基于模糊算法的建筑節(jié)能研究

熊赳赳

摘要：本文將聚類分析與模糊算法相結合，提出了一種新型分析算法，并將這種算法應用在住宅小區(qū)電力設施中，為建筑的節(jié)能設計提供了一種新思路。

關鍵詞：建筑節(jié)能；模糊算法；聚類分析；供電設施

中圖分類號：TU50文獻標識碼：A

1 緒論

供電設施及其配套設施是住宅小區(qū)的重要組成部分，同時也是耗能設施，其設計是否合理直接關系到建筑的能耗大小[1，2]。本文結合聚類分析，以模糊算法對住宅小區(qū)供電設施及其配套設施進行了分析，克服了傳統(tǒng)聚類分析無法準確劃分分析對象屬性的缺點。

2 結合聚類分析的模糊算法簡介

由于建筑節(jié)能設施中的研究對象沒有嚴格的屬性劃分，傳統(tǒng)聚類分析無法滿足，本文在聚類分析中引入了模糊算法，首先將數(shù)據(jù)進行標準化處理，將指標體系作為論域，U（u1，u2，…..，un），論域中的ui是由數(shù)據(jù)（xi1，xi2，…..，xim）構成的，進而形成評分矩陣X=（xij）n×m；之后建立相似關系（模糊）矩陣，在上述論域U中的指標可以作為一個樣本，在U上的相似關系（模糊）矩陣R可以通過絕對值倒數(shù)法建立，如式1所示：

rij=1，i=j

C∑mk=1|xikxjk|i≠j（1）

式中的C取0.1；建立矩陣后進行模糊聚類，這一步需要將R轉換為等價（模糊）矩陣R*，利用布爾傳遞包，再依照R，R2，R4….的順序進行求平方計算，當R2k與Rk的值相等時Rk滿足傳遞要求，此時Rk即為等價（模糊）矩陣R*，將矩陣中的數(shù)值按照大小排列，依照這個排列順序，對λ進行取值，即可得到如式2所示的不同λ（閾值）條件下的布爾矩陣：

Zλ=（zij）n×n

zij=1，zijr*ij

0，zij

在閾值為λ時，上述矩陣中有大于等于兩列的數(shù)完全相同時，這些列中表示的指標就具有相似性，此時可以將這些指標劃分為相同的一類，根據(jù)λ的大小可以構建出動態(tài)聚類，進而剝離得到離群指標，參考實際情況，得到最優(yōu)分類，即為結合聚類分析的模糊算法的最終結果。

3 結合聚類分析的模糊算法在建筑節(jié)能中的應用

以建筑的供電設施為例，對建筑中的各項因素應用本文提出的新型模糊算法進行分析。

3.1 數(shù)據(jù)的獲得

通過向相關人員發(fā)放問卷獲得數(shù)據(jù)，問卷的設計主要針對建筑內(nèi)的住戶或使用者，將各個影響因素對建筑節(jié)能的影響劃分為5個等級（大、較大、中等、較小、小），實發(fā)問卷為400份，回收問卷305份，有效問卷289份，回收率為79.3%，有效率為72.3%。

3.2 標準化數(shù)據(jù)的獲得

本文選取的影響因素為四類，分別為居民、開發(fā)商、供電企業(yè)和政府，居民一類中可以細分為居民收入、供電可靠性、電氣設備水平、用電習慣四項，開發(fā)商一類中可以細分為配套設施投入、施工進度、布局規(guī)劃，供電企業(yè)一類中則包含設備故障率、服務、規(guī)劃、經(jīng)濟效益，政府一類中包括環(huán)保力度、重視節(jié)能程度、供電規(guī)劃、相關法規(guī)。通過調(diào)查問卷，依據(jù)調(diào)查問卷的結果建立評價得分矩陣X。

3.3 等價（模糊）矩陣的獲得

依據(jù)矩陣X，按照四類影響因素，建立相應的矩陣，如式3所示：

R1=（rij）4×4=10.0960.0890.321

0.09610.1630.078

0.0890.16310.070

0.3210.0780.0701（3）

3.4 閾值λ的獲得

問卷中，各個影響因素的等級為大、較大、中等、較小、小，得分分別定為5分、4分、3分、2分、1分。利用MATLAB對各個影響因素的等價矩陣進行求解，利用標準化矩陣即可得到各個影響因素的綜合得分，如下表所示，表中，將綜合得分和動態(tài)聚類圖綜合考慮，可以得到每個影響因素中的具體分類（模糊）。

4 結論

綜上所述，本文在聚類分析中引入了模糊算法，以建筑的供電設施為例，分析了這種新型聚類分析在建筑節(jié)能中的應用，為建筑的節(jié)能設計提供了新思路。

參考文獻：

[1]侯振國.新建住宅電力設施建設與科學管理[J].湖北電力，2012，36（2）：4951.

[2]曹瑋.住宅小區(qū)公共配套設施建設及現(xiàn)狀研究[J].佛山科學技術學院學報（社會科學版），2010，28（6）：3943.