寒冷地區(qū)模塊化鋼框架結(jié)構(gòu)多目標(biāo)優(yōu)化設(shè)計(jì)方法

苗茹云　黃軼淼　董威　張玉芬　馬國偉

摘要：針對(duì)寒冷地區(qū)模塊化鋼框架結(jié)構(gòu)節(jié)能性與經(jīng)濟(jì)性之間的矛盾問題，對(duì)模塊化鋼框架結(jié)構(gòu)能耗和成本兩個(gè)設(shè)計(jì)目標(biāo)進(jìn)行同步優(yōu)化研究。根據(jù)模塊化鋼框架結(jié)構(gòu)的特點(diǎn)進(jìn)行參數(shù)化設(shè)計(jì)研究，提出在不同建筑尺寸下模塊化鋼框架結(jié)構(gòu)的BIM模型自動(dòng)建模方法；在Energyplus建筑能耗分析軟件計(jì)算數(shù)據(jù)的基礎(chǔ)上，采用多種機(jī)器學(xué)習(xí)算法進(jìn)行建筑能耗預(yù)測(cè)，建立一種高效精確的建筑能耗預(yù)測(cè)模型；聯(lián)立建筑能耗預(yù)測(cè)模型和建筑成本計(jì)算公式，在滿足結(jié)構(gòu)承載力的約束條件下，基于NSGA-Ⅱ算法進(jìn)行模塊化鋼框架結(jié)構(gòu)能耗和成本的多目標(biāo)優(yōu)化設(shè)計(jì)，生成帕累托最優(yōu)解集。多目標(biāo)優(yōu)化設(shè)計(jì)方法解決了模塊化鋼框架結(jié)構(gòu)“能耗+成本”的多目標(biāo)一體化設(shè)計(jì)難題，推動(dòng)了模塊化鋼框架結(jié)構(gòu)的智能化升級(jí)，實(shí)現(xiàn)了模塊化鋼框架結(jié)構(gòu)設(shè)計(jì)的快速高效化。

關(guān)鍵詞：鋼框架結(jié)構(gòu)；參數(shù)化建模；建筑能耗預(yù)測(cè)；機(jī)器學(xué)習(xí)；多目標(biāo)優(yōu)化設(shè)計(jì)

中圖分類號(hào)：TU391? ? ?文獻(xiàn)標(biāo)志碼：A? ? ?文章編號(hào)：2096-6717（2024）01-0152-11

Multi-objective optimization design method of modular steel frame structure in cold regions

MIAO Ruyun， HUANG Yimiao， DONG Wei， ZHANG Yufen， MA Guowei

（School of Civil and Transportation Engineering; Hebei University of Technology， Tianjin 300401， P. R. China）

Abstract： This paper aims at solving the contradictive design problem of the modular steel frame structure in cold regions considering both energy- and cost- saving. A synchronous optimization study with energy consumption and cost objectives is hence carried out for target modular steel frame structures. Parametric modeling of modular steel frame structures is studied according to their characteristics. An automatic BIM modeling method is developed for modular steel frame structures. The building energy consumption is modeled using various machine learning algorithms based on the database constructed from the Energyplus software. The proposed XGBoost model provides efficient and accurate predictions for the building energy consumption. The energy consumption model as well as the cost formula serve as the objective functions in NSGA-Ⅱ algorithm to build the design optimization program. During optimization， structural bearing capacity must be satisfied. Pareto solution set is then achieved by the developed program and analyzed. By solving the multi-objective design problem of modular steel frame structures with advanced computing techniques， this study contributes to the intelligent upgrade of the modular steel frame structure industry， and realizes its rapid and efficient design.

Keywords： steel frame structure； parametric modeling； building energy consumption prediction； machine learning； multi-objective optimization design

近年來，鋼結(jié)構(gòu)模塊化建筑體系裝配單元的模塊化和標(biāo)準(zhǔn)化特征在住宅建設(shè)中呈現(xiàn)出顯著的優(yōu)勢(shì)，建筑結(jié)構(gòu)的模塊化是建筑工業(yè)化高級(jí)階段的標(biāo)志[1]。模塊化建筑前期結(jié)構(gòu)設(shè)計(jì)階段是決定建筑性能的重要階段，但是同時(shí)考慮多個(gè)設(shè)計(jì)目標(biāo)時(shí)如何確定最佳的結(jié)構(gòu)參數(shù)并無有效的解決方案。眾多學(xué)者將自動(dòng)化建模、節(jié)點(diǎn)連接、模塊連接等采用BIM技術(shù)進(jìn)行分析與設(shè)計(jì)[2-5]，提供合理的建筑設(shè)計(jì)策略和方法[6-8]，但是在模塊化鋼框架結(jié)構(gòu)布置中并未充分考慮建筑總長(zhǎng)、建筑總寬、建筑層數(shù)、梁尺寸和柱尺寸的影響，并沒有參數(shù)化設(shè)計(jì)和多目標(biāo)優(yōu)化的計(jì)算設(shè)計(jì)平臺(tái)和集成結(jié)構(gòu)-能耗-成本為一體的參數(shù)化優(yōu)化方案，即參數(shù)化設(shè)計(jì)在模塊化鋼框架結(jié)構(gòu)多目標(biāo)優(yōu)化設(shè)計(jì)中并未形成完善的設(shè)計(jì)體系。

