类型，为早期设计阶段实现性能驱动的自由形态遮阳策略提供支持。
