CN102324075A - 一种基于WebGIS的绿色建筑智能化节能评估管理系统 - Google Patents

Abstract

一种基于WebGIS的绿色建筑智能化节能评估管理系统，属于绿色建筑评价技术领域。其特征是运用聚类方法对具有不同特征的建筑进行分类，用主成分分析法确定各类项目的主要指标，用WBS方法逐层分解建立相应的二级指标、三级指标，保存每一类别对应的主要指标并建立指标数据库，传统层次分析法基础上进行可信度及相容度改进，建立权重优化模型，利用可变模糊评价方法建立节能性能综合指标的计算模型，引入权重数据库作为不同水平下建筑物指标体系和权重值的确定，在WebGIS平台上开发一套基于Internet的绿色建筑评估系统。本发明的效果和益处是最大限度地保留了各专家的原始信息，操作便捷，信息共享，具有更好的通用性和实用性，强调以往经验对工程项目管理的重要性。

Description

一种基于WebGIS的绿色建筑智能化节能评估管理系统

技术领域

本发明属于绿色建筑评价技术领域，涉及到一种绿色建筑节能评价方法，特别涉及到一种基于WebGIS的绿色建筑智能化节能评估管理系统。

背景技术

近20年来，我国建筑规模迅速扩大，但与此相对应的是，我国建筑耗能问题也日益突出。目前，在我国每年的新建房屋中，约80％以上为高耗能建筑；在既有房屋中，约95％以上为高耗能建筑，我国单位建筑面积的能耗是发达国家的2～3倍以上。无论从整个国际经济气候还是中国宏观经济大势来看，中国资源能源问题已经日趋严峻，节约能耗势在必行，因此我国在面临巨大的资源约束瓶颈和环境恶化压力下，走可持续发展道路，发展节能建筑刻不容缓。

我国政府为了加强建筑节能工作的开展，制定和颁布了一系列新标准和新规范。虽然已经取得一些初步成效，但由于如下三点问题：1)缺乏有效的评价指标体系和评估方法；2)节能水平综合评价难以实施；3)对节能标准的执行情况缺乏有效监督；成为建筑节能理论和技术进一步发展的瓶颈。

目前，国际上发展较为成熟的评估体系主要有英国BREEAM，美国LEED，多国GBC，日本CASBEE等，它们为各国建立适合本国特点的绿色建筑评估体系提供了重要参考。

1990年英国“建筑研究中心”(Building Research Establishment，BRE)提出的《建筑研究中心环境评估法》(Building Research Establishment EnvironmentalAssessment Method，BREEAM)是世界上第一个绿色建筑综合评估系统，也是国际上第一套实际应用于市场和管理之中的绿色建筑评价方法，旨在为绿色建筑实践提供指导，以减少建筑对全球和地区环境的负面影响。

1995年，美国绿色建筑协会(USGBC)编写的《能源与环境设计先导》(Leadership in Energy and Environmental Design，LEED)问世。LEED围绕设计方案组织其结构并提供推荐措施，引导设计功能强大。同时，参评者自己选择条款，自备文件，透明性强，大大方便了资料的收集，LEED没有采用权重系数，而是采用直接累加得分的评分方式。

1998年10月，在加拿大温哥华召开了由加拿大自然资源部发起，以加拿大、美国、英国等14个西方主要工业国家共同参与的绿色建筑国际会议——“绿色建筑挑战98”(Green Building Challenge 98)。会议的中心议题是通过广泛交流此前各参与国的相关研究资料，发展一个能得到国际广泛认可的通用绿色建筑评估框架，以便能对现有的不同建筑环境性能评价方法进行比较。同时考虑地区差异，允许各国专家小组根据各地区实际情况自定义具体的评价内容、评价基准和权重系数。通过灵活调节，各国可通过改编而拥有自己国家或地区版的GBTool。

2001年，日本开始实施关于建筑物综合环境评价方法开发的研究调查工作，力求形成一套与国际接轨的标准和评价方法。其开发的建筑物综合环境评价方法称为CASBEE(Comprehensive Assessment System forBuilding EnvironmentalEfficiency)。CASBEE的评分基准是以评价当时的社会与技术发展水平为基准。场合不同时，要考虑地域差别，根据勘查结果确定参考建筑，设定多个评分基准。采用5级评分方式，基准值为水平3(3分)；满足最低条件(法律规定)时评定为水平1(1分)，达到一般水平时为水平3。CASBEE也采用权重系统，各细目的权重系数需根据不同用途进行讨论确定。

2005年，我国出台《绿色建筑评价标准》用于评价住宅建筑和办公建筑、商场、宾馆等公共建筑。该标准的评价指标体系包括以下六大指标：节地与室外环境；节能与能源利用；节水与水资源利用；节材与材料资源利用；室内环境质量；运营管理(住宅建筑)、全生命周期综合性能(公共建筑)。各大指标中的具体指标分为控制项、一般项和优选项3类。其中，控制项为评为绿色建筑的必备条款；优选项主要指实现难度较大、指标要求较高的项目。对同一对象，可根据需要和可能分别提出对应于控制项、一般项和优选项的指标要求。

上述所有的绿色建筑评估体系都是为了降低建筑的环境负荷而设计的，但是对于权重问题，如何运用权重于绿色建筑评估这一特殊的评估系统，即权重在这一领域的应用策略和方法论，则一直缺乏系统的研究，另外绿色性能改进建议及网络可视化系统的实现问题等各方面仍然存在一系列不确定性。如何确定并优化权重值，如何将绿色建筑评估体系的全过程整合成为直观可视实用的信息系统，是目前亟待解决的问题。

发明内容

本发明的目的是提供一种基于WebGIS的绿色建筑智能化节能评估管理系统，解决了绿色建筑节能评估指标权重的确定、优化问题及网络可视化系统的实现问题。

为了实现上述目的，本发明的技术方案是提出一种适合主流绿色建筑评估体系的动态运行框架。该框架是在对LEED，BREEAM，CASBEE，GBTool等世界范围内影响深远的评估体系以及我国《绿色建筑评价标准》的研究基础之上，引入数据挖掘分析方法及一些改进的传统算法，对绿色建筑进行适合国情的智能化评价，并将智能化过程整合成基于B/S架构的绿色建筑可视化评估系统。