另一方面，建筑運(yùn)行能耗占中國能源消耗總量的30%以上，為了推動(dòng)如期實(shí)現(xiàn)“145計(jì)劃”中規(guī)劃的碳達(dá)峰和碳中和目標(biāo)，建筑結(jié)構(gòu)設(shè)計(jì)除了安全穩(wěn)定性驗(yàn)算外，針對(duì)寒冷地區(qū)，還應(yīng)考慮結(jié)構(gòu)對(duì)應(yīng)的建筑能耗。但建筑材料越優(yōu)質(zhì)，成本越高，能耗越小，所以降低建筑成本和降低建筑能耗設(shè)計(jì)目標(biāo)之間往往相互沖突，尚無有效的研究解決這一多目標(biāo)優(yōu)化設(shè)計(jì)問題，導(dǎo)致設(shè)計(jì)方案難以滿足市場(chǎng)既節(jié)能又經(jīng)濟(jì)的期望。建筑圍護(hù)結(jié)構(gòu)對(duì)建筑能耗的優(yōu)化研究已經(jīng)較為成熟[9-11]。目前以Energyplus為主的建筑能耗計(jì)算軟件使用流程復(fù)雜，難以與其他結(jié)構(gòu)設(shè)計(jì)環(huán)節(jié)聯(lián)動(dòng)，因此，需要建立更加高效易用的建筑能耗預(yù)測(cè)計(jì)算方法。在建筑能耗預(yù)測(cè)相關(guān)領(lǐng)域已經(jīng)有了初步的研究進(jìn)展，主要包括回歸預(yù)測(cè)[12]、時(shí)間序列負(fù)荷預(yù)測(cè)[13-14]和人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)[15]等，面對(duì)建筑能耗預(yù)測(cè)技術(shù)朝著準(zhǔn)確率高、計(jì)算速度快、實(shí)時(shí)性強(qiáng)的方向發(fā)展的趨勢(shì)，筆者擬采用先進(jìn)的機(jī)器學(xué)習(xí)技術(shù)解決這一問題。

對(duì)于建筑結(jié)構(gòu)的多目標(biāo)優(yōu)化設(shè)計(jì)已有相關(guān)學(xué)者做出了初步研究，大多基于梯度優(yōu)化或通過改變加權(quán)系數(shù)的方式得到多目標(biāo)函數(shù)最優(yōu)解集[16-17]，以及將元啟發(fā)式算法應(yīng)用于結(jié)構(gòu)優(yōu)化設(shè)計(jì)中[18-20]，但針對(duì)寒冷地區(qū)模塊化鋼框架結(jié)構(gòu)，現(xiàn)有的多目標(biāo)優(yōu)化設(shè)計(jì)并沒有集成參數(shù)化設(shè)計(jì)和能耗預(yù)測(cè)模型的優(yōu)化設(shè)計(jì)方案，對(duì)寒冷地區(qū)模塊化鋼框架結(jié)構(gòu)的成本和能耗的研究還有所欠缺。筆者針對(duì)寒冷地區(qū)高能耗、高成本的建筑設(shè)計(jì)問題，基于模塊化鋼框架結(jié)構(gòu)的特點(diǎn)優(yōu)化建筑鋼結(jié)構(gòu)參數(shù)，在滿足承載力要求的前提下，尋求單位面積建筑成本和單位面積建筑能耗的最優(yōu)平衡。

1 模塊化鋼框架結(jié)構(gòu)參數(shù)化建模方法

采用一種典型的模塊化鋼框架結(jié)構(gòu)——聯(lián)肢模塊化鋼框架結(jié)構(gòu)作為案例進(jìn)行參數(shù)化建模，該建筑主要由3部分組成，如圖1所示。參數(shù)化建模方法通過Dynamo可視化編程模塊實(shí)現(xiàn)，生成邏輯更加準(zhǔn)確的聯(lián)肢模塊化鋼框架結(jié)構(gòu)BIM模型，避免了重復(fù)的建模工作，同時(shí)為嵌入多目標(biāo)優(yōu)化設(shè)計(jì)計(jì)算提供環(huán)境。

1.1 參數(shù)化模型自動(dòng)生成邏輯

在聯(lián)肢模塊化鋼框架結(jié)構(gòu)中，要求集成房間模塊單元的每個(gè)模塊寬度限制在3.6 m以內(nèi)，且長(zhǎng)度與寬度均以模數(shù)化為原則進(jìn)行設(shè)計(jì)，最終以標(biāo)準(zhǔn)化、工廠化的箱型模塊單元呈現(xiàn)。集成房間模塊單元的規(guī)格如表1所示。

聯(lián)肢模塊化鋼框架結(jié)構(gòu)的組拼過程如圖2所示。首先，以單個(gè)房間或特定的建筑功能區(qū)將建筑平面劃分成若干矩形區(qū)塊的組合；其次，遵循由四角、周邊向中間布置的原則，將集成房間模塊單元優(yōu)先布置在建筑平面的四角矩形區(qū)塊位置，然后在相鄰的集成房間模塊單元之間布置聯(lián)肢單元；最后，組拼其他附屬單元，包括在模塊區(qū)和聯(lián)肢區(qū)之外的矩形區(qū)塊上填補(bǔ)安裝集成樓板，使該層樓板形成完整的平面結(jié)構(gòu)。對(duì)于多層聯(lián)肢模塊化鋼框架結(jié)構(gòu)房屋，可按照上述方法進(jìn)行各層各單元的布置與組拼，直至完成整棟聯(lián)肢模塊化鋼框架結(jié)構(gòu)的裝配。

1.2 BIM參數(shù)化建模流程

參數(shù)化建模的目的是根據(jù)建筑總長(zhǎng)、建筑總寬以及層數(shù)等信息、集成房間模塊單元的尺寸、聯(lián)肢單元的尺寸范圍和集成樓板單元的形狀特性等條件自動(dòng)生成符合特定目標(biāo)的聯(lián)肢模塊化鋼框架結(jié)構(gòu)。

