PVFS (Point–Voxel Fusion Surrogate), karmaşık ghorofa nyingi atriumlarda her bir sensa nuktasının wa mwaka mwanga wa mchana, mwako unaokera ve faraja ya joto utendajiını birlikte kutabiri için nukta wingu ile adimu pande tatu vokselii bilgisini birleştiren kazi nyingi bir modeli mbadaladir. Çalışmada Rhinoceros/Grasshopper üzerinden üretilmiş 2.912 parametrikaa maktaba atriumu için hali ya hewa tabanlı wa mwaka uigajilar halisileştirilmiş ve PVFS; Glare Autonomy (GA), continuous Daylight Autonomy (cDA) ve Thermal Comfort Percentage (TCP) alanlarını nukta bazında öğrenmiştir. Tasarım bazında ayrılmış huru jaribio kümesinde model GA için R²=0.858, cDA için R²=0.774 ve TCP için R²=0.818 elde etmiştir. Aynı usanifuın bütün wa nukta tokeolarının wa mwaka unaotegemea fizikia uigajila hesaplanması takriban 34 dakika sürmapema PVFS'nin vokselii oluşturma, kipengele hazırlama, çıkarım ve tokeo aktarımı dahil uçtan uca mudasi takriban 9.2 saniyedir; chanzo bunu takriban 222 ghorofa kuongezeka kasi olarak raporlamaktadır.

Modelin temel avantajı yalnız tek bir atrium utendaji puanı üretmemesidir. PVFS, tofautilı ghorofalardaki okuma alanlarında nukta nukta GA, cDA ve TCP dağılımları oluşturarak usanifucının yetersiz mwanga wa mchana, mwako unaokera hatarii veya chini faraja ya joto eneolerini mekânsal olarak görebilmesini inalenga. Nokta kolu uwazi, ukuta ve örtücü elemanlara yakınlık gibi yerel koşulları; vokselii kolu ise atriumun toplam kütlesini, ghorofalar arası engelleri, skylight ya paanı ve diğer pande tatu bileşenleri huwakilisha.

Çalışma, PVFS'yi unaotegemea fizikia uigajiun evrensel yerine geçen bir araç olarak sunmamaktadır. Özellikle atrium uwazi kenarları, daraja ve döşeme kivulilerinin keskin değiştiği eneoler ve juu gradyanlı geometrikaa mpakalar modelin başlıca kosa eneoleridir. Yazarlar bu nedenle PVFS'yi mapema usanifuda hızlı tarama ve hatari lokalizasyonu için önerirken, mwisho usanifu kararlarında kritik mpaka eneolerinin juu doğruluklu unaotegemea fizikia uigajila yeniden kontrol edilmesini gerekli görmektedir.

Tatizo la utafiti

Çok ghorofalı bir atriumun çevresel davranışı tek bir ghorofa planından veya tek bir ortalama utendaji thamaniinden kolayca açıklanamaz. Çatı ışıklığından giren mwanga wa mchana ghorofalar arasında ilerlmapema döşeme kenarları, geri çekilmeler, tofautilı ghorofa juulikleri, darajaler ve atrium boşluğunun geometrisi tarafından kısmen engellenir. Aynı geometri bir eneode mwanga wa mchana miktarını artırırken başka bir eneode mwako unaokerayı veya güneş chanzolı ısıl yükü artırabilir. Bu nedenle mwanga wa mchana yeterliliği, mwako unaokera ve faraja ya joto arasında güçlü bir pande tatu ve çok hedefli etkileşim bulunur.

Geleneksel mkabala Radiance, EnergyPlus ve Ladybug Tools gibi unaotegemea fizikia uigajilarla bir usanifuın bütün yıl boyunca hesaplanmasıdır. Bu mkabala ayrıntılı matokeo datar; faghorofa yüzlerce veya binlerce geometrikaa alternatifin mapema usanifu aşamasında hızlı biçimde taranması gerektiğinde ukokotoaji gharamai önemli hale gelir. Kaynak utafitida tek bir usanifuın GA, cDA ve TCP tokeolarının wa mwaka ukokotoajisının toplam mudasi takriban 34 dakika olarak inaripotiwa.