我国《绿色建筑评价标准》将一级指标设为节地与室外环境，节能与能源利用，节水与水资源利用，节材与材料资源利用，室内环境质量及运营管理等六项。本发明在指标建立方面，先搜集现有绿色建筑的信息，在搜集到的定性定量数据的基础上，运用聚类方法对具有不同特征的建筑进行分类，再用主成分分析法确定各类项目的主要指标，并用WBS方法逐层分解建立相应的二级指标、三级指标，保证以较少的指标包含最大的信息量。保存每一类别对应的主要指标并建立指标数据库，当有新项目申请评估时，根据待评估项目的个性特征，运用聚类方法确定其归属类别，进而确定该类的相关指标，降低了计算复杂度，保证了结果的准确性，为以后的权重确定及权重数据库的建立奠下基石。

权重策略是评价体系的重要环节。通过构造判断矩阵的模糊综合评判法和层次分析法不但能够最大限度减少专家的主观偏好，而且适于利用计算机程序的实现和操作，但在结果修正和修正后的可信度方面仍然存在一些不足。本发明在传统层次分析法基础上进行可信度及相容度改进，建立权重优化模型，使得该模型能够保证结果修正的收敛速度，最大程度保留专家们的初始意见，增强结果的准确性和可信度。

综合评价指标权重的确定：

层次分析法的关键步骤是要建立合理、一致的判断矩阵。首先，判断矩阵的排序权值问题已由特征向量排序法发展为优化方法，当判断矩阵不满足一致性条件时，为了改进判断矩阵一致性，必须修正对判断矩阵一致性影响较大的元素，而不是要求专家重新打分；其次，当专家无法通过交流形成统一意见时，仅对判断矩阵一致性检验和改进无法满足权重排序精度要求。因此，采用剔除或修正相容性不佳的判断项，考虑群组决策相容性的检验和修正，是一种更为合理、可靠的选择。本发明所提出的改进算法，能够平衡矩阵相容性和结果可信度，重视多目标规划问题收敛速度和偏离度，保证判断矩阵通过最少迭代次数获得偏离度最小解。

模型基本假设：m个专家对n个评价指标X＝{X₁，X₂，...，X_n}打分，各专家权重为λ；群组决策I(n，m，λ)中，令k为迭代次数，

为相容性指标临界值，A^L为第L个专家的判断矩阵，

为A^L的排序向量，w＝(w₁，w₂，...，w_n)^T为群组决策的综合排序向量，算法步骤如下：

(1)令k＝0，若CR＜0.1，初始矩阵一致性检验满足要求，转步骤4，否则进行修正，即搜索判断矩阵一致性影响较大的一对元素，逐步改进，直到达到CR＜0.1。

(2)计算 $E^{\left(k\right)}=e_{\mathrm{ij}}^{\left(k\right)}=a_{\mathrm{ij}}^{\left(k\right)}\frac{w_j^{\left(k\right)}}{w_i^{\left(k\right)}},$ 其中

不全为1。设 $e_{\mathrm{rs}}^{\left(k\right)}={\max }_{i,j}\left\{e_{\mathrm{ij}}^{\left(k\right)}\right\},$ 有 $e_{\mathrm{rs}}^{\left(k\right)}>1,$ 令β为迭代参数，构造 ${\stackrel{\&OverBar;}{E}}^{\left(k\right)}={\stackrel{\&OverBar;}{e}}_{\mathrm{ij}}^{\left(k\right)},$ 满足 $\left\{\begin{array}{c}{\stackrel{\&OverBar;}{e}}_{\mathrm{rs}}^{\left(k\right)}=e_{\mathrm{rs}}^{\left(k\right)}-\mathrm{\&beta;}\&GreaterEqual;\mathrm{1,0}<\mathrm{\&beta;}\&le;1\\ {\stackrel{\&OverBar;}{e}}_{\mathrm{sr}}^{\left(k\right)}=\frac{1}{{\stackrel{\&OverBar;}{e}}_{\mathrm{rs}}^{\left(k\right)}}\\ {\stackrel{\&OverBar;}{e}}_{\mathrm{ij}}^{\left(k\right)}=e_{\mathrm{ij}}^{\left(k\right)},(i,j)\&NotEqual;(r,s)\end{array}\right.,$ 构造 $A^{(k+1)}=a_{\mathrm{ij}}^{(k+1)}=\frac{w_i^{\left(k\right)}}{w_j^{\left(k\right)}}{\stackrel{\&OverBar;}{e}}_{\mathrm{ij}}^{\left(k\right)}.$

(3)k＝k+1，返回步骤2重新计算，若CR＜0.1，转步骤4，否则继续迭代步骤2-3。

(4)利用规划问题， $\min F\left(w\right)={\mathrm{\&Sigma;}}_{L=1}^m{\mathrm{\&Sigma;}}_{i=1}^n{\mathrm{\&Sigma;}}_{j=1}^n{\mathrm{\&psi;}}_L{a}_{\mathrm{ij}}^L\frac{w_j}{w_i},$ ${\mathrm{\&Sigma;}}_{i=1}^n{w}_i=1,w_i>0,i=\mathrm{1,2},...,n,{\mathrm{\&psi;}}_L=\frac{{\mathrm{\&lambda;}}_L}{n(n-1)-m_A^L}$ 求出最小解，该规划问题存在唯一极小点即综合排序向量w^(k)，w^(k)是方程组 ${\mathrm{\&Sigma;}}_{j=1}^n\left({\mathrm{\&Sigma;}}_{L=1}^m{\mathrm{\&psi;}}_L{a}_{\mathrm{ij}}^L\right)\frac{w_j}{w_i}={\mathrm{\&Sigma;}}_{j=1}^n\left({\mathrm{\&Sigma;}}_{L=1}^m{\mathrm{\&psi;}}_L{a}_{\mathrm{ij}}^L\right)\frac{w_i}{w_j}),i=\mathrm{1,2},...,n,$ 在 $\{w={(w_1,w_2,...,w_n)}^T|{\mathrm{\&Sigma;}}_{i=1}^n{w}_i=1,w_i>0,w\&Element;R^n\}$ 上的唯一解，同时计算综合相容指标。