聯(lián)肢模塊化鋼框架結(jié)構(gòu)采用Dynamo建模，模塊化程序如圖3所示，建模流程如圖4所示。首先按照建筑總長(zhǎng)、建筑總寬及層數(shù)等確定模塊化鋼框架結(jié)構(gòu)的生成順序，通過數(shù)值可調(diào)節(jié)block模塊，形成建筑平面，如圖3（a）及圖4（a）所示。建筑平面確定后可確定集成房間模塊單元中心點(diǎn)的位置，如圖3（b）及圖4（b）所示。結(jié)合集成房間模塊單元的長(zhǎng)寬尺寸，確定集成房間模塊單元的地面位置，如圖3（c）及圖4（c）所示。然后將集成房間模塊單元的地面向上平移一個(gè)樓層高度，形成集成房間模塊單元的天花板，如圖3（d）及圖4（d）所示。將地面和天花板的矩形分解為點(diǎn)元素和線元素，將角點(diǎn)的坐標(biāo)分為開始組和結(jié)束組，在此基礎(chǔ)上形成模塊的柱線，如圖3（e）及圖4（e）所示。天花板的矩形分解出點(diǎn)元素和線元素，將相鄰模塊之間的角點(diǎn)分為開始組和結(jié)束組，將相鄰模塊之間的角點(diǎn)進(jìn)行連接形成聯(lián)肢單元，如圖3（f）及圖4（f）所示。將所有底層模塊按模塊的高度向上移動(dòng)，形成上層模塊，如圖3（g）及圖4（g）所示。最后將梁柱賦予材料構(gòu)件信息，鋼結(jié)構(gòu)的三維網(wǎng)格模型會(huì)在Revit中自動(dòng)建模，如圖3（h）及圖4（h）所示。

2 基于機(jī)器學(xué)習(xí)的建筑能耗計(jì)算預(yù)測(cè)模型

為了實(shí)現(xiàn)考慮建筑能耗控制的結(jié)構(gòu)尺寸優(yōu)化設(shè)計(jì)，應(yīng)用機(jī)器學(xué)習(xí)方法建立建筑能耗預(yù)測(cè)模型，結(jié)合Energyplus以實(shí)際工程案例為對(duì)象，數(shù)據(jù)庫組成是實(shí)際案例的建筑能耗數(shù)據(jù)，通過多種機(jī)器學(xué)習(xí)算法完成建筑能耗的預(yù)測(cè)，對(duì)比分析后得到一種高效可靠的建筑能耗預(yù)測(cè)方法。

2.1 機(jī)器學(xué)習(xí)模型

用于建立機(jī)器學(xué)習(xí)模型的數(shù)據(jù)庫來源于多層模塊化裝配式鋼結(jié)構(gòu)建筑關(guān)鍵技術(shù)項(xiàng)目，該項(xiàng)目位于河北省邢臺(tái)市，主體結(jié)構(gòu)為2層鋼框架結(jié)構(gòu)。該建筑的三維模型及熱區(qū)分布圖如圖5所示。由于建筑的能耗是多種因素影響的結(jié)果，考慮建筑在建造階段的建筑材料參數(shù)對(duì)建筑總能耗的影響，分別研究了外墻保溫層厚、屋面保溫層厚、地面保溫層厚、東朝向窗墻比、西朝向窗墻比、南朝向窗墻比、北向窗墻比及外窗傳熱系數(shù)對(duì)建筑能耗的影響，最終計(jì)算獲得共1 120組建筑能耗模擬數(shù)據(jù)，各建筑材料參數(shù)如表2所示，均符合《河北省居住建筑節(jié)能標(biāo)準(zhǔn)》中規(guī)定的外圍護(hù)結(jié)構(gòu)熱工系數(shù)的限值標(biāo)準(zhǔn)。

利用機(jī)器學(xué)習(xí)算法對(duì)數(shù)據(jù)庫進(jìn)行訓(xùn)練，機(jī)器學(xué)習(xí)建模流程如圖6所示，為保證模型訓(xùn)練的精度和魯棒性，在保留原數(shù)據(jù)集特征的基礎(chǔ)上進(jìn)行特征歸一化和外窗類型傳熱系數(shù)取值等特征工程處理，接著按照7∶3的比例將數(shù)據(jù)庫劃分成訓(xùn)練數(shù)據(jù)集和測(cè)試數(shù)據(jù)集，然后將訓(xùn)練數(shù)據(jù)集輸入至機(jī)器學(xué)習(xí)算法中進(jìn)行建筑能耗模型建模，期間采用K-fold（K取5）交叉驗(yàn)證和網(wǎng)格檢索的方式進(jìn)行算法的超參數(shù)調(diào)優(yōu)，調(diào)優(yōu)的目標(biāo)函數(shù)是數(shù)據(jù)集的均方誤差（MSE），模型訓(xùn)練結(jié)束后采用平均絕對(duì)誤差（MAE）和決定系數(shù)R2作為機(jī)器學(xué)習(xí)模型的精度性能評(píng)價(jià)指標(biāo)。通常不同的機(jī)器學(xué)習(xí)模型適合不同的數(shù)據(jù)挖掘任務(wù)，使用多種機(jī)器學(xué)習(xí)算法對(duì)建筑能耗數(shù)據(jù)庫進(jìn)行建模，通過對(duì)比不同算法在該任務(wù)上的表現(xiàn)，選擇出最合適的預(yù)測(cè)模型。選取的6種機(jī)器學(xué)習(xí)算法為：XGBoost算法（XGBoost）、Gradient Boosting算法（GBR）、隨機(jī)森林算法（RFR）、Extra Trees算法（ETR）、高斯過程算法（GPR）和K近鄰回歸算法（KNR）。

2.2 結(jié)果分析

如圖7所示，對(duì)比6種機(jī)器學(xué)習(xí)算法模型應(yīng)用于訓(xùn)練集和測(cè)試集后的評(píng)價(jià)指標(biāo)（平均絕對(duì)誤差MAE和決定系數(shù)R2）可知，除KNN回歸算法外，其余5種算法均體現(xiàn)出較好的預(yù)測(cè)能力。其中XGBoost模型和高斯過程模型有更好的離散性（更低的MAE），XGBoost模型的R2為0.999 46，高斯過程模型的R2為0.999 28，即XGBoost模型又擁有更好的預(yù)測(cè)精度（更高的R2），最終確定XGBoost模型作為建筑能耗計(jì)算模型。

