本发明涉及建筑设计，尤其涉及一种基于gan和ga的夏热冬暖地区低碳建筑设计决策方法。
背景技术：
1、建筑的设计方案不仅需要考虑碳排放问题，还需要在不同能源价格下优化能耗，这无形中增加了建筑设计决策的复杂性和不确定性。
2、当前的低碳建筑设计方法大多依赖于设计人员的经验和对建筑材料、能源系统等因素的人为考虑，难以全面考虑复杂的气候因素和能源使用模式，缺乏动态响应环境变化的能力，现有技术还无法在建筑设计中实现真正的智能化、动态化和全局优化。
技术实现思路
1、有鉴于此，本发明目的在于提供一种基于gan和ga的夏热冬暖地区低碳建筑设计决策方法，以解决背景技术中提到的问题，在满足低碳排放要求的同时在能源效率和建筑材料成本之间取得平衡，并实现建筑设计的智能化和动态响应能力。
2、本发明公开了一种基于gan和ga的夏热冬暖地区低碳建筑设计决策方法，该方法包括：
3、确定初始建筑设计参数；
4、通过gan模型基于所述初始建筑设计参数生成多个设计方案；其中，gan模型由生成器和自适应判别器组成，包括多个生成器和自适应判别器的多层级结构，第一层生成器用于生成建筑外观设计参数，第二层生成器用于生成建筑内部结构设计参数，自适应判别器对生成的设计方案执行碳排放性能初步评估，得到碳排放性能初步评估结果；
5、基于gan模型生成的设计方案和碳排放性能初步评估结果，通过遗传算法ga对各设计方案执行优化操作，得到目标设计方案；其中，ga的适应度函数为多目标优化函数，所述多目标包括碳排放、能源效率和建筑材料成本；
6、根据外部环境数据对目标设计方案进行仿真监控和实时评估，基于实时评估的结果动态调整目标设计方案。
7、进一步地，所述初始建筑设计参数包括尺寸、材料、能源系统、历史气象数据以及能源使用模式。
8、进一步地，所述建筑外观设计参数包括建筑外立面的形状、材料分布、窗户布局和建筑物朝向；
9、所述建筑内部结构设计参数包括房间布局、隔墙材料、空调和通风系统的内部布置。
10、进一步地，在通过gan模型基于所述初始建筑设计参数生成多个设计方案的过程中，利用强化学习算法对gan模型生成设计方案的过程进行学习。
11、进一步地，所述强化学习算法通过奖励机制使gan模型生成更优的设计方案。
12、进一步地，所述自适应判别器对生成的设计方案执行碳排放性能初步评估具体包括：
13、自适应判别器根据整体建筑设计参数确定建筑设计复杂等级，并基于确定出的建筑设计复杂等级动态调整碳排放性能的评估标准；其中，所述整体建筑设计参数包括初始建筑设计参数、建筑外观设计参数和建筑内部结构设计参数；
14、根据调整后的碳排放性能的评估标准对生成的设计方案执行碳排放性能初步评估。
15、进一步地，所述自适应判别器的训练过程包括：
16、收集已建成的建筑设计方案的历史数据，所述历史数据包括建筑尺寸、材料、能源系统、气候条件、能耗数据以及碳排放数据；
17、将收集到的所述历史数据输入初始判别器进行训练，初始判别器通过学习已建成的建筑的建筑设计参数与能耗和碳排放的关联形成自适应判别器；其中，所述已建成的建筑的建筑设计参数包括建筑尺寸、材料、能源系统和气候条件；
18、将所述已建成的建筑的建筑设计参数输入至gan模型中，通过gan模型生成器生成多个虚拟建筑设计方案，将生成的虚拟建筑设计方案输入自适应判别器，通过自适应判别器判别虚拟建筑设计方案的合理度，作为虚拟建筑设计方案的第一合理度；
19、以已建成的建筑设计方案的实际合理度为标准，对生成的虚拟建筑设计方案的合理度进行标注，得到虚拟建筑设计方案的第二合理度；
20、根据虚拟建筑设计方案第一合理度和第二合理度的差异对自适应判别器进行调整。
21、进一步地，所述自适应判别器的训练过程还包括：
22、在自适应判别器训练初期，预设一组初始的建筑设计复杂等级划分规则和不同复杂等级对应的评估碳排放性能的评估标准；其中，建筑设计复杂等级的划分操作包括基于不同的整体建筑设计参数对应的加权系数，分别将不同的整体建筑设计参数与其对应的加权系数相乘，再执行求和计算操作；所述初始的建筑设计复杂等级划分规则包括初始的加权系数组合；
23、对所述初始的加权系数组合进行调整，得到不同的加权系数组合，并基于不同的加权系数组合对多个已建成的建筑执行建筑设计复杂等级的划分操作，确定所述多个已建成的建筑的建筑设计参数的复杂等级，根据确定的复杂等级对应的评估碳排放性能的评估标准评估所述多个已建成的建筑的碳排放性能，将评估得到的所述多个已建成的建筑的碳排放性能结果与所述多个已建成的建筑的实际碳排放性能结果对比，得到不同的加权系数组合对应的评估准确度；
