寒冷干旱地区办公楼围护结构的低碳可持续设计：一种面向能耗 - 碳 - 成本平衡的 GBRT-NSCCO 多目标优化方法

《Energy》：Low-carbon sustainable design of office building envelopes in cold and arid regions: A GBRT-NSCCO multi-objective optimization approach for energy-carbon-cost balance

　　

• 提出了一种GBRT-NSCCO耦合框架，用于建筑围护结构多目标优化。• 在六种机器学习模型中，GBRT取得了最高精度（R2= 0.9702）。• NSCCO在收敛性和多样性方面优于NSGA-II、MOEA/D和MOPSO。• 该框架同时优化了能耗、碳排放和成本。• 最优方案使EUI降低30.06%，CEI降低21.89%，IC降低10.76%。引言在全球追求碳中和的背景下，建筑业作为能源消耗和碳排放的主要贡献者，已将能效提升和低碳转型确认为可持续发展的关键要求[1,2]。作为被动式节能的主要载体，建筑围护结构的热工构造和材料组成直接决定了冷负荷和热负荷以及运行能耗，是高性能建筑设计的基石[3]。然而，围护结构设计涉及多个目标，包括能源性能、环境影响、建造成本和室内热舒适度等，其中普遍存在权衡关系；以单一目标为导向的优化往往导致其他维度性能的退化[4]。因此，多目标优化已成为平衡多样化性能目标并支持建筑围护结构设计科学决策的核心技术手段。近年来，随着动态性能仿真技术和智能算法的快速发展，基于仿真的建筑围护结构多目标优化框架已广泛应用于不同气候区和建筑类型的新建和改造场景中[5,6]。同时，代理模型与元启发式算法的耦合有效解决了传统高保真仿真计算成本高和优


•提出了一种GBRT-NSCCO耦合框架，用于建筑围护结构多目标优化。•在六种机器学习模型中，GBRT取得了最高精度（R2= 0.9702）。•NSCCO在收敛性和多样性方面优于NSGA-II、MOEA/D和MOPSO。•该框架同时优化了能耗、碳排放和成本。•最优方案使EUI降低30.06%，CEI降低21.89%，IC降低10.76%。引言在全球追求碳中和的背景下，建筑业作为能源消耗和碳排放的主要贡献者，已将能效提升和低碳转型确认为可持续发展的关键要求[1,2]。作为被动式节能的主要载体，建筑围护结构的热工构造和材料组成直接决定了冷负荷和热负荷以及运行能耗，是高性能建筑设计的基石[3]。然而，围护结构设计涉及多个目标，包括能源性能、环境影响、建造成本和室内热舒适度等，其中普遍存在权衡关系；以单一目标为导向的优化往往导致其他维度性能的退化[4]。因此，多目标优化已成为平衡多样化性能目标并支持建筑围护结构设计科学决策的核心技术手段。近年来，随着动态性能仿真技术和智能算法的快速发展，基于仿真的建筑围护结构多目标优化框架已广泛应用于不同气候区和建筑类型的新建和改造场景中[5,6]。同时，代理模型与元启发式算法的耦合有效解决了传统高保真仿真计算成本高和优


•提出了一种GBRT-NSCCO耦合框架，用于建筑围护结构多目标优化。•在六种机器学习模型中，GBRT取得了最高精度（R2= 0.9702）。•NSCCO在收敛性和多样性方面优于NSGA-II、MOEA/D和MOPSO。•该框架同时优化了能耗、碳排放和成本。•最优方案使EUI降低30.06%，CEI降低21.89%，IC降低10.76%。引言在全球追求碳中和的背景下，建筑业作为能源消耗和碳排放的主要贡献者，已将能效提升和低碳转型确认为可持续发展的关键要求[1,2]。作为被动式节能的主要载体，建筑围护结构的热工构造和材料组成直接决定了冷负荷和热负荷以及运行能耗，是高性能建筑设计的基石[3]。然而，围护结构设计涉及多个目标，包括能源性能、环境影响、建造成本和室内热舒适度等，其中普遍存在权衡关系；以单一目标为导向的优化往往导致其他维度性能的退化[4]。因此，多目标优化已成为平衡多样化性能目标并支持建筑围护结构设计科学决策的核心技术手段。近年来，随着动态性能仿真技术和智能算法的快速发展，基于仿真的建筑围护结构多目标优化框架已广泛应用于不同气候区和建筑类型的新建和改造场景中[5,6]。同时，代理模型与元启发式算法的耦合有效解决了传统高保真仿真计算成本高和优化迭代效率低的瓶颈问题，从而推动了多目标优化在高维设计变量条件下的工程应用[7,8]。本研究系统回顾了建筑围护结构多目标优化的研究现状，从优化目标体系与应用场景、代理模型技术和多目标优化算法三个维度总结现有研究进展，分析了当前研究的局限性，进而明确了寒冷干旱地区办公楼围护结构优化的研究切入点，为构建梯度提升回归树-非支配排序中心碰撞优化器（GBRT-NSCCO）耦合优化框架提供理论基础。建筑围护结构优化的目标体系已从单一的能效目标演变为多维度的综合框架。早期研究主要采用建筑能耗最小化作为唯一的优化目标；然而，后续研究表明，以单一目标为导向的设计方案会在经济和环境维度造成显著的性能损失。例如，Kilis等人[2]研究了希腊不同气候区的住宅建筑，发现仅针对热防护优化的围护结构设计方案会导致经济成本、能源消耗和环境影响分别增加4.6倍、2.8倍和8.3倍，凸显了多目标权衡设计的必要性。当前主流的多目标优化体系主要涵盖三个维度的类别：第一，能源与环境维度，包括建筑能耗、运行碳排放和隐含碳排放等核心指标，构成围护结构优化的基本目标[4,9,10]；第二，经济维度，涵盖初始建造成本、增量成本和生命周期成本，是设计方案工程可行性的关键约束[4,11,12]；第三，室内环境维度，包括热舒适度指标和采光性能，与建筑服务质量和 occupant健康直接相关[6,13,14]。在设计变量选择方面，现有研究已从单一参数（保温层厚度）扩展为涵盖围护结构材料、构造形式、空间配置和控制策略的多维变量体系。其中，外墙和屋面保温层厚度、窗玻璃类型和窗墙比是最常用的热工设计变量[10,11,15]。在此基础上，多项研究纳入了遮阳装置配置[16,17]、建筑朝向[18]、建筑气密性[8]以及相变材料热物理性能[19-21]等细化参数，进一步提升了优化结果的工程适用性。例如，Wu等人[14]针对夏热冬冷气候区建筑，整合了可开启窗面积比、窗墙比、太阳得热系数、百叶深度和墙体厚度五类变量进行多目标优化；优化方案在能耗强度、热不适时长百分比和有效日光照度方面分别实现了18%、48.4%和2.5%的改善。建筑围护结构的性能具有显著的气候依赖性，需要根据具体气候特征进行自适应的多目标优化。现有研究已覆盖多种典型气候类型。夏热冬冷气候区是国内研究的重点，研究面向办公楼[13]、农村住宅[5,22]和养老设施[23]等多种建筑类型，建立了兼顾夏季隔热和冬季保温双重需求的围护结构优化框架。寒冷和严寒地区的研究侧重于提高热绝缘性能和降低冬季供暖能耗；关于公租房[6]、农村住宅[7,24]和近零能耗建筑[25]的优化研究证实了寒冷气候下增强围护结构保温的节能潜力。干旱和半干旱气候区的研究主要集中在中东地区，侧重于相变材料集成[19,20]、动态光伏立面[17]以及炎热干旱条件下既有住宅建筑的改造[15]，验证了气候适应性设计的核心价值。在建筑类型层面，现有研究涵盖了住宅、公共建筑和工业建筑等多种场景。在工业建筑领域，Yu等人[1]为重庆典型工厂建筑提出了涵盖环境影响、社会福利和经济可行性的多目标优化框架，采用非支配排序遗传算法II（NSGA-II）生成Pareto前沿，并结合K-means聚类与AHP-TOPSIS方法进行方案决策，填补了工业建筑围护结构优化研究的空白。在公共建筑中，教学楼[26]、中小学校[27]和办公楼[18,28]是突出的研究重点。特别是办公楼，由于其能耗强度高且运行模式稳定，已成为围护结构优化的重要研究对象。例如，Kamazani等人[9]为美国2A气候区小型办公楼开发了运行能耗和隐含能耗的两阶段优化框架；其结果表明，运行能耗、隐含能耗、运行碳排放和隐含碳排放分别降低了9.51%、37.44%、17.43%和35.67%。传统建筑性能仿真工具（如EnergyPlus、TRNSYS）采用逐时动态计算，尽管精度高，但单次仿真所需计算时间较长，无法满足多目标优化过程中所需数千甚至数万次性能迭代计算的需求[8,27]。代理模型通过拟合输入设计变量与输出性能指标之间的非线性映射关系，能够以极低的计算成本快速预测建筑性能，因此已成为提升多目标优化效率的核心技术路径。在现有研究中，人工神经网络是应用最广泛的代理模型。例如，Chen等人[13]基于随机运行条件下的仿真数据，建立了建筑冷负荷和热负荷以及热舒适度的预测模型，实现了围护结构热性能的快速评估。Pourbagian等人[21]利用60组参数化仿真数据，为集成相变材料的住宅建筑建立了人工神经网络代理模型；供暖和制冷负荷预测的R2值均超过0.91，证实了模型的可靠性。除人工神经网络外，Kriging、支持向量回归（SVR）、线性回归（LR）和K近邻（KNN）等模型也在建筑性能预测中得到不同程度的应用[7]。近年来，集成学习模型因其优越的非线性拟合能力和抗过拟合特性，逐渐受到建筑优化领域的关注。具体而言，梯度提升回归树（GBRT）和随机森林（RF）模型在处理高维非线性建筑性能问题时，展现出优于传统单一模型的预测精度。然而，现有建筑围护结构优化研究主要采用人工神经网络作为主流代理模型，对GBRT等集成学习模型的比较验证和精度验证仍相对不足。特别是在寒冷干旱气候区建筑场景中，各类代理模型之间的性能差异尚未得到充分阐明。多目标优化算法是求解Pareto最优解集的核心工具，其收敛速度、解集分布和多样性直接决定了优化效率和效果。目前，NSGA-II是建筑围护结构优化领域应用最广泛的算法，凭借其成熟的非支配排序机制和精英保留策略，已在各种建筑优化场景中得到广泛应用[4,16]。例如，Tian等人[5]采用NSGA-II对夏热冬冷气候区农村住宅改造的11个关键围护结构参数进行优化，生成了161个Pareto最优解，有效平衡了能效、舒适度和经济性。尽管应用广泛，NSGA-II在高维变量和多目标场景中存在收敛速度慢和易陷入局部最优等局限性[4]。因此，学者们开展了算法改进和比较研究：部分学者提出了新型改进算法，如多目标量子遗传算法[4]，相较于NSGA-II展现出更强的全局搜索能力；部分学者进行了算法性能比较，例如Xu等人[27]在教学楼围护结构优化中将NSGA-II与多目标粒子群优化（MOPSO）算法进行了对比。此外，NSGA-III[7]和基于分解的多目标进化算法（MOEA/D）等算法也逐渐引入建筑优化领域，丰富了算法选择空间。然而，NSGA-II仍是现有建筑围护结构优化研究的主流选择，对新型高效优化算法的探索仍相对有限。NSCCO作为一种新型多目标优化算法，在收敛效率和解集分布方面具有潜在优势；然而，其与代理模型的耦合框架尚未在建筑围护结构优化领域得到应用或验证，这代表了一个重要的研究空白。综合上述研究进展，当前建筑围护结构多目标优化领域仍存在三个核心局限性：第一，针对特定气候和建筑类型的定向研究仍显不足。现有研究主要集中在夏热冬冷和温带气候区，针对寒冷干旱复合气候区的研究有限。此外，针对此类地区办公楼围护结构系统的多目标优化研究尤为匮乏，难以充分支持寒冷干旱地区办公楼的低碳设计实践。第二，代理模型的选择和验证有待进一步拓展。大多数研究直接采用人工神经网络作为代理模型，未对GBRT等集成学习模型进行系统性比较和精度验证；因此，寒冷干旱气候区建筑性能预测的最优代理模型尚未确定。第三，优化算法创新不足。主流研究仍以NSGA-II算法为主，对新型高效优化算法的探索有限。在高维设计变量下的优化效率和解质量仍有提升空间，新型算法与代理模型之间的耦合框架仍有待建立。为解决这些研究空白，本研究以寒冷干旱地区办公楼为研究对象，构建了基于GBRT-NSCCO耦合模型的建筑围护结构多目标优化框架。研究首先确定了外墙、屋面、楼面、外窗和建筑气密性四大类共14个热工设计变量。采用拉丁超立方抽样生成5000组样本集，使用EnergyPlus进行能耗仿真并进行数据预处理。其次，比较了六种机器学习代理模型LR、KNN、SVR、RF、GBRT和Kriging的预测精度，选用最优的GBRT代理模型。第三，比较了四种多目标优化算法NSGA-II、MOEA/D、MOPSO和NSCCO的求解性能，构建了GBRT-NSCCO耦合优化模型，以建筑能耗强度（EUI）、碳排放强度（CEI）和增量成本（IC）为目标进行多目标优化，从而获得Pareto最优解集。

最后，采用TOPSIS方法确定均衡最优方案，并验证了耦合框架的有效性，为寒冷干旱地区办公楼围护结构的低碳优化设计提供了方法学支撑与数据参考。

**研究框架**

如图1所示，研究框架包含五个顺序阶段：(1) 数据构建——建立14个热工性能参数，采用5000个拉丁超立方抽样样本进行EnergyPlus模拟，并通过归一化处理和交叉验证对数据进行处理；(2) 代理建模——对比六种机器学习模型（LR、KNN、SVR、RF、GBRT、Kriging），因GBRT具有更优的预测精度而选用该模型；(3) 多目标优化——评估四个……

**代理模型对比结果**

图4展示了GBRT模型在三个关键性能指标上的预测性能，如图4所示。整体预测精度通过较高的平均决定系数（R2 = 0.970）得以体现，表明预测值与实际值之间具有极佳的吻合度。具体而言，图4(a)展示了能耗强度的预测结果，将预测的EUI值[kWh/(m2·a)]与实测值进行对比。数据点呈现……

**优化效率分析**

为评估所优选方案的优越性，本研究引入了三个比率指标——节能率（ESR）、碳排放节约率（CESR）和成本节约率（CSR），并以建筑初始状态对应的基准值作为对比参考。具体计算公式如下：

ESR = (1 ? F?_opt / F?_bc) × 100%
CESR = (1 ? F?_opt / F?_bc) × 100%
CSR = (1 ? F?_opt / F?_bc) × 100%

其中，F_opt 表示对应……的目标函数值。

**结论**

本研究开发并验证了GBRT-NSCCO耦合框架，用于寒冷干旱地区建筑围护结构热工性能的多目标优化。主要结论总结如下：

(1) 在评估的六种机器学习代理模型中，GBRT的预测精度最高，平均R2达到0.9702，优于RF、SVR、LR、Kriging和KNN。GBRT的优异性能归因于其集成学习机制和稳健的……

**CRediT作者贡献声明**

郭伟双：撰写——审稿与编辑，撰写——原稿，方法论，概念化。杜士奇：调查，形式分析，数据整理。李翔：验证，监督，软件。Jasur Rashidov：项目管理，方法论，调查。刘淑丽：项目管理，形式分析，概念化。Julian Wang：方法论，调查，概念化。郭锐：可视化，验证，软件。庄超群：撰写——审稿与编辑。

**利益冲突声明**

我们声明，与其他个人或组织之间不存在任何可能不当影响我们工作的财务和个人关系，在任何产品、服务和/或公司中，不存在任何性质或种类的专业或其他个人利益，这些利益可被解释为影响本稿件中提出的立场或对其进行评审。稿件题为《寒冷干旱地区办公楼围护结构低碳可持续设计：一种GBRT-NSCCO多目标优化方法》。

**致谢**

本研究受"低碳建筑不透明围护结构高效保温材料及构造研究"（编号：2025YFE0105800）和"宁夏绿色低碳建筑关键技术与新能源高效利用"（编号：2023BEG01005）项目资助。

郭伟双 | 杜士奇 | 李翔 | Jasur Rashidov | 刘淑丽 | Julian Wang | 郭锐 | 庄超群 | 高亚锋