此外，可以通過繪制XGBoost模型作用于訓(xùn)練集和測(cè)試集后的計(jì)算值與數(shù)值解的散點(diǎn)圖直觀了解XGBoost的預(yù)測(cè)性能。如圖8所示，以y=x作為參照標(biāo)準(zhǔn)，散點(diǎn)高度貼近參考線，表明該模型對(duì)于建筑能耗的預(yù)測(cè)能力非常好。

通過統(tǒng)計(jì)XGBoost模型訓(xùn)練過程中各個(gè)特征的貢獻(xiàn)值，定量分析各特征對(duì)建筑能耗計(jì)算的重要性，如圖9所示。顯然外墻保溫層厚度（TW）和屋面保溫層厚度（TR）是影響建筑總能耗最重要的兩個(gè)變量，其次是地面保溫層厚度（TG）、外窗傳熱系數(shù)（K）、南向窗墻比（RS），而東向窗墻比（RE）、西向窗墻比（RW）、北向窗墻比（RN）對(duì)建筑能耗的重要性程度不大。

3 考慮建筑成本和建筑能耗的多目標(biāo)優(yōu)化設(shè)計(jì)

研究的鋼框架結(jié)構(gòu)中，柱采用方鋼管截面柱，梁選用熱軋H型鋼。在BIM參數(shù)化模型中，需要優(yōu)化設(shè)計(jì)的參數(shù)包括建筑總長(zhǎng)、建筑總寬、層數(shù)、柱尺寸、梁尺寸以及外圍護(hù)結(jié)構(gòu)參數(shù)，為了保證優(yōu)化的客觀性，以單位面積建筑成本和單位面積建筑能耗作為優(yōu)化的目標(biāo)函數(shù)，分別構(gòu)造成本和能耗計(jì)算目標(biāo)函數(shù)。

圖10為基于NSGA-Ⅱ算法的模塊化鋼框架結(jié)構(gòu)多目標(biāo)優(yōu)化設(shè)計(jì)程序流程圖。模塊化鋼框架結(jié)構(gòu)的成本和能耗雙目標(biāo)問題模型建立完成并確定優(yōu)化參數(shù)的取值范圍之后，對(duì)優(yōu)化參數(shù)進(jìn)行編碼，生成初始種群且設(shè)置進(jìn)化代數(shù)Gen=1，若生成第1代子種群，則Gen=2，否則將對(duì)初始種群進(jìn)行選擇、交叉、變異操作，然后將父代種群與子代種群合并生成新種群。若新種群生成，則計(jì)算其個(gè)體的目標(biāo)函數(shù)結(jié)果，并執(zhí)行非支配排序、擁擠度計(jì)算等操作，否則對(duì)新種群執(zhí)行遺傳操作。如果Gen≥設(shè)定值或達(dá)到收斂條件，算法結(jié)束，否則將從父代與子代合并成新種群循環(huán)計(jì)算，最后輸出“成本+能耗”的Pareto最優(yōu)解集[21]。

3.1 多目標(biāo)優(yōu)化設(shè)計(jì)程序

3.1.1 目標(biāo)函數(shù)

以單位面積建筑成本和單位面積建筑能耗作為模塊化鋼框架結(jié)構(gòu)多目標(biāo)優(yōu)化設(shè)計(jì)的優(yōu)化目標(biāo)，在結(jié)構(gòu)安全穩(wěn)定的前提下提高建筑的經(jīng)濟(jì)性與節(jié)能性。二者的計(jì)算模型如式（1）、式（2）所示。

式中：C為單位面積建筑成本；CRB為居住建筑成本；L為建筑總長(zhǎng)；W為建筑總寬；N為建筑總層數(shù)；E為單位面積建筑能耗，EMO為多目標(biāo)優(yōu)化的建筑總能耗，計(jì)算方法為基于機(jī)器學(xué)習(xí)算法建立的建筑能耗預(yù)測(cè)模型。

在1層、2層結(jié)構(gòu)上均已考慮建筑總長(zhǎng)、建筑總寬、建筑層數(shù)對(duì)建筑能耗的影響，且2層結(jié)構(gòu)的建筑能耗與1層結(jié)構(gòu)的建筑能耗呈線性關(guān)系，已轉(zhuǎn)化成體形系數(shù)與建筑能耗的比例對(duì)應(yīng)關(guān)系，充分考慮建筑總長(zhǎng)、建筑總寬、建筑層數(shù)對(duì)建筑能耗的影響。采取相應(yīng)換算得到優(yōu)化后的建筑能耗，換算公式如式（3）所示。

式中：SML、SMO為機(jī)器學(xué)習(xí)和多目標(biāo)優(yōu)化結(jié)果的建筑體形系數(shù)，計(jì)算方式為建筑外表面積與所包圍體積的比值，EML、EMO為機(jī)器學(xué)習(xí)和多目標(biāo)優(yōu)化的建筑能耗。