PVFS ni nini?

PVFS, atrium ölçeğindeki pande tatu geometri ve örtülme muktadhaını adimu vokselii ağıyla, her sensa nuktasının yerel konum ve uwazi uhusianolerini ise nukta winguyla huwakilishaek GA, cDA ve TCP'yi aynı sensa nuktalarında birlikte utabiri eden kazi nyingi bir derin öğrenme surrogate modelidir; modelin hedef matumizi alanı karşılaştırılabilir ghorofa nyingi maktaba atriumlarında mapema usanifu thamanilendirmesidir.

Neden nukta ve vokselii birlikte kullanılıyor?

Yalnız nukta tabanlı bir model, sensaün yakın çevresini juu ayrıntıyla görebilir ancak atriumun birkaç ghorofa ötesindeki kütlesel engelleri ve uwazi organizasyonunu yeterince temsil etmekte zorlanabilir. Yalnız vokselii tabanlı bir model ise bütün yapıyı pande tatu olarak temsil edebilir faghorofa keskin uwazi kenarları ve lokal kivuli geçişlerinde wa nukta ayrıntıyı aşırı yumuşatabilir. PVFS bu iki temsilin görevlerini ayırır: Point Transformer yerel mikro-çevreyi, Sparse U-Net ise atrium ölçeğindeki uzun menzilli muktadhaı öğrenir.

Kaynağın ek görsel sayfasındaki PVFS iş akışı diyagramı bu yapıyı açık biçimde göstermektedir: parametrikaa ve hali ya hewa tabanlı uigaji aşaması önce etiketleri üretir; aynı geometri vokselii ve sensa-nukta temsillerine dönüştürülür; iki kol ayrı ağlarda kodlanır; nukta ölçeğinde hizalanmış vipengele birleştirilir ve üç huru tokeo başlığı GA, cDA ve TCP üretir.

Nafasi ya usanifu wa parameta wa atrium

Araştırmacılar ghorofa nyingi maktaba atriumlarını Rhinoceros/Grasshopper ortamında parametrikaa olarak oluşturmuştur. Geometri yalnız basit dikdörtgen bir boşlukla mpakalandırılmamıştır. Katlar tofautilı juuliklere sahip olabilir, döşemeler geri çekilebilir veya split-level uhusianoler oluşturabilir ve bir veya daha fazla daraja atrium boşluğunu kısmen örtebilir.

Her ghorofata atriuma en yakın okuma alanı, en büyük atrium açıklığının çevresinde 3 m genişliğinde bir bant şeklinde tanımlanmıştır. Sensör nuktaları bu okuma kuşağına ve darajalere standart utafiti düzlemi juuliğinde yerleştirilmiştir. Kaynak matokeo bölümüne göre her parametrikaa usanifu 10.000'den fazla sensa nuktası içermektedir.

Çalışmanın önemli modelleme tercihlerinden biri dış fasadiyi tamamen opak kabul etmesidir. Dış fasadide pencere veya kapı açıklığı modellenmemiştir. Böylece mwanga wa mchana girişi ve bununla bağlantılı ışınımsal etkiler yalnız atrium skylight ya paandan chanzolanır. Bu tercih halisi bir maktabanin bütün fasadi davranışını temsil etmekten çok, atrium geometrisinin etkisini diğer pencere düzenlerinden izole etmeyi amaçlamaktadır.

Kwa nini Latin Hypercube Sampling ilitumika?

