CN113404226B - 面向降温效应最大化的城市绿色屋顶适建规模决策方法 - Google Patents

面向降温效应最大化的城市绿色屋顶适建规模决策方法 Download PDF

Info

Publication number
CN113404226B
CN113404226B CN202110696824.7A CN202110696824A CN113404226B CN 113404226 B CN113404226 B CN 113404226B CN 202110696824 A CN202110696824 A CN 202110696824A CN 113404226 B CN113404226 B CN 113404226B
Authority
CN
China
Prior art keywords
roof
cooling effect
green
ith
greening
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110696824.7A
Other languages
English (en)
Other versions
CN113404226A (zh
Inventor
左进
李晨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhongke Qingcheng Tianjin Technology Co ltd
Original Assignee
Zhongke Qingcheng Tianjin Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhongke Qingcheng Tianjin Technology Co ltd filed Critical Zhongke Qingcheng Tianjin Technology Co ltd
Priority to CN202110696824.7A priority Critical patent/CN113404226B/zh
Publication of CN113404226A publication Critical patent/CN113404226A/zh
Application granted granted Critical
Publication of CN113404226B publication Critical patent/CN113404226B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • E—FIXED CONSTRUCTIONS
    • E04—BUILDING
    • E04D—ROOF COVERINGS; SKY-LIGHTS; GUTTERS; ROOF-WORKING TOOLS
    • E04D13/00—Special arrangements or devices in connection with roof coverings; Protection against birds; Roof drainage; Sky-lights
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
    • A01G17/00—Cultivation of hops, vines, fruit trees, or like trees
    • A01G17/005—Cultivation methods
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
    • A01G20/00—Cultivation of turf, lawn or the like; Apparatus or methods therefor
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
    • A01G22/00—Cultivation of specific crops or plants not otherwise provided for
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/08—Thermal analysis or thermal optimisation

Abstract

本发明公开面向降温效应最大化的城市绿色屋顶适建规模决策方法，包括：获取预设参数，构建区内绿色屋顶的降温效应总和模型；获取绿色屋顶降温效应最大化的约束因子，构建约束评估模型；通过所述区内绿色屋顶的降温效应总和模型与所述约束评估模型结合，构建面向降温效应最大化的绿色屋顶适建规模决策模型，得出所述面向降温效应最大化的绿色屋顶适建规模决策模型的目标函数；基于所述目标函数进行求解，获得所述面向降温效应最大化的绿色屋顶适建规模。本申请将适建规模中诸多社会经济因素影响的确定问题转化为由若干决策变量和约束条件支持下的目标优化问题，从而实现绿色屋顶适建规模的科学决策。