計(jì)算過程中，已將建筑總長(zhǎng)、建筑總寬、建筑層數(shù)通過換算式（3）中的建筑體形系數(shù)S體現(xiàn)，均已考慮建筑表面積及體積對(duì)建筑能耗的影響，即已考慮建筑總長(zhǎng)、建筑總寬、建筑層數(shù)對(duì)建筑能耗的影響，針對(duì)建筑體形系數(shù)不滿足《嚴(yán)寒和寒冷地區(qū)居住建筑節(jié)能設(shè)計(jì)標(biāo)準(zhǔn)》的，均已采取屋頂和外墻兩種采暖住宅外圍護(hù)結(jié)構(gòu)傳熱系數(shù)限值標(biāo)準(zhǔn)，機(jī)器學(xué)習(xí)訓(xùn)練得到的模型可以應(yīng)用于多層結(jié)構(gòu)中進(jìn)行建筑能耗預(yù)測(cè)。且在多目標(biāo)優(yōu)化過程中目標(biāo)函數(shù)已換算為單位面積建筑成本與單位面積建筑能耗，消除了額外建筑參數(shù)的影響。通過以上兩種計(jì)算手段，已充分考慮到建筑總長(zhǎng)、建筑總寬及建筑層數(shù)對(duì)建筑能耗的影響，所以機(jī)器學(xué)習(xí)預(yù)測(cè)的建筑能耗函數(shù)，可以應(yīng)用于多目標(biāo)優(yōu)化過程中的建筑能耗計(jì)算，預(yù)測(cè)合理可靠。

居住建筑的經(jīng)濟(jì)費(fèi)用主要包括居住建筑的外保溫材料、外窗、外墻基體、熱回收的新風(fēng)系統(tǒng)、熱泵系統(tǒng)和空調(diào)系統(tǒng)的初投資，而建筑建造階段和拆除階段產(chǎn)生的費(fèi)用與本研究的對(duì)象無直接關(guān)系，因此計(jì)算時(shí)不予考慮。居住建筑經(jīng)濟(jì)費(fèi)用按式（4）計(jì)算。

式中：CFW為基礎(chǔ)墻體成本；CW為窗戶成本；CR為屋面保溫成本；CEW為外墻保溫成本；CG為地面保溫成本；CS為系統(tǒng)成本；CSF為鋼框架成本。

3.1.2 約束條件

根據(jù)《建筑與市政工程抗震通用規(guī)范》（GB 55002—2021）、《建筑結(jié)構(gòu)荷載規(guī)范》（GB 50009—2012）及相關(guān)地質(zhì)資料，考慮恒荷載、活荷載、風(fēng)荷載和地震荷載4種荷載工況以及荷載組合。結(jié)構(gòu)計(jì)算的約束條件在多目標(biāo)優(yōu)化程序中通過自編譯的函數(shù)計(jì)算得到，具體荷載情況見表3。

根據(jù)《建筑結(jié)構(gòu)可靠性設(shè)計(jì)統(tǒng)一標(biāo)準(zhǔn)》（GB 50068—2018），其中恒荷載放大系數(shù)取1.3，活荷載取1.5，重力荷載放大系數(shù)取1.2。

模塊化鋼框架結(jié)構(gòu)需要根據(jù)《鋼結(jié)構(gòu)設(shè)計(jì)規(guī)范》（GB 50017—2017）驗(yàn)算壓彎構(gòu)件（柱）和受彎構(gòu)件（梁）的強(qiáng)度、剛度、穩(wěn)定性等重要指標(biāo)，所有要求滿足的前提下，認(rèn)為構(gòu)件安全可靠。優(yōu)化過程中，具體結(jié)構(gòu)安全性約束指標(biāo)見表4，在表4中的第1項(xiàng)和第2項(xiàng)約束了鋼梁、鋼柱的強(qiáng)度要求，第3項(xiàng)考慮了鋼梁的撓度控制，第4項(xiàng)考慮了鋼柱的長(zhǎng)細(xì)比要求，在表4第5項(xiàng)和第6項(xiàng)中分別控制穩(wěn)定性要求。表4中：Mbx、Mcx分別為梁、柱截面繞x軸的彎矩設(shè)計(jì)值，根據(jù)建筑所承受荷載及建筑尺寸計(jì)算可得；Nc為柱軸向力設(shè)計(jì)值，可根據(jù)建筑所承受荷載及建筑尺寸計(jì)算得到；Wbx、Wcx分別為梁、柱截面抵抗矩；f為鋼材抗壓和抗彎的強(qiáng)度設(shè)計(jì)值，可根據(jù)熱軋H型鋼尺寸規(guī)格表及方鋼管截面柱的特性表得到；λ為構(gòu)件的最大長(zhǎng)細(xì)比；icx為柱在x方向的截面最小回轉(zhuǎn)半徑；β_mx、β_tx分別為平面內(nèi)和平面外的穩(wěn)定驗(yàn)算等效彎矩系數(shù)。

3.1.3 設(shè)計(jì)變量

將機(jī)器學(xué)習(xí)模型作為多目標(biāo)優(yōu)化設(shè)計(jì)過程中的能耗計(jì)算目標(biāo)函數(shù)，由于多目標(biāo)優(yōu)化設(shè)計(jì)的優(yōu)化目標(biāo)是單位面積建筑成本和單位面積建筑能耗，所以在多目標(biāo)優(yōu)化過程中的設(shè)計(jì)變量包括建筑總長(zhǎng)、建筑總寬、建筑層數(shù)、梁尺寸、柱尺寸、外墻保溫層厚、屋面保溫層厚、地面保溫層厚、東向窗墻比、西向窗墻比、南向窗墻比、北向窗墻比、外窗傳熱系數(shù)13個(gè)設(shè)計(jì)變量。設(shè)計(jì)變量、變量類型及其取值范圍如表5所示。在多目標(biāo)優(yōu)化計(jì)算過程中，可以指定輸入能耗計(jì)算模型中的變量，與多目標(biāo)優(yōu)化的設(shè)計(jì)變量并不沖突。

