汤 烨，陆卫忠，陈成，黄宏梅

(1.苏州科技大学 电子与信息工程学院，江苏 苏州 215009；2.江苏省建筑智慧重点实验室，江苏 苏州 215009；3.苏州市虚拟现实智能交互及应用技术重点实验室，江苏 苏州 215009)

引言

在常规的照明计算中，设计人员需根据照明场所的室形指数、有效顶棚反射比、地板反射比和墙面反射比，在灯具生产商提供的利用系数表中查找对应的利用系数和利用系数修正系数，因表中只提供了部分离散的取值，所以计算误差较大，虽然使用直线内插法可以获得比较精确的取值，但计算过程复杂[1]。

针对利用系数计算的常规方法繁琐的问题，文献[2，3]提出了用神经网络拟合计算过程，以降低计算复杂度。在此基础上，本文考虑影响利用系数的因素，建立了由可变网络和固定网络并联组成的网络模型，加入Adam优化算法，提高了计算精确度和工程实用性。在实际应用中，设计人员只需针对每种灯具，训练一个固定网络和每种灯具的可变网络，将它们组合后得到用于计算灯具利用系数的模型，以代替繁琐且误差较大的查表过程，进行照度计算。

1 模型建立

BP神经网络(back propagation neural network)也称为反向传播神经网络，是一种具有2层以上结构的无反馈的、层内无互连的网络。BP神经神经网络除输入层和输出层外，还包括一个或多个隐含层，各个层神经元之间实现全连接，而同层内各神经元之间无连接[4]。BP神经网络通过有指导的学习方式进行学习和训练，能用于拟合非线性映射，并进行预测。……