(5)若 $\mathrm{SI}{(n,m,\mathrm{\&lambda;})}^{\left(k\right)}\&le;\stackrel{\&OverBar;}{S.I.},$ 则转第(9)步，否则执行下一步。

(6)计算各专家的偏差矩阵 $E^{L\left(k\right)}=\left({\mathrm{\&epsiv;}}_{\mathrm{ij}}^{L\left(k\right)}\right),$ 取 $\left({\mathrm{\&epsiv;}}_{\mathrm{ij}}^{L\left(k\right)}\right)=a_{\mathrm{ij}}^{L\left(k\right)}\frac{w_j^{\left(k\right)}}{w_i^{\left(k\right)}},$ 设 ${\mathrm{\&epsiv;}}_{\mathrm{st}}^{r\left(k\right)}=\max \left({\mathrm{\&epsiv;}}_{\mathrm{st}}^{L\left(k\right)}\right),$ 令

其中，θ∈[0.1]为加权系数。为达到收敛速度快和保留原始信息的目的，本发明确定最优θ’的算法为：每次调整过程中，θ以固定的步长开始，如0.1，依次从0变化至1；每次改变后计算改进矩阵的可能满意度；最后选取可能满意度最大的θ作为本次调整的最优加权系数θ’；此外，设置最大单词修正幅度，令θ最小值为0.5，当计算出的θ’值小于0.5时，对其调整。

(7)计算 $A^{L(k+1)}=\left(a_{\mathrm{ij}}^{L(k+1)}\right)=\frac{w_i^{\left(k\right)}}{w_j^{\left(k\right)}}\stackrel{\&OverBar;}{{\mathrm{\&epsiv;}}_{\mathrm{IJ}}^{L\left(l\right)}}.$

(8)k＝k+1，转(4)重新执行。

(9)输出k，A^L(k)，SI(n，m，λ)^(k)及w^(k)。

算法通过迭代得到一个合理的

同时通过计算可得出迭代次数与偏差距离，作为算法评价指标。

综合评价指标的计算模型：

由于影响节能性能综合指标的因素较多，因素之间既可能是独立的，也可能是相互制约的，加上指标等级的评定标准值是以区间的形式存在的，因此综合评价实际上是一个较为复杂的问题，简单地对单项指标加权平均求得的综合指标值并不能完全反映节能的实际状况。针对这一问题，国内外研究人员提出了诸多解决方案，如灰色系统综合评价方法，基于粗糙集理论与遗传算法的综合评价算法，模糊综合评判方法等。然而，这些模型仅仅提供了单一的固定权重，指标值区间的差异度也是相对静止的，因此，本发明在改进层次分析法确定权重的基础上，利用可变模糊评价方法建立节能性能综合指标的计算模型。

可变模糊集理论给出的相对差异函数可以量化指标对各级指标标准值区间的相对差异度，并由此确定指标标准值为区间的指标相对隶属度，依靠可变模糊集理论建立综合评价指标的计算模型可以有效地解决多指标且指标标准值为区间的评价问题。

设有n个待评价绿色建筑组成的样本集，每个样本拥有m个特征指标对其进行综合评定，则待评价绿色建筑的特征值矩阵为：

$X=\left[\begin{array}{c}{x}_{11}{x}_{12}...x_{1n}\\ x_{21}{x}_{22}...x_{2n}\\ ...\\ x_{m1}{x}_{m2}...x_{\mathrm{mn}}\end{array}\right]=\left(x_{\mathrm{ij}}\right)---\left(1\right)$

式中，X_ij为样本j的第i个指标的评定值，i＝1，2，...，m，j＝1，2，...，n。

样本按c个级别进行综合评定，设1级为最优，依次递减，c级为最差，设各级别的指标标准值区间矩阵为：

$I_{\mathrm{ab}}=\left[\begin{array}{c}[a_{11},b_{11}][a_{12},b_{12}]...[a_{1c},b_{1c}]\\ [a_{21},b_{21}][a_{22},b_{22}]...[a_{2c},b_{2c}]\\ ...\\ [a_{m1},b_{m1}][a_{m2},b_{m2}]...[a_{\mathrm{mc}},b_{\mathrm{mc}}]\end{array}\right]=\left(\right[a_{\mathrm{ih}},b_{\mathrm{ih}}\left]\right)---\left(2\right)$

式中，h＝1，2，...，c，a_ih＞b_ih，即指标特征值越大，等级越高。

矩阵I_ab即为可变模糊集理论中模糊可变集合的吸引域区间矩阵，这是一个已知矩阵。通常指标i的值域为[c_ih，d_ih]，可根据矩阵I_ab中各级指标标准值区间两侧相邻区间的上下限值确定，即：

$I_{\mathrm{cd}}=\left[\begin{array}{c}[c_{11},d_{11}][c_{12},d_{12}]...[c_{1c},d_{1c}]\\ [c_{21},d_{21}][c_{22},d_{22}]...[c_{2c},d_{2c}]\\ ...\\ [c_{m1},d_{m1}][c_{m2},d_{m2}]...[c_{\mathrm{mc}},d_{\mathrm{mc}}]\end{array}\right]=\left(\right[c_{\mathrm{ih}},d_{\mathrm{ih}}\left]\right)---\left(3\right)$

根据矩阵I_ab，按物理分析与实际情况确定吸引域区间[a_ih，b_ih]中相对隶属度等于1，即μ_A(x_ij)_h＝1的点值矩阵M为：

$M=\left[\begin{array}{c}{M}_{11}{M}_{12}...M_{1c}\\ M_{21}{M}_{22}...M_{2c}\\ ...\\ M_{m1}{M}_{m2}...M_{\mathrm{mc}}\end{array}\right]=\left(M_{\mathrm{ih}}\right)---\left(4\right)$