為了保證建筑尺寸的合理性及現(xiàn)場(chǎng)裝配的效率，結(jié)合集成房間模塊單元的尺寸約束及建筑裝配的合理性，將聯(lián)肢單元長(zhǎng)方向尺寸范圍規(guī)定為[3.3，4.4] m，聯(lián)肢單元的寬方向尺寸范圍規(guī)定為[3.3，3.6] m，建筑總長(zhǎng)的范圍為[9.9，13.2] m，建筑總寬的范圍為[9.9，10.8] m，根據(jù)國辦發(fā)[2005]26號(hào)文件中對(duì)普通標(biāo)準(zhǔn)住宅的規(guī)定，住宅的建筑面積在120 m2以下，目前大多數(shù)地方普通住宅面積標(biāo)準(zhǔn)都在120 m2的基礎(chǔ)上上浮了20%，即實(shí)際執(zhí)行144 m2的普通住宅，即普通住宅的建筑面積在144 m2以內(nèi)，所以在建筑總長(zhǎng)和建筑總寬的范圍下，建筑面積符合普通住宅的標(biāo)準(zhǔn)。另外，也可將建筑總長(zhǎng)、建筑總寬、建筑層數(shù)3個(gè)參數(shù)固定，為已知建筑基本尺寸信息做建筑成本和建筑能耗的多目標(biāo)優(yōu)化設(shè)計(jì)，可以為建筑設(shè)計(jì)提供前期設(shè)計(jì)方案。

3.2 優(yōu)化過程及結(jié)果分析

在利用NSGA-Ⅱ優(yōu)化設(shè)計(jì)的過程中，將種群數(shù)量設(shè)置為200，采樣方式選取隨機(jī)抽樣，迭代次數(shù)設(shè)置為200。

最終程序收斂獲得67個(gè)優(yōu)化方案。優(yōu)化方案組成Pareto前沿曲線，如圖11所示。就單個(gè)目標(biāo)而言，B點(diǎn)為橫軸方向上最靠近原點(diǎn)的方案，即B點(diǎn)對(duì)應(yīng)的方案為單位面積建筑成本優(yōu)化最為明顯的方案，達(dá)到最小值1 092.66元/m2，單位面積建筑能耗為24.97 GJ/m2。C點(diǎn)為縱軸方向上最接近原點(diǎn)的點(diǎn)，即C點(diǎn)對(duì)應(yīng)的方案為單位面積建筑能耗最小的方案，達(dá)到最小值24.54 GJ/m2，單位面積建筑成本為1 122.17元/m2。雙目標(biāo)綜合最優(yōu)解所依據(jù)的是基于距離選擇的優(yōu)劣解距離法（TOPSIS）[22]，計(jì)算方法如式（5）～式（7）所示，該方法選擇兩個(gè)解，分別是負(fù)理想解（目標(biāo)值最差的點(diǎn)）與正理想解（目標(biāo)值最好的點(diǎn)），Pareto中的解與正理想解的距離越近，與負(fù)理想解的距離越遠(yuǎn)，則認(rèn)為該解對(duì)應(yīng)的設(shè)計(jì)方案越優(yōu)。利用接近系數(shù)來精確反映各個(gè)設(shè)計(jì)方案之間的綜合距離差，接近系數(shù)的最大值為雙目標(biāo)綜合最優(yōu)的解。計(jì)算接近系數(shù)可得，A點(diǎn)為Ci最高的解，即A點(diǎn)對(duì)應(yīng)的方案是雙目標(biāo)綜合最優(yōu)方案，單位面積建筑成本優(yōu)化為1 098.10元/m2，單位面積建筑能耗為24.82 GJ/m2。單位面積建筑成本在1 092.66～1 122.17元/m2之間，單位面積建筑能耗在24.54～24.97 GJ/m2之間。

由圖11可以看出，模塊化鋼框架結(jié)構(gòu)設(shè)計(jì)參數(shù)的不同取值組合會(huì)產(chǎn)生不同的單位面積建筑成本與單位面積建筑能耗的指標(biāo)值，并且兩個(gè)目標(biāo)值之間存在此消彼長(zhǎng)的互斥性。原因?yàn)槟K化鋼框架結(jié)構(gòu)的材料性能越優(yōu)質(zhì)，單位面積建筑能耗越小，相應(yīng)的單位面積建筑成本越高。

根據(jù)得到的Pareto最優(yōu)解集方案，計(jì)算最優(yōu)解集方案中各設(shè)計(jì)參數(shù)值的分布頻率，如圖12所示，用以研究最優(yōu)解集方案中設(shè)計(jì)參數(shù)的取值規(guī)律。

由圖12可以看出，對(duì)于模塊化鋼框架結(jié)構(gòu)，除了外墻保溫層厚和屋面保溫層厚，其余參數(shù)在優(yōu)化搜索范圍內(nèi)存在最優(yōu)值，其中柱尺寸集中在邊長(zhǎng)30 mm、壁厚1.75 mm的方鋼管截面柱，梁尺寸集中在HT100×50×3.2×4.5×8的熱軋H型鋼，東向、西向、南向、北向窗墻比的最優(yōu)值分別為0.075、0.075、0.2、0.1。

不同方案對(duì)應(yīng)的單位面積建筑成本和單位面積建筑能耗的變化取決于外墻保溫層厚和屋面保溫層厚，厚度較大的保溫層可以減少單位面積建筑能耗，但同時(shí)也會(huì)加大單位面積建筑成本。

多目標(biāo)優(yōu)化計(jì)算程序會(huì)封裝在參數(shù)化建模流程中的可編程模塊Python script中，可以通過選擇Pareto解集中的方案，直接生成對(duì)應(yīng)的BIM模型。選擇Pareto解集中雙目標(biāo)綜合最優(yōu)的點(diǎn)，所生成對(duì)應(yīng)的BIM模型如圖13所示。