Description

面向降温效应最大化的城市绿色屋顶适建规模决策方法
技术领域
本发明涉及城市规划与绿色屋顶技术领域，特别是涉及面向降温效应最大化的城市绿色屋顶适建规模决策方法。
背景技术
关于绿色屋顶降温效应的研究方法主要有三大类：一是观察法，基于实际观测(包括现场监测、遥感)对比绿色屋顶建设前后温度的变化；二是统计建模和模拟法，单独通过建模模拟或结合现场观测、实验方法来验证、分析和预测不同绿色屋顶情景的温度变化；三是实验法，通过实验场地收集的测量结果分析绿色屋顶表面特性变化引起的降温效应。现场实验表明不同植物类型的绿色屋顶都有能力对屋顶表面降温，但其降温效应有所不同，与传统屋顶相比，实施绿化的屋顶每日最高表面温度可降低10-30℃，在建筑与街区尺度上的模拟显示了与现场实验一致的效应。
近年来，环境遥感开始在城市热岛效应研究中广泛应用，在特定时间内对城市尺度热环境进行全面的表征。虽然环境遥感反演的城市地表温度不等于大气温度，但已有研究证实地表温度与近地面气温高度相关，地表温度已被广泛用于检验热岛效应与城市地表参数之间的关系。在城市尺度上，数值模拟和统计分析被用来预测不同的绿色屋顶场景，如天气预报模型(WRF)耦合城市冠层模式。Santamouris回顾了绿色屋顶的降温模拟研究，发现在城市层面实施绿色屋顶可以降低平均环境温度0.3-3K。然而，这些模拟是纯理论的，同时假设100％屋顶实施广泛型绿色屋顶。另外一些研究则模拟了部分绿色屋顶实施情况，例如Li等研究表明超过30％屋顶实施绿色屋顶可以实现近地面2m空气温度降低0.2℃；Imran等研究表明通过实施30％-90％的绿色屋顶，最大地表温度降低了1-3.8℃；Huang等发现50％屋顶采用绿色屋顶技术可使近地面2m空气温度下降0.5℃。
城市绿色屋顶的适建规模受建设成本、建筑屋顶绿化适建性等诸多社会经济因素影响，目前尚无一种良好的解决办法，在计算区域内绿色屋顶的适建规模面积时，将这些社会经济因素一次性全部考虑进去。
发明内容
本发明的目的是提供面向降温效应最大化的城市绿色屋顶适建规模决策方法，以解决现有技术的问题，将适建规模的确定问题转化为由若干决策变量和约束条件支持下的目标优化问题。
为实现上述目的，本发明提供了如下方案：本发明提供面向降温效应最大化的城市绿色屋顶适建规模决策方法，包括：
获取预设参数，基于所述预设参数，构建区内绿色屋顶的降温效应总和模型；
获取绿色屋顶降温效应最大化的约束因子，基于所述约束因子，构建约束评估模型；
通过对所述区内绿色屋顶的降温效应总和模型与所述约束评估模型进行融合，构建面向降温效应最大化的城市绿色屋顶适建规模决策模型；
通过对所述面向降温效应最大化的城市绿色屋顶适建规模决策模型的目标函数进行求解，获得所述面向降温效应最大化的城市绿色屋顶适建规模。
优选的，所述预设参数包括：单个绿色屋顶面积、绿化植被种类、单个绿色屋顶坡度、区内绿色屋顶数目。
优选的，所述约束因子包括：建筑屋顶绿化适建总面积、投资总额、建筑屋顶绿化适建性等级与绿化植被类型。
优选的，所述区内绿色屋顶的降温效应总和模型表达式为：
Figure BDA0003128807080000031
式中，EF表示n个绿色屋顶的降温总效应；Si为第i个屋顶的面积；yij为第i个屋顶种植第j类植被；gi为第i个屋顶的坡度；ΔTi(yij,gi)表示第i个屋顶在坡度为gi、种植第j类植被条件下屋面自身降温强度；Ri为第i个屋顶对周边环境的最大降温距离；SRi为第i个屋顶在半径为Ri范围内的缓冲区面积；ΔTRi(yij,gi)为第i个屋顶在坡度为gi、种植第j类植被条件下对周边环境产生的降温强度。
优选的，面向降温效应最大化的绿色屋顶适建规模决策模型的目标函数为：
Figure BDA0003128807080000032
式中，MaxEF表示n个绿色屋顶的降温总效应最大化；Si为第i个屋顶的面积；yij为第i个屋顶种植第j类植被；gi为第i个屋顶的坡度；ΔTi(yij,gi)表示第i个屋顶在坡度为gi、种植第j类植被条件下屋面自身降温强度；Ri为第i个屋顶对周边环境的最大降温距离；SRi为第i个屋顶在半径为Ri范围内的缓冲区面积；ΔTRi(yij,gi)为第i个屋顶在坡度为gi、种植第j类植被条件下对周边环境产生的降温强度。
优选的，所述约束评估模型包括：建设规模约束模型、建设成本约束模型、屋顶绿化适建性约束模型。
