PVFS (Point–Voxel Fusion Surrogate), karmaşık көп кабаттуу атриумlarda her bir сенсор чекитsının жылдык күн жарыгы, жаркыроо ve жылуулук комфорту көрсөткүчını birlikte болжолдоо için чекит булуту ile сейрек үч өлчөмдүү воксел bilgisini birleştiren көп милдеттүү bir surrogate модельdir. Çalışmada Rhinoceros/Grasshopper üzerinden üretilmiş 2.912 paraметрика китепкана атриумu için климат tabanlı жылдык симуляцияlar чыныгыleştirilmiş ve PVFS; Glare Autonomy (GA), continuous Daylight Autonomy (cDA) ve Thermal Comfort Percentage (TCP) alanlarını чекит bazında öğrenmiştir. Tasarım bazında ayrılmış көз карандысыз тест kümesinde model GA için R²=0.858, cDA için R²=0.774 ve TCP için R²=0.818 elde etmiştir. Aynı долбоорın bütün чекиттик чыгармаlarının жылдык физикага негизделген симуляцияla hesaplanması болжол менен 34 dakika sürэрте PVFS'nin воксел oluşturma, өзгөчөлүк hazırlama, çıkarım ve чыгарма aktarımı dahil uçtan uca убакытsi болжол менен 9.2 saniyedir; булак bunu болжол менен 222 кабат ылдамдануу olarak raporlamaktadır.

Modelin temel avantajı yalnız tek bir атриум көрсөткүч puanı üretmemesidir. PVFS, айырмаlı кабатlardaki okuma alanlarında чекит чекит GA, cDA ve TCP dağılımları oluşturarak долбоорcının yetersiz күн жарыгы, жаркыроо тобокелдикi veya төмөн жылуулук комфорту аймакlerini mekânsal olarak görebilmesini максат кылат. Nokta kolu ачыктык, дубал ve örtücü elemanlara yakınlık gibi yerel koşulları; воксел kolu ise атриумun toplam kütlesini, кабатlar arası engelleri, чатыр жарык тешигиnı ve diğer үч өлчөмдүү bileşenleri көрсөтөт.

Çalışma, PVFS'yi физикага негизделген симуляцияun evrensel yerine geçen bir araç olarak sunmamaktadır. Özellikle атриум ачыктык kenarları, көпүрө ve döşeme көлөкөlerinin keskin değiştiği аймакler ve жогорку gradyanlı geoметрика чекlar modelin başlıca ката аймакleridir. Yazarlar bu nedenle PVFS'yi эрте долбоорda hızlı tarama ve тобокелдик lokalizasyonu için önerirken, акыркы долбоор kararlarında kritik чек аймакlerinin жогорку doğruluklu физикага негизделген симуляцияla yeniden kontrol edilmesini gerekli görmektedir.

Изилдөө маселеси

Çok кабатlı bir атриумun çevresel davranışı tek bir кабат planından veya tek bir ortalama көрсөткүч мааниinden kolayca açıklanamaz. Çatı ışıklığından giren күн жарыгы кабатlar arasında ilerlэрте döşeme kenarları, geri çekilmeler, айырмаlı кабат жогоркуlikleri, көпүрөler ve атриум boşluğunun geometrisi tarafından kısmen engellenir. Aynı geometri bir аймакde күн жарыгы miktarını artırırken başka bir аймакde жаркырооyı veya güneş булакlı ısıl yükü artırabilir. Bu nedenle күн жарыгы yeterliliği, жаркыроо ve жылуулук комфорту arasında güçlü bir үч өлчөмдүү ve çok hedefli etkileşim bulunur.

Geleneksel мамиле Radiance, EnergyPlus ve Ladybug Tools gibi физикага негизделген симуляцияlarla bir долбоорın bütün yıl boyunca hesaplanmasıdır. Bu мамиле ayrıntılı жыйынтык маалыматr; faкабат yüzlerce veya binlerce geoметрика alternatifin эрте долбоор aşamasında hızlı biçimde taranması gerektiğinde эсептөө чыгымi önemli hale gelir. Kaynak изилдөөda tek bir долбоорın GA, cDA ve TCP чыгармаlarının жылдык эсептөөsının toplam убакытsi болжол менен 34 dakika olarak баяндалат.

PVFS деген эмне?

PVFS, атриум ölçeğindeki үч өлчөмдүү geometri ve örtülme контекстını сейрек воксел ağıyla, her сенсор чекитsının yerel konum ve ачыктык байланышlerini ise чекит булутуyla көрсөтөтek GA, cDA ve TCP'yi aynı сенсор чекитlarında birlikte болжол eden көп милдеттүү bir derin öğrenme surrogate modelidir; modelin hedef колдонуу alanı karşılaştırılabilir көп кабаттуу китепкана атриумlarında эрте долбоор мааниlendirmesidir.

Neden чекит ve воксел birlikte kullanılıyor?

Yalnız чекит tabanlı bir model, сенсорün yakın çevresini жогорку ayrıntıyla görebilir ancak атриумun birkaç кабат ötesindeki kütlesel engelleri ve ачыктык organizasyonunu yeterince temsil etmekte zorlanabilir. Yalnız воксел tabanlı bir model ise bütün yapıyı үч өлчөмдүү olarak temsil edebilir faкабат keskin ачыктык kenarları ve lokal көлөкө geçişlerinde чекиттик ayrıntıyı aşırı yumuşatabilir. PVFS bu iki temsilin görevlerini ayırır: Point Transformer yerel mikro-çevreyi, Sparse U-Net ise атриум ölçeğindeki uzun menzilli контекстı öğrenir.

Kaynağın ek görsel sayfasındaki PVFS iş akışı diyagramı bu yapıyı açık biçimde göstermektedir: paraметрика ve климат tabanlı симуляция aşaması önce etiketleri üretir; aynı geometri воксел ve сенсор-чекит temsillerine dönüştürülür; iki kol ayrı ağlarda kodlanır; чекит ölçeğinde hizalanmış өзгөчөлүктөр birleştirilir ve üç көз карандысыз чыгарма başlığı GA, cDA ve TCP üretir.

Параметрдик атриум долбоорлоо мейкиндиги

Araştırmacılar көп кабаттуу китепкана атриумlarını Rhinoceros/Grasshopper ortamında paraметрика olarak oluşturmuştur. Geometri yalnız basit dikdörtgen bir boşlukla чекlandırılmamıştır. Katlar айырмаlı жогоркуliklere sahip olabilir, döşemeler geri çekilebilir veya split-level байланышler oluşturabilir ve bir veya daha fazla көпүрө атриум boşluğunu kısmen örtebilir.

Her кабатta атриумa en yakın okuma alanı, en büyük атриум açıklığının çevresinde 3 m genişliğinde bir bant şeklinde tanımlanmıştır. Sensör чекитları bu okuma kuşağına ve көпүрөlere standart изилдөө düzlemi жогоркуliğinde yerleştirilmiştir. Kaynak жыйынтык bölümüne göre her paraметрика долбоор 10.000'den fazla сенсор чекитsı içermektedir.

Çalışmanın önemli modelleme tercihlerinden biri dış фасадyi tamamen opak kabul etmesidir. Dış фасадde pencere veya kapı açıklığı modellenmemiştir. Böylece күн жарыгы girişi ve bununla bağlantılı ışınımsal etkiler yalnız атриум чатыр жарык тешигиndan булакlanır. Bu tercih чыныгы bir китепканаnin bütün фасад davranışını temsil etmekten çok, атриум geometrisinin etkisini diğer pencere düzenlerinden izole etmeyi amaçlamaktadır.

Latin Hypercube Sampling эмне үчүн колдонулган?

Çalışma жогорку boyutlu paraметрика uzaydan 2.912 долбоор seçmek için Latin Hypercube Sampling (LHS) kullanmıştır. LHS, her parametrenin aralığını olasılık bakımından tabakalara ayırarak örnekleri долбоор uzayına daha dengeli dağıtmayı максат кылат. Bu ыкма rastgele örneklemede oluşabilecek yoğun kümelenmeleri azaltarak атриум boyutu, кабат sayısı, жарык тешиги geometrisi, malzeme өзгөчөлүктөрi ve көпүрө булакlı örtülmeler arasında daha geniş kombinasyon kapsamı sağlamaktadır.

Bu örnekleme yine de bütün bina ve климат uzayını temsil etmez. Veri kümesi өзгөчөлүкle kontrollü китепкана-атриумu alanına yöneliktir; айырмаlı bina işlevleri, фасад sistemleri, işletme programları ve климат аймакleri маалымат uzayının doğal bir parçası değildir.

GA, cDA жана TCP эмнени өлчөйт?

PVFS'nin üç чыгармаsı айырмаlı долбоор тобокелдикlerini көрсөтөт: Glare Autonomy (GA) жылдык колдонуу саатlerinin ne kadarında жаркыроо olasılığının seçilen rahatsızlık чекının altında kaldığını, continuous Daylight Autonomy (cDA) күн жарыгыnın 300 lx hedefini yıl boyunca ne ölçüde karşıladığını ve Thermal Comfort Percentage (TCP) сенсор чекитsının ASHRAE 55 adaptif konfor bandında kaldığı жылдык колдонуу саатi oranını туюнтат.

Glare Autonomy — GA

Kaynak GA'yı aşağıdaki жылдык чекиттик метрикаle tanımlar:

\[ GA=\frac{1}{H}\sum_{t\in T_{occ}}I(DGP(t)\leq DGP_{th}) \tag{1} \]

\(T_{occ}\) yıl içindeki kullanılan saatler kümesidir, \(H=|T_{occ}|\) bu saatlerin toplam sayısıdır ve \(I(\cdot)\) koşul doğru olduğunda 1, yanlış olduğunda 0 alan gösterge fonksiyonudur. Çalışmada \(DGP_{th}=0.35\) seçilmiştir. Dolayısıyla GA'nın 1'e yaklaşması, ilgili sensör noktasının kullanım saatlerinin daha büyük bölümünde seçilen DGP kamaşma sınırının altında kaldığı anlamına gelir.

continuous Daylight Autonomy — cDA

cDA aşağıdaki şekilde hesaplanmıştır:

\[ cDA=\frac{1}{H}\sum_{t\in T_{occ}} \min\left(1,\frac{E(t)}{E_{th}}\right) \tag{2} \]

\(E(t)\), sensör noktasındaki saatlik çalışma düzlemi aydınlık düzeyidir; \(E_{th}\) ise hedef aydınlık düzeyidir. Çalışmada \(E_{th}=300\,\mathrm{lx}\) kullanılmıştır. Klasik ikili Daylight Autonomy yaklaşımının tersine, 300 lx'in altındaki saatler doğrudan sıfır kabul edilmez. Örneğin hedefin yarısı kadar aydınlık sağlanan bir saat, formülün yapısı gereği kısmi katkı verir. Böylece eşik çevresindeki küçük değişimlerin metriği aşırı keskin biçimde değiştirmesi azaltılır.

Kaynak metninde Eq. (2) sonrasında \(E_{th}\) bir cümlede yanlışlıkla “t anındaki saatlik çalışma düzlemi aydınlığı” gibi tanımlanmaktadır. Denklem, önceki cümle ve 300 lx açıklaması bunun hedef eşik olduğunu açıkça gösterdiği için Verianla metninde kaynak tutarsızlığı ayrıca not edilmiş, denklem değiştirilmemiştir.

Thermal Comfort Percentage — TCP

TCP, ASHRAE Standard 55:2017 adaptif жылуулук комфорту modeli ve %90 kabul edilebilirlik ölçütü kullanılarak hesaplanmıştır:

\[ TCP= \frac{1}{H} \sum_{t\in T_{occ}} I\left( T_{low}(t)\leq T_{op}(t)\leq T_{high}(t) \right) \tag{3} \]

\(T_{op}(t)\) sensör noktasındaki saatlik operatif sıcaklık, \(T_{low}(t)\) ve \(T_{high}(t)\) ise dış ortamın hâkim koşullarından türetilen adaptif alt ve üst konfor sınırlarıdır. Kaynak %90 kabul edilebilirlik bandını genellikle yaklaşık ±2.5 °C ile ilişkilendirmektedir.

TCP bir “band-pass” istatistiğidir. Düşük bir TCP, çok sayıda саатin adaptif konfor bandı dışında kaldığını söyler; faкабат bu rahatsızlığın aşırı sıcaklık mı yoksa aşırı serinlik mi nedeniyle oluştuğunu tek başına ayırt etmez. Yazarlar gelecekte üst ve alt чек taşmalarını ayrı gösterecek göstergelerin eklenebileceğini belirtmektedir.

Nokta булуту hangi bilgileri taşır?

Her сенсор чекитsının yerel өзгөчөлүктөрi, чекитnın атриум içinde “nerede olduğunu ve hangi örtülme koşullarına maruz kaldığını” ifade edecek biçimde tasarlanmıştır. Kaynağın tam boyutlu өзгөчөлүк diyagramında чекит koordinatları, кабат indeksi, en yakın атриум açıklığına ve дубалa uzaklık, en yakın örtücü elemana yatay/düşey mesafe ve атриум merkezine göre normalize edilmiş X-Y konumları ayrı ayrı görselleştirilmiştir.

Bir чекитnın атриум merkezine göre normalize edilmiş X konumu:

\[ \Delta x_i^A= \frac{x_i-x_{c,k}}{0.5L_{a,k}} \tag{6} \]

ve Y konumu:

\[ \Delta y_i^A= \frac{y_i-y_{c,k}}{0.5W_{a,k}} \tag{7} \]

ile tanımlanır. Böylece айырмаlı büyüklüklerdeki атриумlarda сенсорün yalnız metre cinsinden mutlak konumu değil, атриум açıklığının neresinde bulunduğu da modele aktarılır.

Global өзгөчөлүктөр ise yapı yönelimi, bina uzunluğu-genişliği-жогоркуliği, кабат sayısı, кабатtan кабатa жогоркуlik, yüzey yansıtıcılıkları ve чатыр жарык тешигиnın VLT мааниi gibi bütün долбоорla paylaşılan parametreleri içerir.

Чекит–вокселдик бириктирүү эмне үчүн маанилүү?

Nokta–воксел бириктирүүu, көп кабаттуу атриум көрсөткүчının aynı anda hem сенсор çevresindeki yerel ачыктык ve көлөкө байланышlerine hem de bütün yapı boyunca devam eden kütle, жарык тешиги ve кабатlar arası örtülme zincirlerine bağlı olması nedeniyle önemlidir; PVFS'de чекит kolu lokal ayrıntıyı, Sparse U-Net воксел kolu ise uzun menzilli үч өлчөмдүү контекстı taşır.

Seyrek воксел kolu

Boş olmayan воксел koordinatları:

\[ \Omega=\{c_j\}_{j=1}^{N_v} \tag{8} \]

olarak tanımlanır. Her boş olmayan voksel, yapı bileşeninin semantiğini ve optik/yapısal özelliklerini temsil eden altı boyutlu bir öznitelik vektörü \(v_j\) taşır:

\[ X=\{(c_j,v_j)\}_{j=1}^{N_v} \tag{9} \]

Sparse U-Net bu сейрек үч өлчөмдүү киргизмеyi kodlayarak:

\[ F_{vox}=\Phi_{vox}(X), \qquad F_{vox}\in\mathbb{R}^{N_v\times C_{vox}} \tag{10} \]

biçiminde global bir воксел өзгөчөлүк alanı üretir. Bu alan атриум kütlesi, ачыктык чекları, көпүрөler, döşemeler ve diğer örtücü elemanların mekânsal убакытkliliğini көрсөтөт.

Voksel ağının bottleneck bölümünde dilated sparse convolution kullanılarak alıcı alan büyütülür. Encoder ve decoder arasındaki skip bağlantılarında ise hafif bir gated fusion mekanizması kullanılır. Amaç, ачыктык ve көпүрө kenarlarındaki keskin чек sinyallerini korurken bütün атриум ölçeğindeki контекстı kaybetmemektir.

Görünürlük-duyarlı attention önseli

Point Transformer'ın yalnız маалыматden öğrenilen attention ağırlıklarının чекlı örneklemde ачыктык ve örtülmenin fiziksel önemini kararlı biçimde öğrenmesinin zor olabileceği varsayılmıştır. Bu nedenle modele açıklığa ve örtücülere uzaklık gibi geometri değişkenlerinden oluşturulan bir attention bias eklenmiştir:

\[ \alpha_{ij} = \operatorname{softmax}_{j} \left( score_{ij}+b_{ij} \right) \]

\[ b_{ij} = \phi \left( \Delta d^{open}_{ij}, \Delta d^{occ,z}_{ij}, d^{occ,xy}_{i}, \Delta(z/H)_{ij} \right) \tag{11} \]

\(\alpha_{ij}\), i noktasının j komşusuna verdiği attention ağırlığıdır. \(score_{ij}\) temel özellik ve göreli konum benzerliğini, \(b_{ij}\) ise açıklık erişilebilirliği ve örtülme açısından fiziksel anlam taşıyan ilave bias'ı temsil eder. Bu yapı nedensel bir fizik denklemi değildir; ışık yolu ve örtülme bilgisini öğrenme sürecine yönlendiren geometri tabanlı bir önseldir.

Voksel bilgisinin сенсор чекитsına aktarılması

Global воксел özelliği her сенсор чекитsının bağlı olduğu воксел indeksinden örneklenir:

\[ f_i^{env}=S(F_{vox},c_i^s) \tag{12} \]

Geçerli bir lokal воксел özelliği bulunmadığında булак, komşu воксел ortalamasını ve son çare olarak global ortalamayı kullanmaktadır. Amaç чек veya сейрек-tensor durumlarında өзгөчөлүк boyutunu ve окутуу kararlılığını korumaktır.

Изилдөөнүн Ыкмасы жана Жыйынтыктары

Veri üretim zinciri

Çalışmanın маалымат üretim zinciri dört temel aşamada ilerlemektedir. Önce paraметрика атриум geometrileri LHS ile oluşturulur. Ardından Ladybug Tools kullanılarak жылдык климат tabanlı ışık ve termal симуляцияlar yürütülür. Aynı geometri үч өлчөмдүү воксел ağına ve сенсор чекит булутуna dönüştürülür. Son olarak симуляцияdan üretilen GA, cDA ve TCP маанилерi her сенсор чекитsının окутуу etiketi haline gelir.

Tasarım bazlı ayrım kritik bir metodolojik tercihtir. Noktalar rastgele bölünseydi aynı атриумun binlerce чекитsı hem окутуу hem тест kümesine girebilir ve model aslında daha önce gördüğü geometrinin komşu чекитlarını болжол ederek yapay derecede жогорку көрсөткүч gösterebilirdi. Çalışma bütün чекитları ait oldukları долбоорla birlikte tek bir split içinde tutarak bu маалымат sızıntısını önlemeyi amaçlamaktadır.

PVFS mimarisi ve hiperparametreler

Kaynağın daha sonraki эсептөө маалыматmliliği bölümünde aynı voxel size “0.10 m” olarak adlandırılmaktadır. Bu ifade Table 3'teki “normalized coordinate space” açıklamasıyla aynı değildir. Bu nedenle fiziksel воксел boyutunun kesinlikle 0.10 m olduğu Verianla tarafından көз карандысыз bir чыныгы olarak kabul edilmemiştir.

Donanım ve yazılım

Eğitim ve тестler Linux iş istasyonunda Intel i7-12700F CPU, NVIDIA GeForce RTX 3080 GPU, CUDA 11.3, Python 3.11 ve PyTorch 2.2 kullanılarak ишке ашырылган. Seyrek үч өлчөмдүү konvolüsyon için MinkowskiEngine altyapısı колдонулган.

Çok görevli окутуу kaybı

Kaynak pseudo-code'unda GA, cDA ve TCP için üç көз карандысыз sigmoid çıkış başlığı bulunur. Nokta ağırlıkları фасадye, көпүрө etkisine ve kenar oranına göre artırılabilir:

\[ w_i= 1+\alpha_f\,is\_facade_i+ \alpha_w\,is\_walkway_i+ \alpha_e I(edge\_ratio_i>\tau) \]

Toplam окутуу kaybı görev bazlı SmoothL1 terimlerinin ağırlıklı toplamıdır:

\[ L= \sum_{t\in T} \beta_t\, \operatorname{Mean}_i \left[ SmoothL1(\hat y_{i,t},y_{i,t})\,w_i \right] \]

Kaynak pseudo-code bu formülü verir ancak \(\alpha_f\), \(\alpha_w\), \(\alpha_e\), \(\tau\) ve \(\beta_t\) için görünür tabloda sayısal değer belirtmez. Bu değerler Verianla tarafından uydurulmamıştır.

Değerlendirme метрикаleri

Model Mean Absolute Error (MAE), Root Mean Squared Error (RMSE) ve coefficient of determination \(R^2\) ile değerlendirilmiştir:

\[ MAE= \frac{1}{N} \sum_{i=1}^{N} |y_i-\hat y_i| \tag{13} \]

\[ RMSE= \sqrt{ \frac{1}{N} \sum_{i=1}^{N} (y_i-\hat y_i)^2 } \tag{14} \]

\[ R^2= 1- \frac{ \sum_{i=1}^{N}(y_i-\hat y_i)^2 }{ \sum_{i=1}^{N}(y_i-\bar y)^2 } \tag{15} \]

MAE ortalama mutlak sapmayı, RMSE büyük hataları daha güçlü cezalandıran karekök ortalama karesel hatayı, \(R^2\) ise modelin hedef dağılımındaki varyansı ne ölçüde açıkladığını gösterir.

Ana тест көрсөткүчı

PVFS üç görevde de en dengeli көрсөткүчı göstermektedir. Point-only modelin daha төмөн R² маанилерi, yalnız yerel чекит өзгөчөлүктөрinin атриум kütlesi ve кабатlar arası örtülme gibi uzun menzilli geoметрика koşulları yeterince temsil edemediği yorumuyla байланышlendirilmiştir. Voxel-only model Point-only modele göre iyileşmekle birlikte lokal mikro-çevre bilgisi eksik olduğu için PVFS'nin gerisinde kalmıştır. Aynı çift modaliteli киргизме üzerinde PointNet++ kullanılan alternatifin de PVFS'den төмөн көрсөткүч göstermesi, авторлор tarafından attention tabanlı чекит байланышlerinin ачыктык–örtülme gradyanlarını daha iyi yakaladığı şeklinde yorumlanmaktadır.

Gated fusion kaldırıldığında cDA RMSE'nin 0.148'e, TCP RMSE'nin 0.055'e yükseldiği, GA'nın болжол менен 0.085 civarında kaldığı raporlanmıştır. Bu жыйынтык gating mekanizmasının өзгөчөлүкle cDA ve TCP'de iki modalite arasındaki çelişkili sinyalleri azaltmaya кабатkıda bulunduğu yönünde yorumlanmıştır.

Katlar arası davranış

GA için кабат bazlı R² болжол менен 0.737-0.892, TCP için болжол менен 0.722-0.866 aralığındadır. cDA'nın en üst кабатtaki R² мааниi болжол менен 0.636'ya düşmektedir; faкабат aynı кабатta mutlak ката artmamaktadır. cDA RMSE alt кабатlarda 0.149 ve 0.162 iken altıncı кабатta 0.099'a kadar gerilemektedir. Yazarlar bu nedenle üst кабатtaki төмөн R² мааниini daha büyük mutlak ката olarak değil, hedef değişkenliğinin azalması nedeniyle R²'nin benzer ката büyüklüklerine daha hassas hale gelmesiyle açıklamaktadır.

GA катаları üst кабатlarda bir miktar genişlemektedir; булак bunu чатыр жарык тешигиna yakın кабатlarda güçlü doğrudan ışık ve жогорку parlaklık görüşlerinin daha keskin жаркыроо alanları oluşturmasıyla байланышlendirir. cDA ise alt кабатlarda көпүрө, döşeme kenarı ve derin атриум boşluğunun birleşik örtülmesi nedeniyle daha zor болжол edilmektedir. TCP'nin alanı daha düzgün olduğundan ката dağılımı genellikle daha dardır.

Gerçek–Tahmin–Fark картаları ne gösteriyor?

Kaynağın çok sayıda tam boyutlu ek görselinde her кабат için üç satır halinde GA, cDA ve TCP; sütunlarda ise физикага негизделген чыныгы маани, PVFS болжолi ve айырма картаsı gösterilmektedir. Haritalar PVFS'nin ana sıcak/soğuk аймак yapısını ve gradyan yönünü çoğu homojen аймакde koruduğunu көрсөтөт. Bununla birlikte айырмаların ачыктык kenarları, көпүрө көлөкөleri, döşeme köşeleri ve ani aydınlık-karanlık geçişlerinde yoğunlaştığı açıkça görülmektedir.

Temsilî тест örneklerinde cDA'nın bazı alt кабат аймакlerinde күн жарыгы penetrasyonu fazla болжол edilebilmekte, bazı GA жаркыроо bantları ise mekânsal olarak yumuşatılmakta veya hafifçe kaydırılabilmektedir. Bu ката imzası rastgele bir model gürültüsünden çok, keskin geoметрика чекların surrogate tarafından daha zor yeniden oluşturulduğunu göstermektedir.

Held-out ката tabakalandırması

Daha sonraki held-out-only analizde булак, GA için MAE 0.046, cDA için MAE 0.107 ve TCP için MAE 0.037 raporlamaktadır. cDA için RMSE 0.187 olarak маалыматlmektedir. Cepheye komşu чекитların cDA катаsı MAE 0.136 ve P90 0.377 ile en жогорку grup olarak raporlanırken атриум kenarı 0.102, көпүрө etkisindeki чекитlar 0.088 ve iç referans чекитları 0.114 MAE мааниine sahiptir.

Bu bölümdeki cDA MAE/RMSE маанилерi, önceki genel тест ката tablosunda маалыматlen 0.076/0.130 маанилерinden belirgin biçimde айырмаlıdır. Kaynak her iki analizi de долбоор bazlı held-out тест контекстıyla байланышlendirdiği için bu айырмаın alt örneklem, yeniden эсептөө veya revizyon булакlı olup olmadığı PDF'den kesin olarak çözülememektedir. Verianla iki мааниi birleştirip yeni bir ortalama üretmemiştir.

SHAP analizi ne söylüyor?

Model yorumlanabilirliği için PVFS чыгармаlarını taklit eden жогорку doğruluklu gradient-boosted decision-tree surrogate'ları eğitilmiş ve bunlara TreeSHAP uygulanmıştır. Bu ikinci surrogate üzerinden elde edilen SHAP маанилерi doğrudan fiziksel nedensellik kanıtı değildir; PVFS davranışının model-seviyeli bir öznitelik atfıdır.

GA üzerinde дубалa uzaklık, кабат indeksi, чекит koordinatları, dönme açısı ve lokal ачыктык/örtülme değişkenleri öne çıkmaktadır. cDA; өзгөчөлүкle кабат indeksi, дубал uzaklığı, örtücü uzaklığı, шып чагылдыруучулугу, yönelim, VLT ve пол чагылдыруучулугуna duyarlıdır. TCP için кабат indeksi, дубал mesafesi, koordinatlar, пол чагылдыруучулугу ve yönelim öne çıkan değişkenler arasındadır. Bu dağılım, modelin атриум fiziğiyle tamamen ilgisiz değişkenlere dayanmadığını destekleyen bir tutarlılık kontrolü sunar; ancak nedensellik kanıtlamaz.

PVFS'nin 222 кабат ылдамданууsı ne anlama gelir?

Kaynakta raporlanan болжол менен 222× ылдамдануу, tek bir атриум долбоорında bütün сенсор чекитları için GA, cDA ve TCP'nin жылдык физикага негизделген симуляцияla болжол менен 34 dakikada hesaplanması ile PVFS'nin воксел oluşturma, өзгөчөлүк hazırlama, model çıkarımı ve жыйынтык aktarımı dahil болжол менен 9.2 saniyelik uçtan uca убакытsinin karşılaştırılmasına негизделет; bu oran model окутууinin чыгымini değil, eğitilmiş modelin долбоор başına мааниlendirme убакытsini туюнтат.

Kaynak ылдамдануу oranını:

\[ S= \frac{t_{sim}}{t_{PVFS}} = \frac{ t_{cDA}+t_{GA}+t_{TCP} }{ t_{voxelize}+t_{feature}+t_{infer}+t_{export} } \tag{16} \]

şeklinde tanımlar. Yaklaşık 34 dakika 2.040 saniyedir; 2.040/9.2 болжол менен 222 eder. Dolayısıyla raporlanan oran aritmetik olarak булак убакытleriyle tutarlıdır.

Bu ылдамдануу, физикага негизделген симуляцияun gereksiz olduğu anlamına gelmez. PVFS'nin окутуу etiketleri zaten bu симуляцияlardan oluşturulmuştur. Model, pahalı симуляцияlardan öğrenilmiş bir мамиле üreterek yeni долбоорları hızlı tarar; kritik veya акыркы долбоорlar tekrar жогорку doğruluklu симуляцияa gönderilir.

Чыныгы долбоордо текшерүү

Guangdong'daki чыныгы bir китепкана атриумu üzerinde yapılan dış валидацияda PVFS, GA, cDA ve TCP'nin geniş ölçekli mekânsal organizasyonunu koruyabilmiştir. Açıklığa maruz kalan ve көлөкөlenmiş аймакler büyük ölçüde симуляция картаlarıyla aynı yerde oluşmuştur. Bununla birlikte ara кабатlarda lokal cDA айырмаları ve birinci кабатtaki doğu tarafında GA жаркыроо bandının yumuşatılması veya kaydırılması gibi катаlar görülmüştür.

Bu чыныгы proje тестi “her чыныгы bina için валидация” değildir. Yazarlar bunu paraметрика маалымат uzayından daha karmaşık yapı detaylarına kontrollü bir dış kontrol olarak ele almaktadır.

Көрүлбөгөн геометрияда текшерүү

LHS окутуу mantığının dışında oluşturulan атриум geometrileri üzerinde model ana GA ve TCP gradyanlarını çoğunlukla korumuştur. Ancak өзгөчөлүкle birinci ve ikinci кабат GA картаlarında güney taraftaki bazı чек аймакlerinin aşırı yumuşatılması veya konumsal olarak kaydırılması görülmüştür. Bu жыйынтык, transferin geniş ölçekli аймакleme açısından daha güçlü, keskin ачыктык ve көлөкө чекlarında daha zayıf olduğunu göstermektedir.

Пекин климаты боюнча fine-tuning тажрыйбасы

Çalışma Guangzhou tabanlı modeli yeni bir климатe doğrudan “zero-shot” genelleme olarak sunmamıştır. Bunun yerine Pekin için 30 yeni tam симуляция vakası üretilmiş; 10'u fine-tuning, 5'i validation ve 15'i көз карандысыз тест için колдонулган. Point–voxel feature extraction backbone'u dondurulmuş, yalnız GA/cDA/TCP чыгарма başlıkları yeniden ayarlanmıştır.

cDA yeni климатde de en zor hedef olarak kalmıştır; ortalama кабат bazlı MAE 0.111-0.149 aralığındadır. GA катаsı өзгөчөлүкle birinci кабатta yükselmiş ve ortalama MAE 0.125 olmuştur; üst кабатlarda ortalama GA MAE 0.025 veya daha төмөн raporlanmıştır. TCP кабатlar boyunca daha kararlı olup ortalama MAE болжол менен 0.027-0.062 aralığındadır.

Bu тажрыйба modelin климатden tamamen көз карандысыз olduğunu göstermez. Tersine, булак açık biçimde hedef климатden чекlı sayıda yeni физикага негизделген симуляция kullanılarak fine-tuning yapılması gerektiğini göstermektedir.

Çalışmanın desteklediği ve desteklemediği yorumlar

Негизги чектөөлөр

PVFS маалымат топтому tek bir geniş faкабат kontrollü китепкана-атриумu parametre uzayına негизделет. Çalışma çoklu климат dosyalarını, айырмаlı bina işlevlerini, çeşitli фасад pencere sistemlerini veya айырмаlı işletme programlarını ana окутуу маалымат топтомуnin doğal parçası olarak içermez.

Gerçek proje ve görülmemiş geometri тестleri yararlı dış kontrollerdir ancak çok projeli, önceden tanımlanmış büyük bir transfer benchmark'ının yerini tutmaz. Farklı bina tipleri veya климат аймакleri için daha geniş etiketli маалымат ve transfer-learning тажрыйбаleri gereklidir.

Modelin en belirgin mekânsal zayıflığı ачыктык kenarları, көлөкө чекları ve geoметрика köşelerdir. Yazarlar gelecekte boundary-focused sampling, loss reweighting, lokal refinement modelleri ve uncertainty maps колдонууını önermektedir.

PVFS şu anda yalnız GA, cDA ve TCP üretir. Useful Daylight Illuminance (UDI) ve Annual Sunlight Exposure (ASE) gibi күн жарыгыnın yeterliliğini ve aşırı güneş maruziyetini айырмаlı açılardan ölçen göstergeler henüz aynı көп милдеттүү yapı içinde болжол edilmemektedir.

Булак жана Ыкма Жөнүндө Эскертүү

Özgün başlık: PVFS: A Point–Voxel Fusion Multi-task Surrogate for Point-wise Prediction of Performance Metrics in Multi-floor Atria

Yazarlar ve PDF'deki sıra: Yiyang Huang; Zhenhui Zhang; Ping Su; Kaiying Chen; Rushi Dai.

Sorumlu авторлор: Zhenhui Zhang ve Rushi Dai.

Kurumlar: School of Civil Engineering and Architecture, Wuyi University, Nanping, China; School of Architecture, South China University of Technology, Guangzhou, China; Thrust of Urban Governance and Design, The Hong Kong University of Science and Technology (Guangzhou), Guangzhou, China; Architectural Design and Research Institute, South China University of Technology, Guangzhou, China.

Kaynak türü: Hakem мааниlendirmesinden geçmemiş preprint. PDF'nin her sayfasında “This preprint research paper has not been peer reviewed” uyarısı bulunmaktadır.

PDF'deki platform bağlantısı: SSRN abstract 7180130.

DOI: Yüklenen PDF'de DOI bulunmamaktadır. Dış bibliyografik indekslerde aynı başlığın 10.2139/ssrn.6189939 DOI'li başka bir SSRN/Crossref kaydı bulunmaktadır; ancak bu kaydın yazar sırası mevcut PDF'den айырмаlıdır ve PDF айырмаlı SSRN abstract numarası kullanmaktadır. Bu nedenle 10.2139/ssrn.6189939 mevcut PDF'nin doğrulanmış DOI'si olarak atanmaz.

Dergi / yayınevi / cilt / sayı: Yüklenen sürümde doğrulanmış hakemli dergi, cilt veya sayı bilgisi bulunmamaktadır.

Lisans: PDF içinde açık yeniden колдонуу lisansı görünür biçimde belirtilmemiştir. Kaynak şekillerini birebir kopyalamadan önce ilgili SSRN sürümünün hak ve lisans koşulları ayrıca doğrulanmalıdır.

Finansman: Natural Science Foundation of Fujian Province, Grant No. 2024J01913.

CRediT кабатkıları: Yiyang Huang — conceptualization, data curation, formal analysis, funding acquisition, methodology, resources, software, validation, visualization, writing-original draft ve review/editing. Zhenhui Zhang — project administration, supervision, review/editing. Ping Su — conceptualization, supervision, review/editing. Kaiying Chen — resources, software, review/editing. Rushi Dai — data curation, formal analysis, investigation, review/editing.

Çıkar çatışması ve маалымат erişilebilirliği: Yüklenen PDF'nin ana metninde referanslar başlamadan önce ayrı bir competing-interest veya data-availability beyanı görünür biçimde bulunmamaktadır; bu nedenle bu alanlara булак dışı beyan eklenmemiştir.

Kaynak içi önemli editoryal/tutarlılık sorunları:

Көрсөтмөнү кайра чийүү ылайыктуулугу: Çok жогорку. Kaynağın PVFS pipeline'ı, чекит–воксел çift kolu, көп кабаттуу атриум kesiti, sensor feature geometrisi ve True/Pred/Diff көрсөткүч alanları Verianla için telif açısından özgün faкабат bilimsel olarak eşмаани şemalar halinde yeniden kurulabilir. Kaynak figürlerin piksel düzeni birebir kopyalanmamalıdır.

Verianla Live ылайыктуулугу: Çok жогорку. Özellikle GA/cDA/TCP R² karşılaştırması, физикага негизделген симуляция–PVFS убакыт karşılaştırması, кабат bazlı ката dağılımları ve чекит–воксел ыкма akışı Live Data / Live Compare / Live Process için uygundur. Kaynakta bulunmayan ara маани veya көрсөткүч чекитları üretilmemelidir.

Temel ыкмаsel yorum чекı: PVFS эрте долбоор için hızlı surrogate болжол aracıdır. Çalışmanın kendisi, жогорку gradyanlı veya чек-dominant аймакlerde акыркы kararların физикага негизделген симуляцияla doğrulanmasını gerekli görmektedir.