根据待评价样本j的第i个指标特征值X_ij与级别h的第i个指标的相对隶属度等于1的值M_ih进行比较，若X_ij落在M_ih值的左侧，即X_ij＜M_ih，则其相对隶属函数模型为：

$\left\{\begin{array}{c}{\mathrm{\&mu;}}_A{\left(x_{\mathrm{ij}}\right)}_h=0.5[1+\frac{x_{\mathrm{ij}}-a_{\mathrm{ih}}}{M_{\mathrm{ih}}-a_{\mathrm{ih}}}];x_{\mathrm{ij}}\&Element;[a_{\mathrm{ih}},M_{\mathrm{ih}}]\\ {\mathrm{\&mu;}}_A{\left(x_{\mathrm{ij}}\right)}_h=0.5[1-\frac{x_{\mathrm{ij}}-a_{\mathrm{ih}}}{M_{\mathrm{ih}}-a_{\mathrm{ih}}}];x_{\mathrm{ij}}\&Element;[c_{\mathrm{ih}},M_{\mathrm{ih}}]\end{array}\right.---\left(5\right)$

若X_ij落在M_ih值的右侧，即X_ij＞M_ih，则其相对隶属函数模型为：

$\left\{\begin{array}{c}{\mathrm{\&mu;}}_A{\left(x_{\mathrm{ij}}\right)}_h=0.5[1+\frac{x_{\mathrm{ij}}-b_{\mathrm{ih}}}{M_{\mathrm{ih}}-b_{\mathrm{ih}}}];x_{\mathrm{ij}}\&Element;[M_{\mathrm{ih}},b_{\mathrm{ih}}]\\ {\mathrm{\&mu;}}_A{\left(x_{\mathrm{ij}}\right)}_h=0.5[1-\frac{x_{\mathrm{ij}}-b_{\mathrm{ih}}}{M_{\mathrm{ih}}-b_{\mathrm{ih}}}];x_{\mathrm{ij}}\&Element;[b_{\mathrm{ih}},d_{\mathrm{ih}}]\end{array}\right.---\left(6\right)$

μ_A(x_ij)_h＝0； $x_{\mathrm{ij}}\&NotElement;(c_{\mathrm{ih}},d_{\mathrm{ih}})---\left(7\right)$

由式(5)-(7)计算样本j的第i个指标对各等级的相对隶属度矩阵：

_jU＝(μ_A(x_ij)_h)                                            (8)

可变模糊识别模型如式(9)所示，用以计算节能对等级的综合相对隶属度：

$u_h^{\&prime;}{}_j=\frac{1}{1+\left\{\frac{{\mathrm{\&Sigma;}}_{i=1}^m{\left[w_i(1-{\mathrm{\&mu;}}_A{\left(x_{\mathrm{ij}}\right)}^h)\right]}^p}{{\mathrm{\&Sigma;}}_{i=1}^m{\left[w_i{\mathrm{\&mu;}}_A{\left(x_{\mathrm{ij}}\right)}^h\right]}^p}\right\}}---\left(9\right)$

式中，α为模型优化准则参数，p为距离参数，w_i为指标权重，由式(9)可得到非归一化的综合相对隶属度矩阵：

U’＝(_ju’_h)                                        (10)

将式(10)归一化处理得到综合相对隶属度矩阵：

U＝(_ju_h)                                            (11)

式中， $u_h^j=u_h^{,}{}_j/{\mathrm{\&Sigma;}}_{h=1}^{c}u_h^{,}{}_j.$

最终，节能性能的等级特征值向量：

H＝(1，2，...，c)·U                                        (12)

据此对样本进行节能性能综合指标的评价。

基于案例的推理技术：

权重值也具有动态性，而不是一经确定不再变更。对于不同区域、不同环境、不同建筑类型的建筑物而言，其权重分配不应是单一的，而需要根据建筑物不同情况采取相应的指标体系和权重值。例如：能源匮乏地区可能对能源消耗部分更为重视，经济不发达地区可能对经济类指标更为看重，而发达地区可能更多地将目光聚焦于人类自身健康，亦即室内环境质量中。我国《绿色建筑评价技术细则》虽然也考虑到了这一点，但并未给出具体的解决方案。基于以上考虑，本发明在权重优化的基础上，进一步引入权重数据库作为该问题的解决方案，目的是提供一个丰富的建筑物数据库，使不同条件下的建筑物权重呈现差异性，以便更真实地反映该类建筑物的权重分配比例，同时利用数据挖掘智能分析方法建立比对匹配机制，使相似建筑物通过相似度计算可以迅速确定其权重，避免专家重复劳动，逐步实现快速、准确、科学的评估功能。

基于案例的推理技术(CBR)的预测流程框图如图1所示，其主要执行步骤包括以下四点：

(1)案例的表示。在CBR模型中，案例是知识的基本单元。完整的案例表示包括案例的特征描述和案例数据库的建立，重点在于从绿色建筑项目中提取关键特征属性，使之尽可能全面地反映建筑项目所蕴含的所有信息。

(2)案例的检索。案例检索的算法效率直接影响到案例检索结果的匹配程度以及预测结果的准确性。本发明沿用可变模糊综合评判法的思路，并给出相似度的计算方法。

(3)解决方案的修正和重用。在获取到相似案例的数据之后，决策者便可以根据已有信息的规律进行判断；由于案例之间仍存在些许差异，因此需要修正目标案例的解决方案，使之切实吻合。另外，模型还对相似案例数据进行分析挖掘，探究案例间的潜在规律。

(4)案例库的更新。CBR采用的是增量式主动学习模式，新项目在评价之后，其数据和信息同样可以保存在案例库中成为新的案例供今后使用，案例数据库也得到进一步丰富和完善，提高决策辅助的实用性和可靠度。