优选的，所述建设规模约束模型用于对所述绿色屋顶的建设最大规模进行限制，所述绿色屋顶的建筑最大规模小于或等于所述建筑屋顶绿化适建性评估的总面积，所述建设规模约束模型的表达式为：
Figure BDA0003128807080000041
Figure BDA0003128807080000042
式中Si为第i个屋顶的面积；Stotal为所述建筑屋顶绿化适建性评估的总面积；xi为第i个屋顶是否进行绿化。
优选的，所述建设成本约束模型用于对所述绿色屋顶总的建设成本进行限制，所述绿色屋顶总的建设成本小于或等于所述投资总额，所述建设成本约束模型的表达式为：
Figure BDA0003128807080000043
式中Cj为种植第j类植被的单位面积建设成本，Ctotal为投资总额，Si为第i个屋顶的面积；yij为第i个屋顶种植第j类植被；xi为第i个屋顶是否进行绿化。
优选的，所述屋顶绿化适建性约束模型用于对建筑屋顶绿化适建性等级进行限制，所述建筑屋顶绿化适建性的等级与绿化植被的类型相适配。
优选的，所述目标函数的求解方法为：运用遗传算法对所述目标函数进行近似最优解求解，获得所述面向降温效应最大化下的城市绿色屋顶适建规模。
本发明公开了以下技术效果：
本发明提供了面向降温效应最大化的城市绿色屋顶适建规模决策方法，本方法针对不同类型的绿色屋顶，针对诸多社会经济因素影响，将适建规模的确定问题转化为由若干决策变量和约束条件支持下的目标优化问题，进而构建了面向降温效应最大化的城市绿色屋顶适建规模决策模型，阐明了城市尺度绿色屋顶适建规模与降温效应之间的定量关系，从而实现绿色屋顶适建规模的科学决策，在绿色屋顶适建规模的科学决策方面具有重要的应用价值，为制定面向降温效应最大化的绿色屋顶适建规模决策规划提供了参考。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例中面向降温效应最大化的城市绿色屋顶适建规模决策方法流程图；
图2为本发明实施例中绿色屋顶与多级缓冲环内平均温度差变化图；
图3为本发明实施例中绿色屋顶平均温度与绿顶面积的拟合回归图；
图4为本发明实施例中100m缓冲区平均温度与绿色屋顶面积的拟合回归图；
图5为本发明实施例中多条件限定下厦门岛绿色屋顶适建规模与布局图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
参照图1所示，本实施例提供面向降温效应最大化的城市绿色屋顶适建规模决策方法，包括：
S1、获取预设参数，预设参数包括：单个绿色屋顶面积、绿化植被种类、单个绿色屋顶坡度、区内绿色屋顶数目；基于预设参数，构建区内绿色屋顶的降温效应总和模型。
绿色屋顶的建设可起到降低屋面自身及周边建成环境的温度的作用，因此单个绿色屋顶的降温效应为屋面自身的降温效应与对周边环境的降温效应两者的和。其中，单个绿色屋顶屋面自身的降温效应为Si·ΔTi(yij,gi),单个绿色屋顶对周边环境的降温效应为SRi·ΔTRi(yij,gi)。
区内绿色屋顶的降温效应总和模型表达式为：
Figure BDA0003128807080000071
式中，EF表示n个绿色屋顶的降温总效应；Si为第i个屋顶的面积；yij为第i个屋顶种植第j类植被；gi为第i个屋顶的坡度；ΔTi(yij,gi)表示第i个屋顶在坡度为gi、种植第j类植被条件下屋面自身降温强度；Ri为第i个屋顶对周边环境的最大降温距离；SRi为第i个屋顶在半径为Ri范围内的缓冲区面积；ΔTRi(yij,gi)为第i个屋顶在坡度为gi、种植第j类植被条件下对周边环境产生的降温强度。
S2、获取绿色屋顶降温效应最大化的约束因子，约束因子包括：建筑屋顶绿化适建总面积、投资总额、建筑屋顶绿化适建性等级与绿化植被类型；基于所述约束因子，构建约束评估模型；
约束评估模型包括：建设规模约束模型、建设成本约束模型、屋顶绿化适建性约束模型。
建设规模约束模型用于对绿色屋顶的建设最大规模进行限制，绿色屋顶的建筑最大规模小于或等于建筑屋顶绿化适建性评估的总面积，建设规模约束模型的表达式为：
Figure BDA0003128807080000081
Figure BDA0003128807080000082
式中Si为第i个屋顶的面积；Stotal为建筑屋顶绿化适建性评估的总面积；xi为第i个屋顶是否进行绿化，如该屋顶被选中进行绿化，则赋值为1；如该屋顶未被选中进行绿化，则赋值为0。
