本发明属于建筑施工，具体涉及一种基于bo-catboost-nsga-ⅲ的绿色建筑多目标优化方法、装置、电子设备和可读存储介质。
背景技术：
1、
2、建筑行业应该向着节能和可持续的方向发展，得到了各个国家及研究人员的认同和支持，绿色建筑的理论成为建筑行业发展的重要方向，引起了高度重视。绿色建筑节能研究能够实现建筑的节能节水，低碳排放，成本降低并且舒适度提升。
3、因此，开发一种bo-catboost-nsga-ⅲ的绿色建筑多目标优化方法及设备，为绿色建筑的参数设置提供了参考。
技术实现思路
1、针对现有技术的以上缺陷或改进需求，本发明的目的之一是提供一种绿色建筑多目标优化设计方法。
2、本发明解决其技术问题所采用的技术方案是：一种绿色建筑多目标优化设计方法，包括以下步骤：
3、步骤一，利用bim-db软件对绿色建筑进行模拟，选取窗墙比、外墙传热系数、屋面传热系数、外窗传热系数、外墙太阳辐射吸收系数、屋面太阳辐射吸收系数、外窗太阳得热系数、气密性、空调采暖设置温度和空调制冷设置温度共10个参数作为输入变量，把建筑能耗、碳排放和热舒适度共3个参数分别作为输出变量，并利用正交实验获得建筑数据样本集；
4、步骤二，以贝叶斯优化对梯度提升算法的超参数进行优化，构建bo-catboost预测模型，将数据样本集划分为训练样本集和测试样本集，并采用训练样本集和测试样本集对bo-catboost预测模型进行参数优化和预测精度分析，采用均方误差和决定系数对bo-catboost预测模型的准确性进行评价，对建筑能耗、碳排放和热舒适度进行预测，基于随机森林算法对输入变量的重要性进行评分；
5、步骤三，构建bo-catboost-nsga-ⅲ多目标优化模型，将建立的bo-catboost预测模型函数作为带精英策略的非支配排序遗传算法适应度函数，对建筑能耗、碳排放和热舒适度进行优化；
6、步骤四，根据得到的pareto最优解集，通过理想点法确定建筑能耗、碳排放和热舒适度的最优解。
7、进一步，所述的步骤二中通过如下步骤构建bo-catboost预测模型：
8、(2.1)构建基于catboost的回归模型，首先对categorical features进行统计，计算某个类别特征category出现的频率，考虑超参数生成新的数值型特征numericalfeatures，依次训练超参数为learning_rate、colsample_bytree、minibatch_frac和n_estimators的回归模型；
9、(2.2)采用贝叶斯算法对catboost回归模型的learning_rate、minibatch_frac、colsample_bytree、n_estimators进行优选，设定learning_rate优化范围0.05～0.2，设定minibatch_frac优化范围(0,1]，并结合5折交叉验证法进行模型精度验证，从而确定精度最高的参数组合为catboost回归模型的最佳参数；
10、(2.3)bo-catboost预测模型的建立及评估：根据超参数优化结果利用训练集进行学习模拟，分别建立catboost建筑能耗、碳排放和热舒适度预测模型，再利用测试样本集对训练样本集的预测模型进行检验，分别建立基于随机森林算法的桥墩竖向位移和水平位移预测模型，得到预测结果。
11、进一步，所述的步骤二中通过引入均方误差mse和绝对系数r2两个常用指标来评价bo-catboost预测模型的准确性，其中mse和r2由如下公式计算得到：
12、
13、
14、式中n为样本数，为预测值，yi为实际观测值，为实际观测值的平均值。
15、进一步，所述的步骤三将建立的bo-catboost预测模型函数作为nsga-ⅲ适应度函数，对建筑能耗、碳排放和热舒适度进行优化，具体包括以下步骤：
16、(3.1)确定目标函数：引入bo-catboost回归预测拟合的输入变量与建筑能耗、碳排放和热舒适度之间的关系式作为多目标遗传算法中的适应度函数，可清晰的反映建筑设计特征参数与建筑能耗、碳排放和热舒适度之间存在的复杂非线性关系；由catboost预测回归方程确定建筑能耗、碳排放和热舒适度的目标函数f1、f2和f3分别为：
17、
18、式中，x1、x2、x3、x4、x5、x6、x7、x8、x9和x10分别为窗墙比、外墙传热系数、屋面传热系数、外窗传热系数、外墙太阳辐射吸收系数、屋面太阳辐射吸收系数、外窗太阳得热系数、气密性、空调采暖设置温度和空调制冷设置温度；
19、(3.2)确定约束范围：为了使施工参数的优化设计具有实际意义，保证得到的施工参数设置方案更加合理可行且不存在安全隐患，需要根据工程要求和项目已有数据对决策参数的取值设定约束条件，约束条件一般表达为：
20、
21、式中和分别表示操作参数取值的下限和上限；
22、(3.3)基于nsga-iii的多目标优化：
23、(3.4)理想点法获取最优解：采用理想点法从pareto最优解集中选取最优解，使其各目标值尽量趋近于理想值；各单目标最优时所对应的目标数值组成的点即为理想点；确定理想点e的坐标后，分别按下式计算pareto最优解集中各点到理想点的距离：
24、
25、式中点(xpareto,ypareto,zpareto)为pareto最优解集中各点对应的坐标，距离最短的点即为pareto最优解集中选取的最优解。