1.节能关键属性的确定及分类：

案例数据库的搭建和输入过程要求将绿色建筑拆分为若干属性加以描述，形成结构化案例。根据样本资料的特点，节能可以拆分为人的健康、能源效率、资源效益、环境责任、可承受性等诸多特征属性，若某案例的各特征属性值都与目标案例十分接近，系统便可以判断该案例与目标案例相似，其数据也可以作为目标案例预测的依据。

但是，并非所有特征属性都应当成为案例相似度的评估因素，每个特征属性对于不同预测内容的影响也不尽相同。因此，系统在进行建筑节能相关预测时，首先对特征属性进行筛选，寻找出对预测结果影响最大的关键属性参与相似度计算，并且按照影响程度的大小对各特征属性赋权，权重的确定依照本发明所采用的改进层次分析法的专家评价方法进行。

特征属性中既有定性数据，也有定量数据，如何将定性数据加以比较是相似度计算中值得讨论的问题。本发明将所有特征属性分为控制属性与比较属性两大类。其中，定性数据如建筑所在地区、建筑类型等，归类为控制属性。本发明规定控制属性不参与相似度计算，但只有当案例控制属性与目标案例同属某一范围内，才能进入下一步的定量计算，其余不予考虑，保证检索结果中案例的定性数据也能呈现出相似性，并将其视为案例相似的必要条件之一。除控制属性外，其余可以进行量化比较的属性归类为比较属性，如建筑总造价等，在控制属性一致的前提下，比较属性总体差异度越小，建筑间相似度越高。

2.相似度的计算方法：

本发明在可变模糊集理论和最近邻算法的基础上设计了一种相似度的计算模型，其核心思想是在求得单个比较属性差异度的基础上计算加权综合差异度，差异度越小则证明相似度越高。模型计算步骤如下：

(1)选取绿色建筑中对相似性判断影响较大的几种特征属性，将难以量化计算相似度的属性归类为控制属性，其余则归类为比较属性。利用控制属性对案例库进行第一轮筛选，抽出控制属性与目标案例一致的已有案例，同时参考本发明的赋权方法对比较属性赋权。

(2)计算已有案例与目标案例间单个比较属性的相似度。本发明认为，各属性间的差异应有各自的相似度计算公式。对属性指标应根据属性对数字差异的敏感度和对实际建筑相似程度的影响建立相似度公式，需要经由专家论证和实际检验确定。

(3)根据各属性间的权重分配和单个属性相似度计算案例综合相似度。其计算公式为：

$S={\mathrm{\&Sigma;}}_{i=1}^m\left(w_i{s}_i\right)---\left(13\right)$

其中，w_i为第i个属性的权重；S_i为第i个属性的相似度；m为属性个数。

(4)设置案例相似度下限，只有相似度超过下限值的案例可以被认定为目标案例的相似案例。在从数据库中提取到相似案例数据之后，绿色建筑智能化建筑节能信息系统便可以进行多种形式的预测。

三维WebGIS：

在WebGIS平台上开发一套基于Internet的绿色建筑评估系统，该系统由指标数据库、权重数据库、专家库、建议库、智能分析处理模块和评估结果显示模块构成，实现管理者对评价指标的选定，分级；在专家库中指派相关专家进行权重打分；专家对各级指标权重进行打分与修正；项目负责人进行项目评估申请，查看申请进度等；计算综合最优权重，自动进入权重数据库搜索权重匹配项，自动计算项目总得分与评级；三维WebGIS系统显示评价结果及评价建议，进行某区域的绿色建筑情况统计等功能。由于系统建立在三维WebGIS的平台上，可以结合WebGIS本身的空间处理优势，具有更好的直观性和可操作性；同时结合数据挖掘智能分析处理模块，针对新申请的待评估项目更智能化地分析各数据库从而得到科学的评价结果，并在建议库中自动搜寻改进策略。

专家在线打分模块的实现：

专家在线打分模块的实现步骤如下：

(1)建立专家库。搜集绿色建筑节能领域专家的基本信息、联系方式等并录入数据库，同时，由于本算法要求在计算权重时考虑专家的相对权重，因此专家库在建立时对专家信息进行考量，按职称、工作年限、取得的成就等因素给出各个专家的相对权重。

(2)抽取专家。系统随机抽取所需要的专家人数参与打分，并与他们取得联系。专家可在规定的时间内，选择任一时间、任一地点登录系统，并可查看节能的各项公开的数据信息，从而对该建筑项目有更为全面的了解。

(3)进行打分。在对项目有了充分的认识之后，专家可以采用成对比较法对各指标之间的重要程度进行打分。在提交打分结果之后系统将立即对判断矩阵的一致性进行检验，若一致性偏差太大，系统会要求专家重新打分，否则将自动对判断矩阵进行迭代修正，直到满足要求为止，并立即计算出专家给出的权重结果。

(4)计算综合权重。当所有专家提交完各自的打分结果之后，系统对该群组决策进行相容性判断，若相容指标不符合条件，则进行修正，否则系统按照算法给出最终的权重，作为节能性能评价各单项指标的权重向量。

三维地图的制作：

3ds Max与Photoshop是制作三维地图的主要软件，其主要制作步骤如图2所示。

地图切图及坐标转换：

在3D-WebGIS系统中，为便于网络传输和快速呈现，三维地图会根据查看范围分级显示，且每一级的指定范围会按照固定尺寸和格式进行切片，分割为若干行与列的正方形图片。其中，某一级别的地图切割行列数计算公式如下：

$R=\frac{Y_{\max }-Y_{\min }}{X_{\max }-X_{\min }}\&times;\frac{w}{T/\mathrm{dpi}\&times;2.54\&times;S\&divide;100}---\left(14\right)$

$C=\frac{w}{T/\mathrm{dpi}\&times;2.54\&times;S\&divide;100}---\left(15\right)$

其中，R为地图切片行数，C为地图切片列数，Y_max，Y_min，X_max，X_min分别代表地图坐标范围的各极值，W为地图宽度，T为单张切片尺寸，dpi为显示器分辨率(正常尺寸为96)，S为比例尺。在切图过程中，切割行列数应转换为大于或等于R、C值的最小整数。

