信息融合技术在城市绿色建筑评价体系中的应用
开篇：润墨网以专业的文秘视角，为您筛选了一篇信息融合技术在城市绿色建筑评价体系中的应用范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
【摘要】 本文根据城市绿色建筑的特点，结合神经网络技术及RBF网络，提出了在信息处理中使用信息融合技术和神经网络的方法，将信息融合技术应用到绿色建筑的评价体系中，对建筑物的信息进行全面的分析、处理，有助于对建筑环境进行准确评估，进而实现智能控制，达到降低能耗，节约能源的目的。
一、 引言
我国的建筑行业逐渐将可持续发展作为未来中国建筑产品发展的主要方向。但真正的“绿色”建筑不更重要的是要考虑建筑物理环境中综合因素的影响，如能利用信息技术，以计算机模拟为主要手段，从多角度对建筑环境进行准确评价，有助于实现建筑物的智能控制水平，降低能源消耗。
二、 绿色建筑和信息融合的含义
绿色建筑是指为人类提供健康的空间，同时实现最高效率地利用能源、最低限度地影响环境的建筑物，是当前全球化的可持续发展战略在建筑领域的具体体现。它是以生态系统的良性循环为基本原则，应用系统工程方法和多学科的现代绿色科技成就，实现经济、生态和社会效益三结合的新型人类聚居环境和建筑体系。
信息融合技术是协同利用多源信息，以获得对同一事物或目标更客观、更本质认识的信息综合处理技术。融合是指采集并集成各种信息源、多媒体和多格式信息，从而生成完整、准确、及时和有效的综合信息。
由于建筑环境中的信息来源复杂，信息格式并不一致，牵涉到的关键技术较多，如建筑热环境模拟、计算流体力学，建筑日照分析与采光技术，噪声控制以及建筑材料技术等等，影响了对建筑环境信息进行分析、评价、控制。而神经网络方法具有良好的容错性、层次性、可塑性、自适应性、联想记忆和并行处理能力，能够处理连续的模拟信号。在对建筑环境的信息处理中，以神经网络作为信息处理元件便于对多个不同信息源的信息进行复合、集成、融合、联想等处理，从而降低信息冗余度，可以准确对建筑物进行评价，提高对建筑物的智能控制水平。
3.1 RBF网络模型及特点
径向基网络是一种局部逼近网络。对于每个训练样本，它只要对少数的权值和阈值进行修正，训练速度很快，适合在一些实时性较强的场合（如实时控制）中应用。它有两个网络层：隐层为径向基层，输出为一线性层，网络的输出为： a2=purelin（LW2a1+b2） a1=radbas（n1）
n1=||IW-P||？*b1
= （ d i a g （ （ I W-o n e s （ S1， 1 ） * P’） （ I W-ones（S1，1）*P’）’））^0.5.*b1 （1）
式中：radbas为径向基函数，一般为高斯函数；diag（x）表示取矩阵向量主对角线上的元素组成的列向量；“.^”和“.*”分别表示数量乘方和数量乘积（即矩阵中各对应元素的乘方和乘积）
径向基网络只对那些靠近输入权值向量的输入产生相应，即隐层对输入信号的相应，只在函数的中央位置产生较大的输出，所以该网络有很好的局部逼近能力。从函数逼近的观点看：若把网络看成是对未知函数的逼近，则任何函数都可以表示成一组基函数的加权和。在径向基网络中，相当于选择各隐层神经元的传输函数，使之构成一组基函数逼近未知函数。
3.2 RBF网络在绿色建筑评价体系中的应用
在绿色建筑评价体系中，由于涉及的技术领域众多，需要采集的数据量也很大。如果可以使用径向基网络对采集的数据进行非线性函数的曲线拟合，将不同建筑物采集到的数据经过整理后输入训练好的网络，产生非线性函数曲线，可以大大提高对建筑物的评价以及智能控制。
运行中发现，利用RBF网络从定义到训练结束花费的时间短，适用于实时性高的控制场合。仅以空调通风系统为例，可对房间温度、房间湿度、送风温度、冷冻水温度四个数据量进行采集，得到部分对应关系，对其进行曲线拟合，可以得到房间内的温湿度情况，为进一步提高对房间空调系统的智能控制打下基础，也可应用到绿色建筑控制体系的其他方面。
四、 结束语
我国城市绿色建筑的发展前景十分广阔，加快完善城市绿色建筑评价体系成为目前急需解决的问题之一。本文通过对城市绿色建筑环境的综合分析与评价方法的研究，得到利用信息融合技术可以实现对多源信息更好的处理分析。
参考文献
[1] 周开利，康耀红编著，神经网络模型及其MATLAB仿真程序设计[M]，北京：清华大学出版社 2005
[2] 熊和金 陈德军编著.智能信息处理[M]，北京：国防工业出版社 2006
[3] 潘泉等.信息融合理论的基本方法与进展（J） ，自动化学报，2003，29（4）
[4] 李爱军等.信息理论框架下的神经网络构建，北京交通大学学报（J），2005，29（2）
[5] 彭时霖.基于人工神经网络的空调房间热环境参数的优化组合[D] 长沙：湖南大学，2006年