26、更进一步，所述的步骤(3.3)具体包括以下步骤：
27、1)设置决策变量的初始状态，根据给定的变量边界限制，随机生成决策变量，从而生成一个具有n个个体的初始化种群；
28、2)利用选择、交叉、变异三种机制对规模为n的种群进行操作，获得与父代种群规模相同的首批子代种群；
29、3)将子代群体和它的父代群体结合起来形成混合种群，对混合种群个体进行快速非支配排序，从不同的支配层级依次选择个体加入下一代子代；
30、4)根据主观偏好或统一设定生成参考点，并连接原点和参考点形成参考线，然后对目标函数和算法种群进行归一化变换；计算每个个体和参考线的垂直距离，将垂距最小的个体与参考点进行关联；
31、5)寻找关联解数最少的参考点，根据该参考点的关联解数选解；若解数不为0，则随机选择一个个体；若解数为0，则选择到该参考点垂距最小的个体；重复选解过程，直到种群规模为n时，输出pareto最优解集。
32、本发明的目的之二是提供一种基于bo-catboost-nsga-ⅲ的绿色建筑多目标优化设计装置，包括：第一主模块，用于搜集数据建立原始样本集，将建筑设计特征参数作为输入变量，建筑能耗、碳排放和热舒适度作为输出变量；第二主模块，用于构建并训练bo-catboost预测模型，采用bo-catboost预测模型对建筑能耗、碳排放和热舒适度进行预测，基于rf算法对输入变量的重要性进行评分；第三主模块，用于构建bo-catboost-nsga-ⅲ多目标优化模型，将建立的bo-catboost预测模型函数作为nsga-ⅲ适应度函数，对建筑能耗、碳排放和热舒适度进行优化；根据得到的pareto最优解集，通过理想点法确定建筑能耗、碳排放和热舒适度的最优解。
33、本发明的目的之三是提供一种电子设备，包括：至少一个处理器、与处理器通信连接的至少一个存储器和通信接口；其中所述处理器、存储器和通信接口相互间进行通信；所述存储器存储有可被处理器执行的程序指令，所述处理器调用所述程序指令，以执行基于bo-catboost-nsga-ⅲ的绿色建筑多目标优化设计方法。
34、本发明的目的之四是提供一种一种非暂态计算机可读存储介质，所述可读存储介质上存储计算机指令，所述计算机指令使所述计算机执行上述各种实现方式中任一种实现方式所提供的基于bo-catboost-nsga-ⅲ的绿色建筑多目标优化方法。
35、总体而言，通过本发明所构思的以上技术方案与现有技术相比，主要具备以下的技术优点：
36、1，本发明利用bo-catboost算法建立了建筑能耗、碳排放和热舒适度的高精度预测模型，采用rf算法对输入变量的重要性进行评分，保证建筑能耗、碳排放和热舒适度的预测结果更加准确、可靠。
37、2，本发明将bo-catboost预测模型函数替代传统的数学函数作为遗传算法适应度函数用于多目标优化之中，准确的映射了建筑能耗、碳排放和热舒适度与建筑设计特征参数之间的复杂非线性关系，实现更为精确的优化。
38、3，本发明选用了nsga-ⅲ建立多目标优化模型，与传统的遗传算法相比，nsga-ⅲ算法具备精英策略，保证个体的优越性和种群的多样性，寻优精度高、收敛速度快。
39、4，本发明通过决定系数r2和均方误差mse两个常用指标来评估预测模型的性能表现分析验证了bo-catboost模型对建筑能耗、碳排放和热舒适度预测效果的有效性和正确性。
40、5，本发明采用采用理想点法来选取最优决策方案，从nsga-ⅲ算法寻优得到的pareto前沿解集中确定使得多目标函数达到最优的一组最优解，综合考虑了三个目标函数的状态，获取方式简单，得到的结果较客观。
1.一种绿色建筑多目标优化设计方法，其特征在于：包括以下步骤
2.根据权利要求1所述的一种绿色建筑多目标优化设计方法，其特征在于，所述的步骤二中通过如下步骤构建bo-catboost预测模型：
3.根据权利要求2所述的一种绿色建筑多目标优化设计方法，其特征在于，所述的步骤二中通过均方误差mse和绝对系数r2评价bo-catboost预测模型的准确性，其中mse和r2由如下公式计算得到：
4.根据权利要求1或2或3所述的一种绿色建筑多目标优化设计方法，其特征在于，所述的步骤三具体包括以下步骤：
5.根据权利要求4所述的一种绿色建筑多目标优化设计方法，其特征在于，所述的步骤(3.3)中利用nsga-ⅲ算法来实现盾构隧道优化设计智能优化问题，其具体实现步骤为：
6.一种绿色建筑多目标优化设计装置，其特征在于，包括：以建筑设计特征参数作为输入变量、以建筑能耗、碳排放和热舒适度作为输出变量，搜集数据建立原始样本集的第一主模块；采用bo-catboost预测模型对建筑能耗、碳排放和热舒适度进行预测，基于rf算法对输入变量的重要性进行评分的第二主模块；利用nsga-ⅲ算法对建筑能耗、碳排放和热舒适度进行多目标优化决策的第三主模块。
7.一种电子设备，其特征在于，包括：至少一个处理器、与处理器通信连接的至少一个存储器和通信接口；其中所述处理器、存储器和通信接口相互间进行通信；所述存储器存储有可被处理器执行的程序指令，所述处理器调用所述程序指令，以执行权利要求1至5任一项权利要求所述的方法。
8.一种可读存储介质，其特征在于，所述可读存储介质上存储计算机指令，所述计算机指令使计算机执行权利要求1至5中任一项权利要求所述的方法。