地图层级之间的切片采用四叉树数据结构，即第L级的单张切片在L+1级中将被等分为四张切片。因此，在求出第1级地图的行列数之后，第n级的行列数即为第1级地图的2^n-1倍，并可相应求出每一张切片的坐标位置。

除切图之外，三维地图还需要将三维坐标系转换为显示在计算机中的象素坐标系，其原理与二维地图相似，在将三维地图转换为位图之后，系统可以根据实际地理位置寻找若干控制点对，然后利用最小二乘法求解矩阵方程以获取坐标转换公式。

本发明的效果和益处是：

解决了绿色建筑节能评估指标权重的确定和优化问题，更多地保留了专家的原始信息，更符合专家的真实意愿，而程序的迭代次数也较少；强调以往经验对于工程项目管理的重要性，将决策辅助功能建立在数学模型和经验基础之上，同时对经验数据进行科学聚类、分析，能够整理和挖掘出项目的潜在规律；提倡管理系统的易操作性和信息共享，建立了基于互联网的管理系统，实现了项目各参与方对信息的共享与交流；本发明推进了绿色建筑在我国的发展，通过绿色建筑节能评估指标与数据挖掘智能分析及计算机可视化进行结合，实现系统的智能化，为操作者提供了便利，也为科学进行绿色建筑标识提供了理论依据。

附图说明

附图1是基于案例推理技术的预测流程框图。

附图2是三维地图制作流程框图。

具体实施方式

以下结合技术方案和附图详细叙述本发明的具体实施方式。

综合评价指标权重的计算：

项目邀请了五位专家对某建筑指标的权重进行打分，之后分别利用传统的层次分析法与改进后的层次分析法计算出各自的权重向量，并进行比较。在改进的层次分析法中，设θ’＝0.9，即选择较慢的收敛速度与较小的偏差，设

且专家之间的权重相等，即均为0.2。五位专家按照人的健康、能源效率、资源效益、环境责任、可承受性的顺序打分如下：

专家一： $\left[\begin{array}{ccccc}1& 1/7& 1& 3& 1/5\\ 7& 1& 5& 9& 1\\ 1& 1/5& 1& 3& 1/3\\ 1/3& 1/9& 1/3& 1& 1/7\\ 5& 1& 3& 7& 1\end{array}\right],$

计算出的符合一致性权重向量为：(0.0842，0.4329，0.0981，0.0386，0.3462)^T；

专家二： $\left[\begin{array}{ccccc}1& 1/5& 1/3& 5& 1/3\\ 5& 1& 3& 7& 3\\ 3& 1/3& 1& 5& 1\\ 1/5& 1/7& 1/5& 1& 1/5\\ 3& 1/3& 1& 5& 1\end{array}\right],$

计算出的符合一致性权重向量为：(0.0991，0.4630，0.1994，0.0390，0.1994)^T；

专家三： $\left[\begin{array}{ccccc}1& 1/3& 1& 2& 1/5\\ 3& 1& 4& 8& 1\\ 1& 1/4& 1& 4& 1/2\\ 1/2& 1/8& 1/4& 1& 1/5\\ 5& 1& 2& 5& 1\end{array}\right],$

计算出的符合一致性权重向量为：(0.1023，0.3778，0.1345，0.0481，0.3393)^T；

专家四： $\left[\begin{array}{ccccc}1& 1/6& 1/2& 2& 1/4\\ 6& 1& 5& 7& 3\\ 2& 1/5& 1& 6& 1\\ 1/2& 1/7& 1/6& 1& 1/7\\ 4& 1/3& 1& 7& 1\end{array}\right],$

计算出的符合一致性权重向量为：(0.0711，0.5126，0.1645，0.0395，0.2124)^T；

专家五： $\left[\begin{array}{ccccc}1& 1/5& 1/3& 5& 1/3\\ 5& 1& 4& 5& 4\\ 3& 1/4& 1& 4& 2\\ 1/5& 1/5& 1/4& 1& 1/4\\ 5& 1/4& 2& 4& 1\end{array}\right],$

计算出的符合一致性权重向量为：(0.0915，0.4812，0.1507，0.0457，0.2309)^T。

最终，程序经过22次相容性迭代，得到的最终权重向量为：(0.0852，0.4566，0.1498，0.0430，0.2654)^T，即最终的权重分配结果为：人的健康指数占0.457，能源效率指数占0.265，资源效益指数占0.150，环境责任指数占0.085，可承受性指数占0.043。 $\stackrel{\&OverBar;}{S.I.}=1.0091.$

层次分析法改进前后结果比较如下表所示：

综合指标计算模型的评价：

项目采用某绿色建筑的实际指标数据对节能性能指数(PQI)的计算模型进行评定，其中权重数据沿用上例中的最终计算结果。该建筑(j＝1)经过检测，其单项指标特征值向量为(88，87，92，30，90)^T，顺序依次为人的健康指数、能源效率指数、资源效益指数、环境责任指数和可承受性指数。节能单项指标等级的吸引域矩阵和各指标等级的范围域矩阵为：

$I_{\mathrm{ab}}=\left[\begin{array}{ccccc}\left[\mathrm{90,100}\right]& \left[\mathrm{80,89}\right]& \left[\mathrm{70,79}\right]& \left[\mathrm{60,69}\right]& \left[\mathrm{0,59}\right]\\ \left[\mathrm{90,100}\right]& \left[\mathrm{80,89}\right]& \left[\mathrm{70,79}\right]& \left[\mathrm{60,69}\right]& \left[\mathrm{0,59}\right]\\ \left[\mathrm{90,100}\right]& \left[\mathrm{80,89}\right]& \left[\mathrm{70,79}\right]& \left[\mathrm{60,69}\right]& \left[\mathrm{0,59}\right]\\ \left[\mathrm{90,100}\right]& \left[\mathrm{80,89}\right]& \left[\mathrm{70,79}\right]& \left[\mathrm{60,69}\right]& \left[\mathrm{0,59}\right]\\ \left[\mathrm{90,100}\right]& \left[\mathrm{80,89}\right]& \left[\mathrm{70,79}\right]& \left[\mathrm{60,69}\right]& \left[\mathrm{0,59}\right]\end{array}\right]=\left(\right[a_{\mathrm{ih}},b_{\mathrm{ih}}\left]\right)$

$I_{\mathrm{cd}}=\left[\begin{array}{ccccc}\left[\mathrm{80,100}\right]& \left[\mathrm{70,100}\right]& \left[\mathrm{60,89}\right]& \left[\mathrm{0,79}\right]& \left[\mathrm{0,69}\right]\\ \left[\mathrm{80,100}\right]& \left[\mathrm{70,100}\right]& \left[\mathrm{60,89}\right]& \left[\mathrm{0,79}\right]& \left[\mathrm{0,69}\right]\\ \left[\mathrm{80,100}\right]& \left[\mathrm{70,100}\right]& \left[\mathrm{60,89}\right]& \left[\mathrm{0,79}\right]& [\mathrm{0,69}\\ \left[\mathrm{80,100}\right]& \left[\mathrm{70,100}\right]& \left[\mathrm{60,89}\right]& \left[\mathrm{0,79}\right]& \left[\mathrm{0,69}\right]\\ \left[\mathrm{80,100}\right]& \left[\mathrm{70,100}\right]& \left[\mathrm{60,89}\right]& \left[\mathrm{0,79}\right]& \left[\mathrm{0,69}\right]\end{array}\right]=\left(\right[c_{\mathrm{ih}},d_{\mathrm{ih}}\left]\right)$

其中i＝1，2，3，4；h＝1，2，，3，4，5。

五个指标等级均是数值越大，性能越高，因此对于“优”、“良”和“中”三个等级的M_i1，M_i2，M_i3分别取其吸引域区间的右端点值，对于“次”和“差”的M_i4，M_i5取其吸引域区间的左端点值。由此可得点值矩阵M_ih为：

$M=\left[\begin{array}{ccccc}100& 89& 79& 60& 0\\ 100& 89& 79& 60& 0\\ 100& 89& 79& 60& 0\\ 100& 89& 79& 60& 0\\ 100& 89& 79& 60& 0\end{array}\right]=\left(M_{\mathrm{ih}}\right)$

计算特征指标对级别h＝1，2，3，4，5的相对隶属度矩阵为：

$U_1=\left[\begin{array}{ccccc}0.4& 0.944& 0.05& 0& 0\\ 0.35& 0.889& 0.1& 0& 0\\ 0.6& 0.364& 0& 0& 0\\ 0& 0& 0& 0.25& 0.746\\ 0.5& 0.455& 0& 0& 0\end{array}\right]$

应用模糊可识别模型求解建筑j＝1对各等级的相对隶属度，取p＝2，即欧式距离，α＝2，即最小二乘方准则，最终得到综合相对隶属度向量为：

₁u′＝(0.221，0.891，0.008，0.005，0.041)^T

由于仅有一条待评价绿色建筑，因此综合相对隶属度向量为：

U’＝(0.221，0.891，0.008，0.005，0.041)^T

将矩阵U’归一化后得到其综合相对隶属度向量为：

U＝(0.190，0.764，0.007，0.004，0.035)^T

计算得到待评价绿色建筑的等级特征值为：

H＝(1，2，3，4，5)·U＝1.93

因此，依照本发明算法，该绿色建筑应隶属于“良”这一等级，且处于“优良”的区间范围内，而单纯地对所有单项指标进行加权平均计算出的评价值为79.185，隶属于“中”这一等级，显然，在其他四项指标均超过85分且总权重超过85％的情况下，仅仅由于环境责任一项指标而使整体节能评价降低一个等级的方法是不够科学的，并不能客观反映该建筑的真实节能性能水平。在不考虑控制单项指标值的前提下，可变模糊综合评价法相对于其他方法最大的改进便在于考虑了距离本身的权重，距离偏差越大说明数值的可靠度越低，这种可靠程度也应当以加权的方式体现。可变模糊综合评判方法与改进层次分析法的结合在本发明中被证明是科学的，能够真实反映节能的客观状况。

Claims (1)

1.一种基于WebGIS的绿色建筑智能化节能评估管理系统，其特征在于，包括以下步骤：

步骤一：

搜集现有绿色建筑的信息，在搜集到的定性定量数据的基础上，运用聚类方法对建筑按特征分类，再用主成分分析法确定项目主要指标，并用WBS方法逐层分解建立相应的二级指标、三级指标；