建设成本约束模型用于对绿色屋顶总的建设成本进行限制，绿色屋顶总的建设成本小于或等于投资总额，建设成本约束模型的表达式为：
Figure BDA0003128807080000083
式中Cj为种植第j类植被的单位面积建设成本，Ctotal为投资总额，Si为第i个屋顶的面积；xi为第i个屋顶是否进行绿化；
Figure BDA0003128807080000084
Figure BDA0003128807080000085
绿色屋顶的绿化植被可分为树、灌木、草三种类型；不同植被类型的绿色屋顶，其单位面积的建设成本不同；不同绿化植被类型的绿色屋顶面积乘以该类型绿色屋顶的单位面积建设成本，为所有绿色屋顶的建设成本，该成本不得超过投资总额。
屋顶绿化适建性约束模型用于对建筑屋顶绿化适建性等级进行限制，建筑屋顶绿化适建性的等级与绿化植被的类型相适配；
Figure BDA0003128807080000091
式中SLi为第i个屋顶的建筑屋顶绿化适建性等级；
即：如果该屋顶为“极适建”，则可以选择种植树或者灌木；如果该屋顶为“适建”，则可以选择种灌木或者草；如果该屋顶为“不适建”，则该屋顶不进行绿化，从而不计入。
S3.通过对区内绿色屋顶的降温效应总和模型与约束评估模型进行融合，构建面向降温效应最大化的城市绿色屋顶适建规模决策模型；
其中，面向降温效应最大化的城市绿色屋顶适建规模决策模型的目标函数为：
Figure BDA0003128807080000092
式中，MaxEF表示n个绿色屋顶的降温总效应最大化；Si为第i个屋顶的面积；yij为第i个屋顶种植第j类植被；gi为第i个屋顶的坡度；ΔTi(yij,gi)表示第i个屋顶在坡度为gi、种植第j类植被条件下屋面自身降温强度；Ri为第i个屋顶对周边环境的最大降温距离；SRi为第i个屋顶在半径为Ri范围内的缓冲区面积；ΔTRi(yij,gi)为第i个屋顶在坡度为gi、种植第j类植被条件下对周边环境产生的降温强度。
S4.进而运用遗传算法对面向降温效应最大化的城市绿色屋顶适建规模决策模型的目标函数，进行近似最优解求解，最终获得降温效应最大化下的城市绿色屋顶适建规模。
为了更好理解本发明，下面结合实施例对本模型做进一步地详细说明：
根据面向降温效应最大化下的城市绿色屋顶适建规模决策模型确定厦门岛绿色屋顶适建规模。
第一步，构建厦门岛区内绿色屋顶降温效应总和模型。
计算得到，2014年和2017年厦门岛绿色屋顶的平均温度与多级缓冲区的平均地表温度差如图2所示，结果表明，在30-150m缓冲区范围内，实施屋顶绿化后的温度差同样具有小于实施屋顶绿化前温度差的趋势，由此可见，厦门岛屋顶绿化对周边环境的最大降温距离在100-150m左右。以单个屋顶为研究对象，分析了绿色屋顶及其特征降温缓冲区(100m)内的平均温度与绿色屋顶面积的相关关系(图3、图4)，结果表明，在绿色屋顶面积不超过10000m2的情况下，实施绿化后屋顶及其100m缓冲区内的平均温度均与绿化屋顶的面积呈现出负相关关系，即随着绿化屋顶面积的增大，其降温效果越明显。
第二步，以实现厦门岛高密度城区绿色屋顶降温效应最大化作为目标，构建约束评估模型，分别将建筑屋顶绿化适建总面积、投资总额、建筑屋顶绿化适建性等级与绿化植被类型等约束因子带入约束评估模型。
计算得到，厦门岛绿色屋顶的建设最大规模不得突破建筑屋顶绿化适建性评估的总面积，即不超过1192万m2；厦门岛所有绿色屋顶总的建设成本不得超过投资总额，即不超过20亿元人民币总投资；根据建筑屋顶绿化适建性等级的不同，建筑屋顶选择对应不同的绿化植被类型。
第三步，构建一套厦门岛面向降温效应最大化的绿色屋顶适建规模决策模型，其中厦门岛面向降温效应最大化的城市绿色屋顶适建规模决策模型的目标函数为：
Figure BDA0003128807080000111
第四步，运用遗传算法对面向降温效应最大化的城市绿色屋顶适建规模决策模型的目标函数，进行近似最优解求解，最终获得厦门岛在20亿人民币总投资额限定下，面向降温效应最大化下的城市绿色屋顶适建规模为714万m2，并且模拟出多条件下厦门岛绿色屋顶适建规模与布局图，如图5。
在本发明的描述中，需要理解的是，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
以上所述的实施例仅是对本发明的优选方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。