4 結(jié)論

針對(duì)寒冷地區(qū)模塊化鋼框架結(jié)構(gòu)，基于參數(shù)化建模方案提出了一種在滿足結(jié)構(gòu)安全性的前提下實(shí)現(xiàn)成本與能耗的多目標(biāo)自動(dòng)優(yōu)化的設(shè)計(jì)方法；通過對(duì)比多種機(jī)器學(xué)習(xí)算法，建立了基于XGBoost的建筑能耗高效預(yù)測(cè)模型；再將建筑能耗預(yù)測(cè)模型和居住建筑經(jīng)濟(jì)費(fèi)用計(jì)算公式換算成單位面積結(jié)果作為目標(biāo)函數(shù)，通過非支配排序遺傳算法，在結(jié)構(gòu)安全規(guī)范條件約束下，進(jìn)行鋼結(jié)構(gòu)的多目標(biāo)優(yōu)化計(jì)算，優(yōu)化對(duì)象為建筑總長(zhǎng)、建筑總寬、層數(shù)、梁柱尺寸、外圍護(hù)結(jié)構(gòu)材料參數(shù)等。優(yōu)化結(jié)果表明：除了外墻保溫層厚和屋面保溫層厚，其余參數(shù)在優(yōu)化搜索范圍內(nèi)均存在最優(yōu)值，說明外墻保溫層厚和屋面保溫層厚是影響目標(biāo)函數(shù)計(jì)算結(jié)果的主要影響因素，這與基于XGBoost建筑能耗預(yù)測(cè)模型的特征重要性分析得到的結(jié)論一致。對(duì)優(yōu)化解集根據(jù)適合的方法和需求擇優(yōu)，最終的優(yōu)化方案可以通過建立的參數(shù)化建模流程自動(dòng)生成相應(yīng)的BIM模型。將建筑結(jié)構(gòu)參數(shù)化設(shè)計(jì)和建筑能耗核算相結(jié)合，實(shí)現(xiàn)模塊化鋼框架結(jié)構(gòu)設(shè)計(jì)階段節(jié)能、結(jié)構(gòu)與成本的統(tǒng)一，最終形成一套符合模塊化鋼框架結(jié)構(gòu)既經(jīng)濟(jì)又節(jié)能的最優(yōu)方案集，為交叉學(xué)科參數(shù)化設(shè)計(jì)、能耗預(yù)測(cè)及多目標(biāo)優(yōu)化設(shè)計(jì)在建筑領(lǐng)域的應(yīng)用提供方法和指導(dǎo)。設(shè)計(jì)師可根據(jù)業(yè)主的實(shí)際需求選擇不同目標(biāo)函數(shù)值對(duì)應(yīng)的建筑結(jié)構(gòu)設(shè)計(jì)參數(shù)，也可根據(jù)確定的建筑基本信息（建筑總長(zhǎng)、建筑總寬、建筑層數(shù)）選擇低成本、低能耗的建筑設(shè)計(jì)方案。后續(xù)研究可嘗試加入有限元驗(yàn)算或增加能耗影響因素來增大數(shù)據(jù)庫進(jìn)一步增強(qiáng)多目標(biāo)優(yōu)化設(shè)計(jì)的可靠性，同時(shí)強(qiáng)化參數(shù)化建模過程中設(shè)計(jì)計(jì)算的集成度，更深入地推動(dòng)模塊化鋼框架結(jié)構(gòu)的發(fā)展與應(yīng)用。

參考文獻(xiàn)

[1]? WANG H， ZHAO X， MA G W. Novel coupled modular steel structure and seismic tests on high-performance interconnection [J]. Journal of Constructional Steel Research， 2022， 189： 107058.

[2]? 陳志華， 周子棟， 劉佳迪， 等. 多層鋼結(jié)構(gòu)模塊建筑結(jié)構(gòu)設(shè)計(jì)與分析[J]. 建筑結(jié)構(gòu)， 2019， 49（16）： 59-64， 18.

CHEN Z H， ZHOU Z D， LIU J D， et al. Structural design and analysis of multi-storey steel structure module structures [J]. Building Structure， 2019， 49（16）： 59-64， 18. （in Chinese）

[3]? LUO S， SONG D H， SHEN K L， et al. Influence of the order exchange of the node connection in the force analysis of steel structures [J]. Frontiers in Materials， 2022， 9： 893291.

[4]? CHEN K， XU G Y， XUE F， et al. A physical Internet-enabled building information modelling system for prefabricated construction [J]. International Journal of Computer Integrated Manufacturing， 2018， 31（4/5）： 349-361.

[5]? 吳會(huì)來， 譚洪衛(wèi)， 鄧豐. 基于遺傳算法的低密度住宅可再生能源利用潛力參數(shù)化設(shè)計(jì)方法研究[J]. 住宅科技， 2021， 41（7）： 62-69.

WU H L， TAN H W， DENG F. Research on parametric design method of renewable energy utilization potential of zero energy house based on genetic algorithm [J]. Housing Science， 2021， 41（7）： 62-69. （in Chinese）

[6]? HE Y， LIU X H， ZHANG H L， et al. Hybrid framework for rapid evaluation of wind environment around buildings through parametric design， CFD simulation， image processing and machine learning [J]. Sustainable Cities and Society， 2021， 73： 103092.

[7]? 陳圣格， 周婷， 陳志華， 等. 模塊建筑參數(shù)化平面優(yōu)化及智能化結(jié)構(gòu)設(shè)計(jì)方法[J]. 重慶大學(xué)學(xué)報(bào)， 2021， 44（9）： 51-66.

CHEN S G， ZHOU T， CHEN Z H， et al. Parametric plan optimization and structural intelligent design method of modular steel buildings [J]. Journal of Chongqing University， 2021， 44（9）： 51-66. （in Chinese）

[8]? 高源， 胡可， 岳曉鵬， 等. 北方鄉(xiāng)村住宅節(jié)能與熱舒適的形體參數(shù)多目標(biāo)優(yōu)化設(shè)計(jì)[J]. 華僑大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2021， 42（5）： 619-627.