步骤二：

保存每一类别对应的主要指标并建立指标数据库，当有新项目申请评估时，根据待评估项目的特征，运用聚类方法确定其归属类别，进而确定该类的相关指标；

步骤三：

确定各指标权重；在传统层次分析法基础上进行可信度及相容度改进，建立权重优化模型；所述指标权重的确定包括以下子步骤：

①、计算

若CR＜0.1，初始矩阵一致性检验满足要求，转步骤2，否则进行修正，即搜索判断矩阵一致性影响较大的一对元素，逐步改进，直到达到CR＜0.1；

②、对满足精度要求的矩阵，利用公式(1)所述规划问题求出最小解，同时计算综合排序向量的相容指标；

③、若

则转子步骤4，否则利用公式(2)计算各专家的偏差矩阵，利用公式(3)迭代，并转步骤2进行检验；

④、输出k，A^L(k)，SI(n，m，λ)^(k)及w^(k)；

模型基本假设：m个专家对n个评价指标X＝{X₁，X₂，...，X_n}打分，各专家权重为λ；群组决策I(n，m，λ)中，令k为迭代次数，

为相容性指标临界值，A^L为第L个专家的判断矩阵，

为A^L的排序向量，w＝(w₁，w₂，...，w_n)^T为群组决策的综合排序向量；

所述公式(1)为 $\min F\left(w\right)={\mathrm{\&Sigma;}}_{L=1}^m{\mathrm{\&Sigma;}}_{i=1}^n{\mathrm{\&Sigma;}}_{j=1}^n{\mathrm{\&psi;}}_L{a}_{\mathrm{ij}}^L\frac{w_j}{w_i},$ ${\mathrm{\&Sigma;}}_{i=1}^n{w}_i=1,w_i>0,i=\mathrm{1,2},...,n,{\mathrm{\&psi;}}_L=\frac{{\mathrm{\&lambda;}}_L}{n(n-1)-m_A^L},$ 该规划问题存在唯一极小点即综合排序向量w^(k)，w^(k)是方程组 ${\mathrm{\&Sigma;}}_{j=1}^n\left({\mathrm{\&Sigma;}}_{L=1}^m{\mathrm{\&psi;}}_L{a}_{\mathrm{ij}}^L\right)\frac{w_j}{w_i}={\mathrm{\&Sigma;}}_{j=1}^n\left({\mathrm{\&Sigma;}}_{L=1}^m{\mathrm{\&psi;}}_L{a}_{\mathrm{ij}}^L\right)\frac{w_i}{w_j}),i=\mathrm{1,2},...,n,$ 在 $\{w={(w_1,w_2,...,w_n)}^T|{\mathrm{\&Sigma;}}_{i=1}^n{w}_i=1,w_i>0,w\&Element;R^n\}$ 上的唯一解；

所述公式(2)为 $E^{L\left(k\right)}=\left({\mathrm{\&epsiv;}}_{\mathrm{ij}}^{L\left(k\right)}\right),$ 其中 $\left({\mathrm{\&epsiv;}}_{\mathrm{ij}}^{L\left(k\right)}\right)=a_{\mathrm{ij}}^{L\left(k\right)}\frac{w_j^{\left(k\right)}}{w_i^{\left(k\right)}},$ 设 ${\mathrm{\&epsiv;}}_{\mathrm{st}}^{r\left(k\right)}=\max \left({\mathrm{\&epsiv;}}_{\mathrm{st}}^{L\left(k\right)}\right),$ 令

θ∈[0.1]为加权系数；

所述公式(3)为 $A^{L(k+1)}=\left(a_{\mathrm{ij}}^{L(k+1)}\right)=\frac{w_i^{\left(k\right)}}{w_j^{\left(k\right)}}\stackrel{\&OverBar;}{{\mathrm{\&epsiv;}}_{\mathrm{IJ}}^{L\left(l\right)}}$

步骤四：

在改进层次分析法确定权重的基础上，利用可变模糊评价方法建立节能性能综合指标的计算模型；根据公式(4)确定待评价样本j的第i个指标特征值X_ij与级别h的第i个指标的相对隶属度；根据公式(5)计算节能对等级的综合相对隶属度，并计算归一化处理的综合相对隶属度矩阵，最终得到性能的等级特征值向量作为节能性能综合指标的评价；

所述公式(4)为若X_ij落在M_ih值的左侧，即X_ij＜M_ih，则其相对隶属函数模型为：

$\left\{\begin{array}{c}{\mathrm{\&mu;}}_A{\left(x_{\mathrm{ij}}\right)}_h=0.5[1+\frac{x_{\mathrm{ij}}-a_{\mathrm{ih}}}{M_{\mathrm{ih}}-a_{\mathrm{ih}}}];x_{\mathrm{ij}}\&Element;[a_{\mathrm{ih}},M_{\mathrm{ih}}]\\ {\mathrm{\&mu;}}_A{\left(x_{\mathrm{ij}}\right)}_h=0.5[1-\frac{x_{\mathrm{ij}}-a_{\mathrm{ih}}}{M_{\mathrm{ih}}-a_{\mathrm{ih}}}];x_{\mathrm{ij}}\&Element;[c_{\mathrm{ih}},M_{\mathrm{ih}}]\end{array}\right.$

若X_ij落在M_ih值的右侧，即X_ij＞M_ih，则其相对隶属函数模型为：

$\left\{\begin{array}{c}{\mathrm{\&mu;}}_A{\left(x_{\mathrm{ij}}\right)}_h=0.5[1+\frac{x_{\mathrm{ij}}-b_{\mathrm{ih}}}{M_{\mathrm{ih}}-b_{\mathrm{ih}}}];x_{\mathrm{ij}}\&Element;[M_{\mathrm{ih}},b_{\mathrm{ih}}]\\ {\mathrm{\&mu;}}_A{\left(x_{\mathrm{ij}}\right)}_h=0.5[1-\frac{x_{\mathrm{ij}}-b_{\mathrm{ih}}}{M_{\mathrm{ih}}-b_{\mathrm{ih}}}];x_{\mathrm{ij}}\&Element;[b_{\mathrm{ih}},d_{\mathrm{ih}}]\end{array}\right.$

所述公式(5)为 $u_h^{\&prime;}{}_j=\frac{1}{1+\left\{\frac{{\mathrm{\&Sigma;}}_{i=1}^m{\left[w_i(1-{\mathrm{\&mu;}}_A{\left(x_{\mathrm{ij}}\right)}^h)\right]}^p}{{\mathrm{\&Sigma;}}_{i=1}^m{\left[w_i{\mathrm{\&mu;}}_A{\left(x_{\mathrm{ij}}\right)}^h\right]}^p}\right\}}$

步骤五：

在权重优化的基础上，引入权重数据库作为建筑物指标体系和权重值的确定，使建筑物权重呈现差异性，真实反映该类建筑物的权重分配比例；

步骤六：

在WebGIS平台上开发一套基于Internet的绿色建筑评估系统，该系统由指标数据库、权重数据库、专家库、建议库、智能分析处理模块和评估结果显示模块构成，实现管理者对评价指标的选定，分级；在专家库中指派相关专家进行权重打分；专家对各级指标权重进行打分与修正；项目负责人进行项目评估申请，查看申请进度等；计算综合最优权重，自动进入权重数据库搜索权重匹配项，自动计算项目总得分与评级；三维WebGIS系统显示评价结果及评价建议，进行某区域的绿色建筑情况统计等功能。

Images