Çalışma juu boyutlu parametrikaa uzaydan 2.912 usanifu seçmek için Latin Hypercube Sampling (LHS) kullanmıştır. LHS, her parametrenin aralığını olasılık bakımından tabakalara ayırarak örnekleri usanifu uzayına daha dengeli dağıtmayı inalenga. Bu mbinu rastgele örneklemede oluşabilecek yoğun kümelenmeleri azaltarak atrium boyutu, ghorofa sayısı, uwazi wa mwanga geometrisi, malzeme vipengelei ve daraja chanzolı örtülmeler arasında daha geniş kombinasyon kapsamı sağlamaktadır.

Bu örnekleme yine de bütün bina ve hali ya hewa uzayını temsil etmez. Veri kümesi kipengelele kontrollü maktaba-atriumu alanına yöneliktir; tofautilı bina işlevleri, fasadi sistemleri, işletme programları ve hali ya hewa eneoleri data uzayının doğal bir parçası değildir.

GA, cDA na TCP hupima nini?

PVFS'nin üç tokeosı tofautilı usanifu hatarilerini huwakilisha: Glare Autonomy (GA) wa mwaka matumizi saalerinin ne kadarında mwako unaokera olasılığının seçilen rahatsızlık mpakaının altında kaldığını, continuous Daylight Autonomy (cDA) mwanga wa mchananın 300 lx hedefini yıl boyunca ne ölçüde karşıladığını ve Thermal Comfort Percentage (TCP) sensa nuktasının ASHRAE 55 adaptif konfor bandında kaldığı wa mwaka matumizi saai oranını hueleza.

Glare Autonomy — GA

Kaynak GA'yı aşağıdaki wa mwaka wa nukta metrikaale 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 faraja ya joto 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 saain adaptif konfor bandı dışında kaldığını söyler; faghorofa bu rahatsızlığın aşırı sıcaklık mı yoksa aşırı serinlik mi nedeniyle oluştuğunu tek başına ayırt etmez. Yazarlar gelecekte üst ve alt mpaka taşmalarını ayrı gösterecek göstergelerin eklenebileceğini belirtmektedir.

Nokta wingu hangi bilgileri taşır?

Her sensa nuktasının yerel vipengelei, nuktanın atrium içinde “nerede olduğunu ve hangi örtülme koşullarına maruz kaldığını” ifade edecek biçimde tasarlanmıştır. Kaynağın tam boyutlu kipengele diyagramında nukta koordinatları, ghorofa indeksi, en yakın atrium açıklığına ve ukutaa uzaklık, en yakın örtücü elemana yatay/düşey mesafe ve atrium merkezine göre normalize edilmiş X-Y konumları ayrı ayrı görselleştirilmiştir.

Bir nuktanın atrium 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 tofautilı büyüklüklerdeki atriumlarda sensaün yalnız metre cinsinden mutlak konumu değil, atrium açıklığının neresinde bulunduğu da modele aktarılır.

Global vipengele ise yapı yönelimi, bina uzunluğu-genişliği-juuliği, ghorofa sayısı, ghorofatan ghorofaa juulik, yüzey yansıtıcılıkları ve skylight ya paanın VLT thamanii gibi bütün usanifula paylaşılan parametreleri içerir.

Kwa nini muunganiko wa nukta–vokseliii ni muhimu?

Nokta–vokselii muunganikou, ghorofa nyingi atrium utendajiının aynı anda hem sensa çevresindeki yerel uwazi ve kivuli uhusianolerine hem de bütün yapı boyunca devam eden kütle, uwazi wa mwanga ve ghorofalar arası örtülme zincirlerine bağlı olması nedeniyle önemlidir; PVFS'de nukta kolu lokal ayrıntıyı, Sparse U-Net vokselii kolu ise uzun menzilli pande tatu muktadhaı taşır.

Seyrek vokselii kolu

Boş olmayan vokselii 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 adimu pande tatu ingizoyi kodlayarak:

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

biçiminde global bir vokselii kipengele alanı üretir. Bu alan atrium kütlesi, uwazi mpakaları, darajaler, döşemeler ve diğer örtücü elemanların mekânsal mudakliliğini huwakilisha.

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, uwazi ve daraja kenarlarındaki keskin mpaka sinyallerini korurken bütün atrium ölçeğindeki muktadhaı kaybetmemektir.

Görünürlük-duyarlı attention önseli

Point Transformer'ın yalnız dataden öğrenilen attention ağırlıklarının mpakalı örneklemde uwazi 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 sensa nuktasına aktarılması

Global vokselii özelliği her sensa nuktasının bağlı olduğu vokselii indeksinden örneklenir:

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

Geçerli bir lokal vokselii özelliği bulunmadığında chanzo, komşu vokselii ortalamasını ve son çare olarak global ortalamayı kullanmaktadır. Amaç mpaka veya adimu-tensor durumlarında kipengele boyutunu ve mafunzo kararlılığını korumaktır.

Mbinu na Matokeo ya Utafiti

Veri üretim zinciri

Çalışmanın data üretim zinciri dört temel aşamada ilerlemektedir. Önce parametrikaa atrium geometrileri LHS ile oluşturulur. Ardından Ladybug Tools kullanılarak wa mwaka hali ya hewa tabanlı ışık ve termal uigajilar yürütülür. Aynı geometri pande tatu vokselii ağına ve sensa nukta winguna dönüştürülür. Son olarak uigajidan üretilen GA, cDA ve TCP thamanii her sensa nuktasının mafunzo etiketi haline gelir.

Tasarım bazlı ayrım kritik bir metodolojik tercihtir. Noktalar rastgele bölünseydi aynı atriumun binlerce nuktası hem mafunzo hem jaribio kümesine girebilir ve model aslında daha önce gördüğü geometrinin komşu nuktalarını utabiri ederek yapay derecede juu utendaji gösterebilirdi. Çalışma bütün nuktaları ait oldukları usanifula birlikte tek bir split içinde tutarak bu data sızıntısını önlemeyi amaçlamaktadır.

PVFS mimarisi ve hiperparametreler

Kaynağın daha sonraki ukokotoaji datamliliği bölümünde aynı voxel size “0.10 m” olarak adlandırılmaktadır. Bu ifade Table 3'teki “normalized coordinate space” açıklamasıyla aynı değildir. Bu nedenle fiziksel vokselii boyutunun kesinlikle 0.10 m olduğu Verianla tarafından huru bir halisi olarak kabul edilmemiştir.

Donanım ve yazılım

Eğitim ve jaribioler Linux iş istasyonunda Intel i7-12700F CPU, NVIDIA GeForce RTX 3080 GPU, CUDA 11.3, Python 3.11 ve PyTorch 2.2 kullanılarak imefanywa. Seyrek pande tatu konvolüsyon için MinkowskiEngine altyapısı imetumika.

Çok görevli mafunzo kaybı

Kaynak pseudo-code'unda GA, cDA ve TCP için üç huru sigmoid çıkış başlığı bulunur. Nokta ağırlıkları fasadiye, daraja 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 mafunzo 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 metrikaaleri

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 jaribio utendajiı

PVFS üç görevde de en dengeli utendajiı göstermektedir. Point-only modelin daha chini R² thamanii, yalnız yerel nukta vipengeleinin atrium kütlesi ve ghorofalar arası örtülme gibi uzun menzilli geometrikaa koşulları yeterince temsil edemediği yorumuyla uhusianolendirilmiştir. Voxel-only model Point-only modele göre iyileşmekle birlikte lokal mikro-çevre bilgisi eksik olduğu için PVFS'nin gerisinde kalmıştır. Aynı çift modaliteli ingizo üzerinde PointNet++ kullanılan alternatifin de PVFS'den chini utendaji göstermesi, waandishi tarafından attention tabanlı nukta uhusianolerinin uwazi–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 takriban 0.085 civarında kaldığı raporlanmıştır. Bu matokeo gating mekanizmasının kipengelele cDA ve TCP'de iki modalite arasındaki çelişkili sinyalleri azaltmaya ghorofakıda bulunduğu yönünde yorumlanmıştır.

Katlar arası davranış

GA için ghorofa bazlı R² takriban 0.737-0.892, TCP için takriban 0.722-0.866 aralığındadır. cDA'nın en üst ghorofataki R² thamanii takriban 0.636'ya düşmektedir; faghorofa aynı ghorofata mutlak kosa artmamaktadır. cDA RMSE alt ghorofalarda 0.149 ve 0.162 iken altıncı ghorofata 0.099'a kadar gerilemektedir. Yazarlar bu nedenle üst ghorofataki chini R² thamaniini daha büyük mutlak kosa olarak değil, hedef değişkenliğinin azalması nedeniyle R²'nin benzer kosa büyüklüklerine daha hassas hale gelmesiyle açıklamaktadır.

GA kosaları üst ghorofalarda bir miktar genişlemektedir; chanzo bunu skylight ya paana yakın ghorofalarda güçlü doğrudan ışık ve juu parlaklık görüşlerinin daha keskin mwako unaokera alanları oluşturmasıyla uhusianolendirir. cDA ise alt ghorofalarda daraja, döşeme kenarı ve derin atrium boşluğunun birleşik örtülmesi nedeniyle daha zor utabiri edilmektedir. TCP'nin alanı daha düzgün olduğundan kosa dağılımı genellikle daha dardır.

Gerçek–Tahmin–Fark ramaniları ne gösteriyor?

Kaynağın çok sayıda tam boyutlu ek görselinde her ghorofa için üç satır halinde GA, cDA ve TCP; sütunlarda ise unaotegemea fizikia halisi thamani, PVFS utabirii ve tofauti ramanisı gösterilmektedir. Haritalar PVFS'nin ana sıcak/soğuk eneo yapısını ve gradyan yönünü çoğu homojen eneode koruduğunu huonyesha. Bununla birlikte tofautiların uwazi kenarları, daraja kivulileri, döşeme köşeleri ve ani aydınlık-karanlık geçişlerinde yoğunlaştığı açıkça görülmektedir.

Temsilî jaribio örneklerinde cDA'nın bazı alt ghorofa eneolerinde mwanga wa mchana penetrasyonu fazla utabiri edilebilmekte, bazı GA mwako unaokera bantları ise mekânsal olarak yumuşatılmakta veya hafifçe kaydırılabilmektedir. Bu kosa imzası rastgele bir model gürültüsünden çok, keskin geometrikaa mpakaların surrogate tarafından daha zor yeniden oluşturulduğunu göstermektedir.

Held-out kosa tabakalandırması

Daha sonraki held-out-only analizde chanzo, GA için MAE 0.046, cDA için MAE 0.107 ve TCP için MAE 0.037 raporlamaktadır. cDA için RMSE 0.187 olarak datalmektedir. Cepheye komşu nuktaların cDA kosası MAE 0.136 ve P90 0.377 ile en juu grup olarak raporlanırken atrium kenarı 0.102, daraja etkisindeki nuktalar 0.088 ve iç referans nuktaları 0.114 MAE thamaniine sahiptir.

Bu bölümdeki cDA MAE/RMSE thamanii, önceki genel jaribio kosa tablosunda datalen 0.076/0.130 thamaniinden belirgin biçimde tofautilıdır. Kaynak her iki analizi de usanifu bazlı held-out jaribio muktadhaıyla uhusianolendirdiği için bu tofautiın alt örneklem, yeniden ukokotoaji veya revizyon chanzolı olup olmadığı PDF'den kesin olarak çözülememektedir. Verianla iki thamanii birleştirip yeni bir ortalama üretmemiştir.

SHAP analizi ne söylüyor?

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

GA üzerinde ukutaa uzaklık, ghorofa indeksi, nukta koordinatları, dönme açısı ve lokal uwazi/örtülme değişkenleri öne çıkmaktadır. cDA; kipengelele ghorofa indeksi, ukuta uzaklığı, örtücü uzaklığı, dari uakisi, yönelim, VLT ve sakafu uakisina duyarlıdır. TCP için ghorofa indeksi, ukuta mesafesi, koordinatlar, sakafu uakisi ve yönelim öne çıkan değişkenler arasındadır. Bu dağılım, modelin atrium fiziğiyle tamamen ilgisiz değişkenlere dayanmadığını destekleyen bir tutarlılık kontrolü sunar; ancak nedensellik kanıtlamaz.

PVFS'nin 222 ghorofa kuongezeka kasisı ne anlama gelir?

Kaynakta raporlanan takriban 222× kuongezeka kasi, tek bir atrium usanifuında bütün sensa nuktaları için GA, cDA ve TCP'nin wa mwaka unaotegemea fizikia uigajila takriban 34 dakikada hesaplanması ile PVFS'nin vokselii oluşturma, kipengele hazırlama, model çıkarımı ve matokeo aktarımı dahil takriban 9.2 saniyelik uçtan uca mudasinin karşılaştırılmasına hutegemea; bu oran model mafunzoinin gharamaini değil, eğitilmiş modelin usanifu başına thamanilendirme mudasini hueleza.

Kaynak kuongezeka kasi 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 takriban 222 eder. Dolayısıyla raporlanan oran aritmetik olarak chanzo mudaleriyle tutarlıdır.

Bu kuongezeka kasi, unaotegemea fizikia uigajiun gereksiz olduğu anlamına gelmez. PVFS'nin mafunzo etiketleri zaten bu uigajilardan oluşturulmuştur. Model, pahalı uigajilardan öğrenilmiş bir mkabala üreterek yeni usanifuları hızlı tarar; kritik veya mwisho usanifular tekrar juu doğruluklu uigajia gönderilir.

Uthibitishaji ghorofaika mradi halisi

Guangdong'daki halisi bir maktaba atriumu üzerinde yapılan dış uthibitishajida PVFS, GA, cDA ve TCP'nin geniş ölçekli mekânsal organizasyonunu koruyabilmiştir. Açıklığa maruz kalan ve kivulilenmiş eneoler büyük ölçüde uigaji ramanilarıyla aynı yerde oluşmuştur. Bununla birlikte ara ghorofalarda lokal cDA tofautiları ve birinci ghorofataki doğu tarafında GA mwako unaokera bandının yumuşatılması veya kaydırılması gibi kosalar görülmüştür.

Bu halisi proje jaribioi “her halisi bina için uthibitishaji” değildir. Yazarlar bunu parametrikaa data uzayından daha karmaşık yapı detaylarına kontrollü bir dış kontrol olarak ele almaktadır.

Uthibitishaji wa jiometri isiyoonekana

LHS mafunzo mantığının dışında oluşturulan atrium geometrileri üzerinde model ana GA ve TCP gradyanlarını çoğunlukla korumuştur. Ancak kipengelele birinci ve ikinci ghorofa GA ramanilarında güney taraftaki bazı mpaka eneolerinin aşırı yumuşatılması veya konumsal olarak kaydırılması görülmüştür. Bu matokeo, transferin geniş ölçekli eneoleme açısından daha güçlü, keskin uwazi ve kivuli mpakalarında daha zayıf olduğunu göstermektedir.

Jaribio la fine-tuning kwa hali ya hewa ya Beijing

Çalışma Guangzhou tabanlı modeli yeni bir hali ya hewae doğrudan “zero-shot” genelleme olarak sunmamıştır. Bunun yerine Pekin için 30 yeni tam uigaji vakası üretilmiş; 10'u fine-tuning, 5'i validation ve 15'i huru jaribio için imetumika. Point–voxel feature extraction backbone'u dondurulmuş, yalnız GA/cDA/TCP tokeo başlıkları yeniden ayarlanmıştır.

cDA yeni hali ya hewade de en zor hedef olarak kalmıştır; ortalama ghorofa bazlı MAE 0.111-0.149 aralığındadır. GA kosası kipengelele birinci ghorofata yükselmiş ve ortalama MAE 0.125 olmuştur; üst ghorofalarda ortalama GA MAE 0.025 veya daha chini raporlanmıştır. TCP ghorofalar boyunca daha kararlı olup ortalama MAE takriban 0.027-0.062 aralığındadır.

Bu jaribio modelin hali ya hewaden tamamen huru olduğunu göstermez. Tersine, chanzo açık biçimde hedef hali ya hewaden mpakalı sayıda yeni unaotegemea fizikia uigaji kullanılarak fine-tuning yapılması gerektiğini göstermektedir.

Çalışmanın desteklediği ve desteklemediği yorumlar

Mipaka kuu

PVFS mkusanyiko wa data tek bir geniş faghorofa kontrollü maktaba-atriumu parametre uzayına hutegemea. Çalışma çoklu hali ya hewa dosyalarını, tofautilı bina işlevlerini, çeşitli fasadi pencere sistemlerini veya tofautilı işletme programlarını ana mafunzo mkusanyiko wa datanin doğal parçası olarak içermez.

Gerçek proje ve görülmemiş geometri jaribioleri yararlı dış kontrollerdir ancak çok projeli, önceden tanımlanmış büyük bir transfer benchmark'ının yerini tutmaz. Farklı bina tipleri veya hali ya hewa eneoleri için daha geniş etiketli data ve transfer-learning jaribioleri gereklidir.

Modelin en belirgin mekânsal zayıflığı uwazi kenarları, kivuli mpakaları ve geometrikaa köşelerdir. Yazarlar gelecekte boundary-focused sampling, loss reweighting, lokal refinement modelleri ve uncertainty maps matumiziını önermektedir.

PVFS şu anda yalnız GA, cDA ve TCP üretir. Useful Daylight Illuminance (UDI) ve Annual Sunlight Exposure (ASE) gibi mwanga wa mchananın yeterliliğini ve aşırı güneş maruziyetini tofautilı açılardan ölçen göstergeler henüz aynı kazi nyingi yapı içinde utabiri edilmemektedir.

Maelezo ya Chanzo na Mbinu

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 waandishi: 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 thamanilendirmesinden 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 tofautilıdır ve PDF tofautilı 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 matumizi 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 ghorofakıları: 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 data erişilebilirliği: Yüklenen PDF'nin ana metninde referanslar başlamadan önce ayrı bir competing-interest veya data-availability beyanı görünür biçimde bulunmamaktadır; bu nedenle bu alanlara chanzo dışı beyan eklenmemiştir.

Kaynak içi önemli editoryal/tutarlılık sorunları:

Ufaafu wa kuchora upya taswira: Çok juu. Kaynağın PVFS pipeline'ı, nukta–vokselii çift kolu, ghorofa nyingi atrium kesiti, sensor feature geometrisi ve True/Pred/Diff utendaji alanları Verianla için telif açısından özgün faghorofa bilimsel olarak eşthamani şemalar halinde yeniden kurulabilir. Kaynak figürlerin piksel düzeni birebir kopyalanmamalıdır.

Ufaafu wa Verianla Live: Çok juu. Özellikle GA/cDA/TCP R² karşılaştırması, unaotegemea fizikia uigaji–PVFS muda karşılaştırması, ghorofa bazlı kosa dağılımları ve nukta–vokselii mbinu akışı Live Data / Live Compare / Live Process için uygundur. Kaynakta bulunmayan ara thamani veya utendaji nuktaları üretilmemelidir.

Temel mbinusel yorum mpakaı: PVFS mapema usanifu için hızlı surrogate utabiri aracıdır. Çalışmanın kendisi, juu gradyanlı veya mpaka-dominant eneolerde mwisho kararların unaotegemea fizikia uigajila doğrulanmasını gerekli görmektedir.