Claims (8)

1.面向降温效应最大化的城市绿色屋顶适建规模决策方法，其特征在于,包括：
获取预设参数，基于所述预设参数，构建区内绿色屋顶的降温效应总和模型；
获取绿色屋顶降温效应最大化的约束因子，基于所述约束因子，构建约束评估模型；
通过对所述区内绿色屋顶的降温效应总和模型与所述约束评估模型进行融合，构建面向降温效应最大化的城市绿色屋顶适建规模决策模型；
通过对所述面向降温效应最大化的城市绿色屋顶适建规模决策模型的目标函数进行求解，获得所述面向降温效应最大化的城市绿色屋顶适建规模；
所述区内绿色屋顶的降温效应总和模型表达式为：
Figure FDA0003583994110000011
式中，EF表示n个绿色屋顶的降温总效应；Si为第i个屋顶的面积；yij为第i个屋顶种植第j类植被；gi为第i个屋顶的坡度；ΔTi(yij,gi)表示第i个屋顶在坡度为gi、种植第j类植被条件下屋面自身降温强度；Ri为第i个屋顶对周边环境的最大降温距离；SRi为第i个屋顶在半径为Ri范围内的缓冲区面积；ΔTRi(yij,gi)为第i个屋顶在坡度为gi、种植第j类植被条件下对周边环境产生的降温强度；
面向降温效应最大化的绿色屋顶适建规模决策模型的目标函数为：
Figure FDA0003583994110000021
式中，MaxEF表示n个绿色屋顶的降温总效应最大化；Si为第i个屋顶的面积；yij为第i个屋顶种植第j类植被；gi为第i个屋顶的坡度；ΔTi(yij,gi)表示第i个屋顶在坡度为gi、种植第j类植被条件下屋面自身降温强度；Ri为第i个屋顶对周边环境的最大降温距离；SRi为第i个屋顶在半径为Ri范围内的缓冲区面积；ΔTRi(yij,gi)为第i个屋顶在坡度为gi、种植第j类植被条件下对周边环境产生的降温强度，xi为第i个屋顶是否进行绿化。
2.根据权利要求1所述的面向降温效应最大化的城市绿色屋顶适建规模决策方法，其特征在于：
所述预设参数包括：单个绿色屋顶面积、绿化植被种类、单个绿色屋顶坡度、区内绿色屋顶数目。
3.根据权利要求1所述的面向降温效应最大化的城市绿色屋顶适建规模决策方法，其特征在于：
所述约束因子包括：建筑屋顶绿化适建总面积、投资总额、建筑屋顶绿化适建性等级与绿化植被类型。
4.根据权利要求3所述的面向降温效应最大化的城市绿色屋顶适建规模决策方法，其特征在于：
所述约束评估模型包括：建设规模约束模型、建设成本约束模型、屋顶绿化适建性约束模型。
5.根据权利要求4所述的面向降温效应最大化的城市绿色屋顶适建规模决策方法，其特征在于：
所述建设规模约束模型用于对所述绿色屋顶的建设最大规模进行限制，所述绿色屋顶的建筑最大规模小于或等于所述建筑屋顶绿化适建性评估的总面积，所述建设规模约束模型的表达式为：
Figure FDA0003583994110000031
Figure FDA0003583994110000032
式中Si为第i个屋顶的面积；Stotal为所述建筑屋顶绿化适建性评估的总面积；xi为第i个屋顶是否被选中进行绿化。
6.根据权利要求4所述的面向降温效应最大化的城市绿色屋顶适建规模决策方法，其特征在于：
所述建设成本约束模型用于对所述绿色屋顶总的建设成本进行限制，所述绿色屋顶总的建设成本小于或等于所述投资总额，所述建设成本约束模型的表达式为：
Figure FDA0003583994110000033
式中Cj为种植第j类植被的单位面积建设成本，Ctotal为投资总额，Si为第i个屋顶的面积；yij为第i个屋顶种植第j类植被；xi为第i个屋顶是否被选中进行绿化。
7.根据权利要求4所述的面向降温效应最大化的城市绿色屋顶适建规模决策方法，其特征在于：
所述屋顶绿化适建性约束模型用于对建筑屋顶绿化适建性等级进行限制，所述建筑屋顶绿化适建性的等级与绿化植被的类型相适配。
8.根据权利要求1所述的面向降温效应最大化的城市绿色屋顶适建规模决策方法，其特征在于：
所述目标函数的求解方法为：运用遗传算法对所述目标函数进行近似最优解求解，获得所述面向降温效应最大化下的城市绿色屋顶适建规模。
CN202110696824.7A 2021-06-23 2021-06-23 面向降温效应最大化的城市绿色屋顶适建规模决策方法 Active CN113404226B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110696824.7A CN113404226B (zh) 2021-06-23 2021-06-23 面向降温效应最大化的城市绿色屋顶适建规模决策方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110696824.7A CN113404226B (zh) 2021-06-23 2021-06-23 面向降温效应最大化的城市绿色屋顶适建规模决策方法

