PVFS (Point–Voxel Fusion Surrogate) модели бисёрвазифаи суррогатӣ мебошад, ки барои пешгӯии якҷояи самаранокии солонаи рӯшноии рӯзона, хиракунӣ ва бароҳатии ҳароратӣ дар ҳар як нуқтаи сенсор дар атриумҳои мураккаби бисёрқабата маълумоти абри нуқтаҳоро бо маълумоти камзичии вокселии сеченака муттаҳид мекунад. Дар таҳқиқот барои 2.912 атриуми параметрии китобхона, ки тавассути Rhinoceros/Grasshopper сохта шудаанд, симулятсияҳои солонаи иқлиммеҳвар гузаронида шуда, PVFS майдонҳои Glare Autonomy (GA), continuous Daylight Autonomy (cDA) ва Thermal Comfort Percentage (TCP)-ро дар сатҳи нуқта омӯхтааст. Дар маҷмӯи мустақили тестӣ, ки аз рӯйи тарҳ ҷудо карда шудааст, модел барои GA R²=0.858, барои cDA R²=0.774 ва барои TCP R²=0.818 ба даст овардааст. Ҳисоб кардани ҳамаи натиҷаҳои нуқтагии ҳамон як тарҳ бо симулятсияи солонаи физикамеҳвар тақрибан 34 дақиқа тӯл мекашад, дар ҳоле ки вақти пурраи PVFS аз сохтани воксел, омодасозии хусусиятҳо, inference ва интиқоли натиҷаҳо тақрибан 9.2 сония аст; манбаъ инро тақрибан 222 маротиба суръатбахшӣ гузориш мекунад.

Бартарии асосии модел дар он аст, ки он танҳо як холии ягонаи самаранокии атриумро истеҳсол намекунад. PVFS бо тавлиди тақсимоти нуқта ба нуқтаи GA, cDA ва TCP дар минтақаҳои хониш дар қабатҳои гуногун ҳадаф дорад, ки тарроҳ метавонад минтақаҳои рӯшноии нокифояи рӯзона, хавфи хиракунӣ ё бароҳатии пасти ҳароратиро ба таври фазоӣ бубинад. Шохаи нуқта шароити маҳаллиро, аз қабили наздикӣ ба кушодагӣ, девор ва унсурҳои сояафкан, намояндагӣ мекунад; шохаи воксел бошад массаи умумии атриум, монеаҳои байниқабатӣ, равзанаи сақфӣ ва дигар ҷузъҳои сеченакаро ифода менамояд.

Таҳқиқот PVFS-ро ҳамчун ҷойгузини универсалии симулятсияи физикамеҳвар пешниҳод намекунад. Аз ҷумла, канорҳои кушодагии атриум, минтақаҳое, ки сояҳои пул ва плитаҳои байниқабатӣ якбора тағйир меёбанд, ва сарҳадҳои геометрии дорои градиенти баланд минтақаҳои асосии хатои модел мебошанд. Аз ин рӯ, муаллифон PVFS-ро барои скрининги босуръат ва локализатсияи хавф дар марҳилаи аввали тарҳ тавсия мекунанд, аммо барои қарорҳои ниҳоии тарҳ зарур мешуморанд, ки минтақаҳои муҳими сарҳадӣ бо симулятсияи физикамеҳвари дақиқ дубора санҷида шаванд.

Масъалаи таҳқиқот

Рафтори муҳитии атриуми бисёрқабатаро танҳо аз рӯйи як нақшаи қабат ё як арзиши миёнаи самаранокӣ ба осонӣ шарҳ додан мумкин нест. Рӯшноии рӯзонае, ки аз равзанаи сақфӣ ворид мешавад, ҳангоми ҳаракат байни қабатҳо қисман аз тарафи канорҳои плитаҳо, ақибнишиниҳо, баландии гуногуни қабатҳо, пулҳо ва геометрияи холигии атриум монеъ мешавад. Ҳамин геометрия метавонад дар як минтақа рӯшноии рӯзонаро зиёд кунад, аммо дар минтақаи дигар хиракунӣ ё бори ҳароратии офтобиро афзоиш диҳад. Аз ин рӯ, миёни кофӣ будани рӯшноии рӯзона, хиракунӣ ва бароҳатии ҳароратӣ робитаи қавии сеченака ва бисёрҳадафа вуҷуд дорад.

Равиши анъанавӣ ҳисоб кардани як тарҳ барои тамоми сол бо симулятсияҳои физикамеҳвар, ба монанди Radiance, EnergyPlus ва Ladybug Tools мебошад. Ин равиш натиҷаҳои муфассал медиҳад; аммо вақте ки дар марҳилаи аввали тарҳ бояд садҳо ё ҳазорҳо алтернативаи геометрӣ зуд аз назар гузаронида шаванд, арзиши ҳисоббарорӣ муҳим мегардад. Дар таҳқиқоти манбаъ вақти умумии ҳисобкунии солонаи натиҷаҳои GA, cDA ва TCP барои як тарҳ тақрибан 34 дақиқа гузориш шудааст.

PVFS чист?

PVFS модели бисёрвазифаи суррогатии омӯзиши амиқ мебошад, ки бо шабакаи камзичи вокселӣ геометрияи сеченака ва контексти пӯшишро дар миқёси атриум, ва бо абри нуқтаҳо мавқеи маҳаллӣ ва муносибатҳои кушодагиро барои ҳар як нуқтаи сенсор намояндагӣ карда, GA, cDA ва TCP-ро ҳамзамон дар ҳамон нуқтаҳои сенсор пешгӯӣ мекунад; соҳаи истифодаи мақсадноки модел арзёбии аввали тарҳ дар атриумҳои муқоисашавандаи бисёрқабатаи китобхона мебошад.

Чаро нуқта ва воксел якҷоя истифода мешаванд?

Модели танҳо нуқтамеҳвар метавонад муҳити наздики сенсорро бо тафсилоти баланд бинад, аммо дар намояндагии кофии монеаҳои массавӣ ва ташкили кушодагӣ дар чанд қабат дуртар аз атриум душворӣ кашад. Модели танҳо вокселӣ метавонад тамоми биноро дар се андоза намояндагӣ кунад, аммо дар канорҳои тези кушодагӣ ва гузаришҳои маҳаллии соя тафсилоти нуқтагиро аз ҳад зиёд ҳамвор кунад. PVFS вазифаи ин ду намояндагиро ҷудо мекунад: Point Transformer микро-муҳити маҳаллиро меомӯзад, дар ҳоле ки Sparse U-Net контексти дурмасофаи миқёси атриумро фаро мегирад.

Диаграммаи ҷараёни кории PVFS дар саҳифаи визуалии иловагии манбаъ ин сохторро равшан нишон медиҳад: марҳилаи симулятсияи параметрӣ ва иқлиммеҳвар аввал тамғаҳоро тавлид мекунад; ҳамон геометрия ба намояндагии вокселӣ ва сенсор-нуқта табдил дода мешавад; ду шоха дар шабакаҳои ҷудогона рамзгузорӣ мешаванд; хусусиятҳои ҳаммасштабшуда дар сатҳи нуқта муттаҳид мешаванд ва се сарлавҳаи мустақили натиҷа GA, cDA ва TCP-ро истеҳсол мекунанд.

Фазои тарҳи параметрии атриум

Муҳаққиқон атриумҳои бисёрқабатаи китобхонаро дар муҳити Rhinoceros/Grasshopper ба таври параметрӣ сохтаанд. Геометрия танҳо ба як холигии росткунҷаи одӣ маҳдуд карда нашудааст. Қабатҳо метавонанд баландии гуногун дошта бошанд, плитаҳо ақибнишинӣ кунанд ё муносибатҳои split-level ба вуҷуд оранд ва як ё якчанд пул метавонанд холигии атриумро қисман пӯшонанд.

Дар ҳар қабат минтақаи хониши наздиктарин ба атриум ҳамчун навори 3 m паҳно дар гирди калонтарин кушодагии атриум муайян карда шудааст. Нуқтаҳои сенсор дар ин навори хониш ва рӯйи пулҳо дар баландии стандартии сатҳи корӣ ҷойгир карда шудаанд. Тибқи бахши натиҷаҳои манбаъ, ҳар як тарҳи параметрӣ зиёда аз 10.000 нуқтаи сенсорро дар бар мегирад.

Яке аз интихоби муҳими моделсозӣ дар таҳқиқот комилан ношаффоф қабул кардани фасади беруна мебошад. Дар фасади беруна кушодагии тиреза ё дар моделсозӣ нашудааст. Ҳамин тавр, воридшавии рӯшноии рӯзона ва таъсирҳои радиатсионии марбут ба он танҳо аз равзанаи сақфии атриум сарчашма мегиранд. Ин интихоб бештар ба ҷудо кардани таъсири геометрияи атриум аз тарҳҳои дигари тирезаҳо нигаронида шудааст, на ба намояндагии тамоми рафтори фасади китобхонаи воқеӣ.

Чаро Latin Hypercube Sampling истифода шудааст?

Таҳқиқот барои интихоби 2.912 тарҳ аз фазои параметрии баландандоза Latin Hypercube Sampling (LHS)-ро истифода кардааст. LHS ҳадаф дорад бо тақсим кардани диапазони ҳар параметр ба қабатҳои эҳтимолӣ намунаҳоро дар фазои тарҳ мутаносибтар паҳн кунад. Ин усул кластершавии шадидеро, ки метавонад дар намунагирии тасодуфӣ ба вуҷуд ояд, коҳиш дода, фарогирии васеътари комбинатсияҳои андозаи атриум, шумораи қабатҳо, геометрияи равзанаи сақфӣ, хусусиятҳои мавод ва пӯшишҳои аз пул ба вуҷудомадаро таъмин мекунад.

Бо вуҷуди ин, ин намунагирӣ тамоми фазои бино ва иқлимро намояндагӣ намекунад. Маҷмӯи додаҳо махсусан ба домени назоратшавандаи китобхона-атриум нигаронида шудааст; вазифаҳои гуногуни бино, системаҳои фасад, барномаҳои гуногуни истифода ва минтақаҳои иқлимӣ қисми табиии фазои додаҳо нестанд.

GA, cDA ва TCP чиро чен мекунанд?

Се натиҷаи PVFS хавфҳои гуногуни тарҳро намояндагӣ мекунанд: Glare Autonomy (GA) нишон медиҳад, ки дар чӣ қадар аз соатҳои истифодаи солона эҳтимоли хиракунӣ аз ҳади интихобшудаи нороҳатӣ поён мемонад; continuous Daylight Autonomy (cDA) нишон медиҳад, ки рӯшноии рӯзона ҳадафи 300 lx-ро дар давоми сол то чӣ андоза таъмин мекунад; Thermal Comfort Percentage (TCP) бошад ҳиссаи соатҳои истифодаи солонаро нишон медиҳад, ки нуқтаи сенсор дар банди мутобиқшавандаи бароҳатии ASHRAE 55 қарор дорад.

Glare Autonomy — GA

Манбаъ GA-ро бо метрикаи нуқтагии солонаи зерин муайян мекунад:

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

\(T_{occ}\) маҷмӯи соатҳои истифодашуда дар сол, \(H=|T_{occ}|\) шумораи умумии ин соатҳо ва \(I(\cdot)\) функсияи нишондиҳандаест, ки агар шарт дуруст бошад 1 ва агар нодуруст бошад 0 мегирад. Дар таҳқиқот \(DGP_{th}=0.35\) интихоб шудааст. Аз ин рӯ, ба 1 наздик шудани GA маънои онро дорад, ки нуқтаи сенсори дахлдор дар қисми бештари соатҳои истифода зери ҳади интихобшудаи хиракунии DGP мемонад.

continuous Daylight Autonomy — cDA

cDA чунин ҳисоб шудааст:

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

\(E(t)\) сатҳи соатии равшании сатҳи корӣ дар нуқтаи сенсор мебошад; \(E_{th}\) бошад сатҳи ҳадафии равшанӣ аст. Дар таҳқиқот \(E_{th}=300\,\mathrm{lx}\) истифода шудааст. Бар хилофи Daylight Autonomy-и классикии дуӣ, соатҳое, ки аз 300 lx поёнанд, бевосита сифр ҳисоб намешаванд. Масалан, соате, ки нисфи равшании ҳадафиро таъмин мекунад, тибқи сохтори формула саҳми қисман медиҳад. Ҳамин тавр, таъсири аз ҳад тези тағйироти хурд дар атрофи ҳад кам карда мешавад.

Дар матни манбаъ баъд аз Eq. (2), \(E_{th}\) дар як ҷумла иштибоҳан ҳамчун «равшании соатии сатҳи корӣ дар вақти t» тавсиф шудааст. Азбаски худи муодила, ҷумлаи қаблӣ ва тавзеҳи 300 lx равшан нишон медиҳанд, ки ин ҳади ҳадаф мебошад, дар матни Verianla ихтилофи манбаъ алоҳида қайд шуда, муодила тағйир дода нашудааст.

Thermal Comfort Percentage — TCP

TCP бо истифода аз модели мутобиқшавандаи бароҳатии ҳароратии ASHRAE Standard 55:2017 ва меъёри қобили қабул будани %90 ҳисоб шудааст:

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

\(T_{op}(t)\) ҳарорати соатии оперативӣ дар нуқтаи сенсор мебошад, \(T_{low}(t)\) ва \(T_{high}(t)\) бошад ҳадҳои поёнӣ ва болоии мутобиқшавандаи бароҳатӣ мебошанд, ки аз шароити бартаридоштаи муҳити берунӣ ҳосил шудаанд. Манбаъ банди %90 қобили қабулро одатан тақрибан бо ±2.5 °C мепайвандад.

TCP як омори «band-pass» мебошад. TCP-и паст нишон медиҳад, ки соатҳои зиёд берун аз банди мутобиқшавандаи бароҳатӣ қарор доранд, аммо худ аз худ муайян намекунад, ки нороҳатӣ аз ҳарорати аз ҳад баланд ё аз ҳад паст ба вуҷуд омадааст. Муаллифон пешниҳод мекунанд, ки дар оянда нишондиҳандаҳои ҷудогона барои гузаштан аз ҳадҳои болоӣ ва поёнӣ илова карда шаванд.

Абри нуқта кадом маълумотро мебарад?

Хусусиятҳои маҳаллии ҳар як нуқтаи сенсор тавре тарҳрезӣ шудаанд, ки «нуқта дар атриум дар куҷо ҷойгир аст ва ба кадом шароити пӯшиш дучор мешавад»-ро ифода кунанд. Дар диаграммаи пурраи хусусиятҳо дар манбаъ координатаҳои нуқта, индекси қабат, масофа то наздиктарин кушодагии атриум ва девор, масофаи уфуқӣ/амудӣ то наздиктарин унсури пӯшонанда ва мавқеи нормализатсияшудаи X-Y нисбат ба маркази атриум ҷудогона тасвир шудаанд.

Мавқеи нормализатсияшудаи X-и нуқта нисбат ба маркази атриум:

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

ва мавқеи Y:

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

бо ин муносибатҳо муайян мешаванд. Ҳамин тавр, дар атриумҳои андозаашон гуногун ба модел на танҳо мавқеи мутлақи сенсор бо метр, балки ҷойгиршавии он дар дохили кушодагии атриум низ дода мешавад.

Хусусиятҳои глобалӣ бошанд параметрҳои барои тамоми тарҳ муштаракро дар бар мегиранд: самти бино, дарозӣ-паҳно-баландӣ, шумораи қабатҳо, баландии байни қабатҳо, инъикоспазирии сатҳҳо ва арзиши VLT-и равзанаи сақфӣ.

Чаро ҳамгироии нуқта–вокселӣ муҳим аст?

Ҳамгироии нуқта–вокселӣ аз он сабаб муҳим аст, ки самаранокии атриуми бисёрқабата ҳамзамон ҳам аз муносибатҳои маҳаллии кушодагӣ ва соя дар атрофи сенсор ва ҳам аз занҷири масса, равзанаи сақфӣ ва пӯшишҳои байниқабатӣ дар тамоми бино вобаста аст; дар PVFS шохаи нуқта тафсилоти маҳаллиро, шохаи Sparse U-Net-и вокселӣ бошад контексти сеченакаи дурмасофаро интиқол медиҳад.

Шохаи вокселии камзич

Координатаҳои вокселҳои холӣнабуда:

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

чунин муайян мешаванд. Ҳар воксели холӣнабуда вектори шашандозаи хусусият \(v_j\)-ро дорад, ки семантикаи ҷузъи бино ва хусусиятҳои оптикӣ/сохтории онро намояндагӣ мекунад:

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

Sparse U-Net ин вуруди камзичи сеченакаро рамзгузорӣ карда:

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

майдони глобалии хусусиятