-
题名居住建筑原型建立及被动式技术节能影响探究
- 1
-
-
作者
马远力
叶东杰
陈易
邓武
谢晶
叶一航
王靖雯
-
机构
宁波诺丁汉大学建筑与建筑环境系
诺丁汉大学卓越灯塔计划(宁波)创新研究院
浙江工商职业技术学院建筑与艺术学院
同济大学建筑与城市规划学院
-
出处
《建筑节能（中英文）》
CAS
2023年第1期10-16,25,共8页
-
基金
慈溪市科学技术局资助项目“以节能为导向的民用建筑分类技术及相关节能措施在慈溪应用示范研究”(CN2019006)
宁波市公益性科技计划项目“基于类型学的建筑分类方法在办公建筑节能改造设计中的应用”(2021S139)。
-
文摘
随着现代社会绿色环保意识的提升,绿色建筑逐渐被大众所接受。建筑类型学作为对建筑归类分组的方法体系,可以对现存建筑进行分类与整合。以浙江省慈溪市为例,以建筑层数、层面积、体型系数和外立面窗墙比为预定义变量进行聚类,最终得到8种具有代表性的居住建筑模型。在此基础上,通过对墙体的传热性能、屋顶的传热性能、窗户的传热性能、建筑气密性进行多元回归分析,得出各项节能措施对8个模型采暖、制冷除湿及总能耗的影响因子。以建筑类型学和统计学为基础,提出了一种对现有建筑存量进行“原型”建立的方法,并以敏感度为基础,提出了适用的综合能耗分析框架,所生成的模型能够应用于类似气候区的其他城市,此类方法也可被其余城市或地区所借鉴。
-
关键词
建筑聚类
几何模型
敏感度分析
居住建筑
夏热冬冷地区
-
Keywords
building clustering
geometric models
sensitivity analysis
residential buildings
hot summer and cold winter zone
-
分类号
TU201.5
[建筑科学—建筑设计及理论]
-
-
题名一种建筑物群智能聚类法
被引量：16
- 2
-
-
作者
程博艳
刘强
李小文
-
机构
电子科技大学资源与环境学院
[
-
出处
《测绘学报》
EI
CSCD
北大核心
2013年第2期290-294,303,共6页
-
基金
国家自然科学基金(41071222)
-
文摘
建筑物聚类是大比例尺地图自动制图综合中需要解决的关键问题。通过分析Gestalt原理的邻近性、相似性等,采用建筑物重心、建筑物间的距离、建筑物与邻近线状地物要素间位置关系等参数描述建筑物。本文提出的建筑物智能聚类方法包含两个连续的步骤:首先计算建筑物的描述参数,利用SOM网络的聚类能力,进行建筑物的初步聚类;然后,利用SOM竞争层行列扫描的方法,对初步聚类的建筑物类簇进行精确划分,获得满足建筑物聚类的全局和局部约束条件等制图要求的建筑物聚类群组。
-
关键词
建筑物聚类
自组织映射网络(SOM)
Gestalt准则
地图综合
-
Keywords
building grouping
self-organizing map（SOM）
Gestalt principles
map generalization
-
分类号
P208
[天文地球—地图制图学与地理信息工程]
-
-
题名顾及功能语义特征的建筑物空间分布模式识别方法
被引量：9
- 3
-
-
作者
刘慧敏
胡文柯
唐建波
石岩
邓敏
-
机构
中南大学地理信息系
-
出处
《测绘学报》
EI
CSCD
北大核心
2020年第5期622-631,共10页
-
基金
国家自然科学基金(41771492,41901406)
湖南省自然科学基金(2018JJ3639)
国家重点研发计划(2017YFB0503600)。
-
文摘
本文从空间-语义双重约束角度,提出一种顾及空间邻近和功能语义相似的建筑物空间分布模式识别方法。首先,基于建筑物的空间位置邻近性(即建筑物间的最小距离)约束进行聚类,获得建筑物的空间分布模式和建筑物间的空间邻近关系;然后,根据建筑物的功能语义相似性约束进行分割,获得建筑物的初步聚类结果;最后,考虑簇内相似性与簇间差异性进行整体优化,获得最终聚类结果。试验验证表明,本文方法比现有方法能够更有效地识别空间邻近与功能语义一致的建筑物群,服务于智慧城市建设中对建筑物进行语义层次综合和对城市结构进行深入研究的需求。
-
关键词
建筑物聚类
空间分布模式
功能语义特征
最小生成树
地图综合
-
Keywords
building clustering
spatial distribution pattern
functional and semantic features
minimum spanning tree
map generalization
-
分类号
P208
[天文地球—地图制图学与地理信息工程]
-
-
题名样本数量不平衡下的建筑群模式识别方法研究
被引量：3
- 4
-
-
作者
令振飞
刘涛
杜萍
张耀蓉
杨国林
锁旭宏
-
机构
兰州交通大学测绘与地理信息学院
地理国情监测技术应用国家地方联合工程研究中心
甘肃省地理国情监测工程实验室
中交一航局第二工程有限公司
-
出处
《地球信息科学学报》
CSCD
北大核心
2022年第1期63-73,共11页
-
基金
国家自然科学基金项目(41761088、42061060)
兰州交通大学优秀平台支持(201806)
兰州交通大学天佑创新团队(TY202001)。
-
文摘
通过综合空间关系、几何、语义等多种特征对建筑群模式进行智能识别,在地图多尺度表达和数字化制图等领域有着重要的意义。将图卷积神经网络用于建筑群模式智能识别能够克服传统方法依赖人工经验设置参数、制定的规则过于严格等缺点。但是该方法往往存在样本比例失衡的问题,容易导致样本数量较少的类别无法正确识别。本文首先以建筑物质心作为样本进行聚类获得建筑群组。其次,将同一群组内的建筑物质心作为样本进行Delaunay三角剖分来构建建筑群的图结构,其中图节点特征选取能够描述建筑群几何特征的面积、大小、方向等相关指标。再次,通过图结构过采样的方式对样本数量较少的建筑群图结构进行增强,然后将样本数量较少的建筑群图结构增强前后的数据分别输入图卷积神经网络模型进行训练,并结合ROC曲线等多个评价指标对模型的性能进行了评测。实验结果表明,对样本数量较少的建筑群图结构增强之后,模型对于样本数量较少的建筑群识别准确率有了明显的提高。
-
关键词
建筑群聚类
图卷积神经网络
模式识别
ROC曲线
图结构过采样
DELAUNAY三角网
拉普拉斯矩阵
-
Keywords
Building cluster clustering
graph convolutional neural network
pattern recognition
ROC curve
graph structure oversampling
delaunay triangulation
laplacian matrix
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TU198
[自动化与计算机技术—计算机科学与技术]
-
-
题名基于最小生成树算法的建筑物聚类
被引量：2
- 5
-
-
作者
蔡娇楠
孟妮娜
柴壮壮
王安东
-
机构
长安大学地质工程与测绘学院
-
出处
《测绘》
2017年第6期247-250,共4页
-
基金
国家自然科学基金(41501498)
-
文摘
针对地图自动制图综合过程中,常规的建筑物聚类算法具有多参数性、聚类无效性等常见问题,本文选用最小生成树(MST)的Prim算法用于建筑物的聚类分析,并用C#语言实现了该算法。在该算法中,以最小生成树中所有边的平均权值为阈值进行不一致边的剪枝,从而得到聚类结果,并运用实际数据验证了该算法的聚类效果。
-
关键词
空间数据挖掘
建筑物聚类
最小生成树
PRIM算法
-
分类号
P283
[天文地球—地图制图学与地理信息工程]
-