Publications (2)

Publication Number Publication Date
CN113404226A CN113404226A (zh) 2021-09-17
CN113404226B true CN113404226B (zh) 2022-05-10

Family

ID=77682562

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110696824.7A Active CN113404226B (zh) 2021-06-23 2021-06-23 面向降温效应最大化的城市绿色屋顶适建规模决策方法

Country Status (1)

Country Link
CN (1) CN113404226B (zh)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110208878B (zh) * 2019-06-14 2020-01-31 广西海佩智能科技有限公司 绿色屋顶气象监测与热岛效应影响评估方法
CN110990905A (zh) * 2019-11-29 2020-04-10 青岛理工大学 一种历史城市保护发展协同控制方案辅助设计系统
CN112699610A (zh) * 2020-12-31 2021-04-23 哈尔滨工业大学 一种基于高维多目标进化算法的海绵城市优化设计方法
CN112883660B (zh) * 2021-01-29 2022-07-19 高驰国际设计有限公司 基于小区微环境和室外舒适度模拟的功能设施配置方法
CN112906950B (zh) * 2021-02-03 2023-06-27 深圳市创环环保科技有限公司 一种海绵城市规划设计系统

Also Published As

Publication number Publication date
CN113404226A (zh) 2021-09-17

Similar Documents

Publication Publication Date Title
CN110942205B (zh) 一种基于himvo-svm的短期光伏发电功率预测方法
CN109146121A (zh) 基于pso-bp模型的停限产情况下的电量预测方法
Delmastro et al. The role of urban form and socio-economic variables for estimating the building energy savings potential at the urban scale
CN108062595B (zh) 基于wrf/cfd/sahde-rvm耦合的复杂地貌区域短时风能预测方法
KR101383617B1 (ko) 일사량 예측 방법 및 장치
CN107103396A (zh) 基于主要svd模态建模的中国季节气候预测方法
CN104915518A (zh) 一种高炉铁水硅含量二维预报模型的构建方法及应用
CN105117787A (zh) 一种温室能耗的模型优化预测方法
CN109325633A (zh) 一种天气预报集合成员选取方法和系统
Mousavi et al. A novel smart framework for optimal design of green roofs in buildings conforming with energy conservation and thermal comfort
CN111539580A (zh) 城市绿化生态技术集成应用的多方案优选方法
CN105005878B (zh) 一种坚强智能电网的综合评估方法
CN114912635A (zh) 一种公路养护决策方法、系统、存储介质和电子设备
CN109063388A (zh) 风环境模拟的微气候建筑选址设计方法
CN108984995A (zh) 一种计算数值模拟的生态园林景观设计方法
CN113404226B (zh) 面向降温效应最大化的城市绿色屋顶适建规模决策方法
Chapman Assessing topographic exposure
CN113239946B (zh) 一种输电线路载流量的校核方法
CN116776581A (zh) 一种知识和数据融合驱动的洪水预报模型参数在线优化方法
Hu et al. Impacts of extreme climate on nitrogen loss in different forms and pollution risk with the copula model
Almeida et al. The design of optimal openings
Feyz Energy balance modeling of an extensive green roof for the surface temperature mitigation of municipal buildings
Hien et al. An assessment method for existing greenery conditions in a university campus
Wang et al. Research on Forecasting Flowering Phase of Pear Tree Based on Neural Network
Ma et al. Adaptive irrigation scheduling for winter wheat under drought conditions in North China

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant