刘 刚，李晓倩，韩 臻

(天津大学 a.建筑学院;b.天津市建筑物理环境与生态技术重点实验室,天津 300072)

可持续建筑节能效果很大程度上取决于建筑初期设计[1]。近年来，结合建筑能耗预测方法和优化算法在建筑设计初期辅助节能优化决策成为研究热点[2]。优化过程中通常会生成大量的备选方案，能否快速进行建筑能耗预测成为影响优化效率的关键因素。随着人工智能技术的不断发展，基于机器学习的能耗预测方法越来越多的应用于建筑能耗优化中。实践证明，通过机器学习预测建筑能耗大大提高了建筑节能优化设计的效率，正逐步为建筑师所接纳。在实际应用中，建筑节能优化问题多为在已知可行空间内寻找最优方案[3]，但在优化过程中，个体方案多为随机生成或有引导性的随机生成[4-6]，使得用于学习的训练样本集分布情况未知。现有研究中，关于样本集质量(即样本分布不均衡问题)的研究多集中于分类问题中[7-9]，在关于回归问题中机器学习算法的选择及其参数设置的研究中，关于样本集质量尚无统一定义[10]，多集中于样本集大小对学习效果的影响或样本个体质量对学习效果的影响，较少关注样本集样本分布情况即样本集所包含信息完整性对学习效果的影响[11-14]。但在样本分布情况未知的前提下，随意选择的算法或不合理的参数设置可能会导致算法性能不理想，从而影响建筑节能优化效果。同时，对于建筑师而言，由于机器学习原理及应用的复杂性，尚未有较统一且明确的学习方法选择及参数设置依据对其进行指导。……