GAO Y， HU K， YUE X P， et al. Shape parameters design of northern rural houses for multi-objective optimization of energy performance and thermal comfort [J]. Journal of Huaqiao University （Natural Science）， 2021， 42（5）： 619-627. （in Chinese）

[9]? SUSOROVA I， TABIBZADEH M， RAHMAN A， et al. The effect of geometry factors on fenestration energy performance and energy savings in office buildings [J]. Energy and Buildings， 2013， 57： 6-13.

[10]? 張濤， 王雯翡， 成雄蕾， 等. 數(shù)據(jù)驅(qū)動(dòng)技術(shù)在建筑能耗模擬中的應(yīng)用研究[J]. 科技與創(chuàng)新， 2020（16）： 156-157.

ZHANG T， WANG W F， CHENG X L， et al. Research on application of data-driven technology in building energy consumption simulation [J]. Science and Technology & Innovation， 2020（16）： 156-157. （in Chinese）

[11]? MOTUZIENE V， JUODIS E S. Simulation based complex energy assessment of office building fenestration [J]. Journal of Civil Engineering and Management， 2010， 16（3）： 345-351.

[12]? 李繼偉， 馮國會(huì)， 徐麗. 建筑能耗預(yù)測(cè)的機(jī)器學(xué)習(xí)回歸模型研究[J]. 沈陽建筑大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2021， 37（6）： 1098-1106.

LI J W， FENG G H， XU L. Study on machine learning regression model for prediction of building energy consumption [J]. Journal of Shenyang Jianzhu University （Natural Science）， 2021， 37（6）： 1098-1106. （in Chinese）

[13]? KIM T， JANG M， JEONG H C， et al. Short-term residential load forecasting using 2-step SARIMAX [J]. Journal of Electrical Engineering & Technology， 2022， 17（2）： 751-758.

[14]? 歐陽前武， 符亞磊， 任中俊. 基于時(shí)間序列分析模型的建筑能耗兩級(jí)預(yù)測(cè)關(guān)系研究[J]. 建設(shè)科技， 2019（14）： 53-56.

OUYANG Q W， FU Y L， REN Z J. A study on the two-level prediction relationship of building energy consumption based on time series analysis models [J]. Construction Science and Technology， 2019（14）： 53-56. （in Chinese）

[15]? XU X L， FENG G H， CHI D D， et al. Optimization of performance parameter design and energy use prediction for nearly zero energy buildings [J]. Energies， 2018， 11（12）： 3252.

[16]? 馬澤宇， 張慧穎， 黃海燕. 地震荷載作用下基于ASA和MMFD優(yōu)化組合算法的框架結(jié)構(gòu)多目標(biāo)優(yōu)化設(shè)計(jì)[J]. 河南科學(xué)， 2017， 35（11）： 1819-1822.

MA Z Y， ZHANG H Y， HUANG H Y. Multi-objective optimization design of frame structure based on ASA and MMFD optimal combination algorithm under seismic loading[J]. Henan Science， 2017， 35（11）： 1819-1822. （in Chinese）

[17]? 王國亮， 張蔭， 陶清林. 鋼框架結(jié)構(gòu)多目標(biāo)優(yōu)化設(shè)計(jì)[J]. 低溫建筑技術(shù)， 2010， 32（6）： 30-32.

WANG G L， ZHANG Y， TAO Q L. Multi-objective optimization for steel frames [J]. Low Temperature Architecture Technology， 2010， 32（6）： 30-32. （in Chinese）

[18]? 周俊文， 劉界鵬. 基于多種群遺傳算法的鋼框架結(jié)構(gòu)優(yōu)化設(shè)計(jì)[J]. 土木與環(huán)境工程學(xué)報(bào)（中英文）， 2024， 46（1）： 71-81.

ZHOU J W， LIU J P. Optimization design of steel frame structure based on multipopulation genetic algorithm [J]. Journal of Civil and Environmental Engineering， 2024， 46（1）： 71-81.（in Chinese）

[19]? ASSIMI H， JAMALI A， NARIMAN-ZADEH N. Multi-objective sizing and topology optimization of truss structures using genetic programming based on a new adaptive mutant operator [J]. Neural Computing and Applications， 2019， 31（10）： 5729-5749.

[20]? PIEGAY N， BREYSSE D， ELACHACHI S M. Effect of intrinsic and epistemic uncertainties on the multiobjective optimal design of a hyperstatic structure [J]. ASCE-ASME Journal of Risk and Uncertainty in Engineering Systems， Part A： Civil Engineering， 2019， 5（1）： 04018047.

[21]? DEB K， PRATAP A， AGARWAL S， et al. A fast and elitist multiobjective genetic algorithm： NSGA-Ⅱ [J]. IEEE Transactions on Evolutionary Computation， 2002， 6（2）： 182-197.

[22]? YOON P K， HWANG C L， YOON K. Multiple attribute decision making： An introduction （quantitative applications in the social sciences） [M]. Berlin Heidelberg： Springer-Verlag， 1995.

（編輯  胡英奎）

DOI： 10.11835/j.issn.2096-6717.2023.015

收稿日期：2022?10?25

基金項(xiàng)目：國家自然科學(xué)基金（52078179）

作者簡(jiǎn)介：苗茹云（1997- ），女，主要從事土木工程智能建造研究，E-mail：810363138@qq.com。

通信作者：黃軼淼（通信作者），男，教授，博士生導(dǎo)師，E-mail：yimiao.huang@hebut.edu.cn。

Received： 2022?10?25

Foundation items： National Natural Science Foundation of China （No. 52078179）

Author brief： MIAO Ruyun （1997- ）， main research interest： intelligent construction， E-mail： 810363138@qq.com.

corresponding author：HUANG Yimiao （corresponding author）， professor， doctorial supervisor， E-mail： yimiao.huang@hebut.edu.cn.