《發(fā)現(xiàn)人工智能》期刊發(fā)表的一項(xiàng)新研究提出一種計(jì)算框架，通過(guò)神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)控制（NN MPC）同步優(yōu)化建筑熱環(huán)境與光環(huán)境。該方案在天津一棟五層中學(xué)教學(xué)樓的應(yīng)用中實(shí)現(xiàn)17.4%的節(jié)能率，熱不滿意度降低8.2%，照度合規(guī)率提升21.1%，用戶滿意度從68.2%躍升至86.3%。

研究構(gòu)建了兼顧能耗、熱舒適（基于PPD指標(biāo)）、視覺(jué)舒適（基于自然采光系數(shù)）、眩光約束（統(tǒng)一眩光評(píng)級(jí)≤16）及全生命周期成本的多目標(biāo)優(yōu)化模型。模型重點(diǎn)處理窗墻比與太陽(yáng)得熱系數(shù)的物理耦合效應(yīng)，解決單一參數(shù)設(shè)計(jì)無(wú)法化解的非線性權(quán)衡問(wèn)題。

為捕捉耦合關(guān)系，研究采用改進(jìn)的遺傳算法-反向傳播（GA-BP）神經(jīng)網(wǎng)絡(luò)作為預(yù)測(cè)引擎。遺傳算法搜索初始權(quán)重與閾值以規(guī)避局部極小值，反向傳播進(jìn)行誤差驅(qū)動(dòng)微調(diào)。兩項(xiàng)改進(jìn)確?？芍貜?fù)性與適應(yīng)性：固定梅森旋轉(zhuǎn)隨機(jī)種子為1，并采用按時(shí)間順序排列的代謝數(shù)據(jù)集劃分法，訓(xùn)練窗口逐日滑動(dòng)，使網(wǎng)絡(luò)始終基于Zui新數(shù)據(jù)學(xué)習(xí)短期負(fù)荷波動(dòng)。

預(yù)測(cè)精度顯著提升。改進(jìn)型GA-BP的決定系數(shù)達(dá)0.961，均方根誤差為0.174，優(yōu)于標(biāo)準(zhǔn)GA-BP、ARIMA、支持向量回歸及長(zhǎng)短期記憶網(wǎng)絡(luò)。多步預(yù)測(cè)中，平均誤差從1小時(shí)的0.103僅微增至24小時(shí)的0.158，證明模型在全天預(yù)測(cè)周期內(nèi)保持穩(wěn)定，滿足預(yù)測(cè)控制的前瞻性規(guī)劃需求。

預(yù)測(cè)器之上部署NN MPC控制框架。與傳統(tǒng)閾值響應(yīng)式溫控不同，NN MPC采用滾動(dòng)時(shí)域機(jī)制：在每個(gè)采樣時(shí)刻，GA-BP模型預(yù)測(cè)未來(lái)時(shí)段內(nèi)的室內(nèi)溫度與照度，控制器求解包含空調(diào)供水溫度與照明功率在內(nèi)的約束優(yōu)化問(wèn)題。僅執(zhí)行序列中的首個(gè)動(dòng)作，隨后接入新傳感器數(shù)據(jù)進(jìn)行反饋修正與時(shí)域前移，形成狀態(tài)感知、預(yù)測(cè)優(yōu)化、控制執(zhí)行與反饋校正的閉環(huán)。

靜態(tài)設(shè)計(jì)配置由融合NSGA-II與MOPSO的并行混合優(yōu)化器完成。每次迭代從100個(gè)種群生成50個(gè)后代，通過(guò)快速非支配排序選擇下一代并剪枝重復(fù)帕累托解以維持多樣性?；旌蟽?yōu)化器的逆世代距離降至0.039（較單一算法降低超40%），僅需118次迭代即收斂。離線計(jì)算耗時(shí)263.5秒，實(shí)時(shí)決策交由NN MPC處理。

案例應(yīng)用于天津建筑面積4,532.41平方米的教學(xué)樓，采用中國(guó)標(biāo)準(zhǔn)氣象數(shù)據(jù)庫(kù)北京地區(qū)典型氣象年數(shù)據(jù)，優(yōu)化外墻屋頂保溫厚度等8項(xiàng)變量。帕累托解集中，Zui優(yōu)節(jié)能設(shè)計(jì)年能耗為60.53千瓦時(shí)/平方米，Zui優(yōu)熱舒適方案將不滿意度降至22.85%，Zui優(yōu)采光方案達(dá)到3.42%的采光系數(shù)。優(yōu)先成本的設(shè)計(jì)雖節(jié)省479,138元全生命周期費(fèi)用，但采光系數(shù)從1.85%降至1.52%，直觀呈現(xiàn)經(jīng)濟(jì)性與視覺(jué)舒適的權(quán)衡。綜合平衡方案因四項(xiàng)指標(biāo)均達(dá)中等至Zui優(yōu)水平，被視為常規(guī)建筑的Zui實(shí)用選擇。

動(dòng)態(tài)控制層在仿真與實(shí)地驗(yàn)證中證實(shí)有效性。工作日內(nèi)室內(nèi)維持約18攝氏度與300勒克斯，夏季高溫日室外超30攝氏度時(shí)室內(nèi)仍保持26攝氏度。相比傳統(tǒng)比例積分控制，年總能耗從73.11降至60.37千瓦時(shí)/平方米，節(jié)約全生命周期成本52,400元，滿意度升至86.3%。實(shí)地測(cè)試顯示，室內(nèi)溫度偏差由±1.3攝氏度收窄至±0.6攝氏度，照度偏差下降55.3%，暖通與照明能耗分別降低14.7%和19.9%。

跨氣候魯棒性測(cè)試揭示優(yōu)勢(shì)與局限。在氣候相近的天津，各項(xiàng)指標(biāo)波動(dòng)不超過(guò)1.7%。但在上海濕熱夏季能耗損失率達(dá)8.1%，在廣州漫長(zhǎng)強(qiáng)烈制冷季攀升至14.9%，表明模型對(duì)相鄰氣候泛化良好，但在熱工與太陽(yáng)輻射條件差異顯著的區(qū)域面臨挑戰(zhàn)。作者建議可通過(guò)氣候特異性遷移學(xué)習(xí)、在線模型更新及適用于缺乏歷史數(shù)據(jù)新建建筑的小樣本學(xué)習(xí)技術(shù)彌補(bǔ)差距。

該研究兼具工程與計(jì)算意義。將快速可復(fù)現(xiàn)的神經(jīng)預(yù)測(cè)器嵌入滾動(dòng)時(shí)域控制器，證明建筑采光與得熱的矛盾無(wú)需僅靠圖紙一次性解決。建筑圍護(hù)結(jié)構(gòu)可在離線階段優(yōu)化全生命周期經(jīng)濟(jì)與舒適度，而傳感器與預(yù)測(cè)算法能隨天氣與人員流動(dòng)逐小時(shí)動(dòng)態(tài)重協(xié)商陽(yáng)光、人工照明與空調(diào)的平衡。對(duì)于學(xué)校建筑，改善光照與熱環(huán)境對(duì)防控近視與提升學(xué)習(xí)效率具有直接價(jià)值，18個(gè)百分點(diǎn)的滿意度提升凸顯了動(dòng)態(tài)智能控制的實(shí)際效益。

資料來(lái)源：bioengineer.org；原文發(fā)布日期：2026-10-19。本文為資料編譯。