24、根据不同的加权系数组合对应的评估准确度确定最优的加权系数组合，将包括最优的加权系数组合的建筑设计复杂等级划分规则作为最终的建筑设计复杂等级划分规则。
25、进一步地，在通过遗传算法ga对各设计方案执行优化操作的过程中，所述方法还包括将遗传算法ga与粒子群优化相结合作为混合优化算法，通过混合优化算法加速在设计方案参数空间的搜索过程。
26、进一步地，所述根据外部环境数据对目标设计方案进行仿真监控和实时评估，基于实时评估的结果动态调整目标设计方案具体包括：
27、收集和输入与建筑设计相关的外部环境数据，所述外部环境数据包括气候数据和能源价格数据；
28、通过bim技术生成目标设计方案对应的目标建筑的bim模型；
29、将bim模型与能耗模拟软件集成，在不同外部环境数据下模拟目标建筑的能耗和碳排放；
30、实时监控目标建筑的能耗和碳排放变化，并在监控过程中生成建筑设计性能的反馈数据；
31、根据反馈数据对目标设计方案的建筑设计参数进行调整。
32、与现有技术相比，本发明的有益效果为：
33、通过结合生成对抗网络（gan）和遗传算法（ga）进行多目标优化，能够同时考虑碳排放、能源效率和材料成本，使设计方案在多个目标之间实现最佳平衡，基于多目标优化机制生成更符合低碳建筑设计要求的方案；
34、通过设置自适应判别器，能够根据建筑设计的复杂等级动态调整碳排放评估标准，确保不同复杂度的设计方案都能得到准确、客观的评估，提高了评估精度，并使得优化结果更加可靠；
35、通过生成器的分层次生成结构，能够在保持计算效率的同时生成更复杂的设计方案，避免在一个生成器中同时处理外观和内部设计带来的高维度问题和计算复杂性；并通过引入强化学习算法，能够通过奖励机制不断改进生成策略，学习生成更加符合低碳建筑要求的方案，帮助生成器生成更多样化且更符合实际应用需求的设计方案，解决了传统gan生成器设计单一的问题。
36、将ga与粒子群优化（pso）相结合，利用pso的全局搜索能力加速设计方案在整个设计空间中的优化过程，有效避免局部最优解的陷阱，并提高全局最优设计方案的搜索速度。
37、结合bim技术和能耗仿真，通过实时监控和动态调整设计参数，确保建筑设计方案在实际环境变化中的表现始终最优，增强了设计方案的适应性和实际应用效果。
1.一种基于gan和ga的夏热冬暖地区低碳建筑设计决策方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于gan和ga的夏热冬暖地区低碳建筑设计决策方法，其特征在于，所述初始建筑设计参数包括尺寸、材料、能源系统、历史气象数据以及能源使用模式。
3.根据权利要求1所述的基于gan和ga的夏热冬暖地区低碳建筑设计决策方法，其特征在于，所述建筑外观设计参数包括建筑外立面的形状、材料分布、窗户布局和建筑物朝向；
4.根据权利要求1所述的基于gan和ga的夏热冬暖地区低碳建筑设计决策方法，其特征在于，在通过gan模型基于所述初始建筑设计参数生成多个设计方案的过程中，利用强化学习算法对gan模型生成设计方案的过程进行学习。
5.根据权利要求4所述的基于gan和ga的夏热冬暖地区低碳建筑设计决策方法，其特征在于，所述强化学习算法通过奖励机制使gan模型生成更优的设计方案。
6.根据权利要求1所述的基于gan和ga的夏热冬暖地区低碳建筑设计决策方法，其特征在于，所述自适应判别器对生成的设计方案执行碳排放性能初步评估具体包括：
7.根据权利要求6所述的基于gan和ga的夏热冬暖地区低碳建筑设计决策方法，其特征在于，所述自适应判别器的训练过程包括：
8.根据权利要求7所述的基于gan和ga的夏热冬暖地区低碳建筑设计决策方法，其特征在于，所述自适应判别器的训练过程还包括：在自适应判别器训练初期，预设一组初始的建筑设计复杂等级划分规则和不同复杂等级对应的评估碳排放性能的评估标准；其中，建筑设计复杂等级的划分操作包括基于不同的整体建筑设计参数对应的加权系数，分别将不同的整体建筑设计参数与其对应的加权系数相乘，再执行求和计算操作；所述初始的建筑设计复杂等级划分规则包括初始的加权系数组合；
9.根据权利要求1所述的基于gan和ga的夏热冬暖地区低碳建筑设计决策方法，其特征在于，在通过遗传算法ga对各设计方案执行优化操作的过程中，所述方法还包括将遗传算法ga与粒子群优化相结合作为混合优化算法，通过混合优化算法加速在设计方案参数空间的搜索过程。
10.根据权利要求1所述的基于gan和ga的夏热冬暖地区低碳建筑设计决策方法，其特征在于，所述根据外部环境数据对目标设计方案进行仿真监控和实时评估，基于实时评估的结果动态调整目标设计方案具体包括：
