
-
生物通官微
陪你抓住生命科技
跳动的脉搏
物理信息驱动的气候响应双层幕墙低碳设计优化框架研究
《Scientific Reports》:Physics-informed graph attention networks for multi-objective optimization of double skin fa?ades: a climate-responsive framework for operational carbon reduction
【字体: 大 中 小 】 时间:2026年10月22日 来源:Scientific Reports 4.9
编辑推荐:
摘要本研究提出了一种物理信息驱动且气候响应的双层幕墙(DSF)设计优化框架,旨在降低运营阶段的CO2排放,同时保持其热工与通风功能。该方法结合了建筑能耗模拟、物理信息图注意力网络(PI-GAT)代理模型以及多目标NSGA-II算法。由于融入了控制气流与热量传递的物理约束,PI
本研究提出了一种物理信息驱动且气候响应的双层幕墙(DSF)设计优化框架,旨在降低运营阶段的CO2排放,同时保持其热工与通风功能。该方法结合了建筑能耗模拟、物理信息图注意力网络(PI-GAT)代理模型以及多目标NSGA-II算法。由于融入了控制气流与热量传递的物理约束,PI-GAT模型在非线性及极端设计条件下表现出比传统机器学习方法(ANN、RF和XGBoost)更高的准确性与更强的鲁棒性。该模型在两种截然不同的气候条件下进行了测试:塔什干(以寒冷为主)和纳杰兰(炎热干燥)。研究结果表明,与基准情景相比,最优DSF方案分别可将运营阶段CO2排放降低13–23%和8–20%。Pareto分析表明,存在与气候相关的独特权衡关系:在寒冷气候下需严格调控通风,而在炎热气候下则应增强通风,以实现低碳高效运行。总体而言,所提出的PI-GAT-NSGA-II框架是一种可靠且计算高效的气候适应性与低碳幕墙设计方法。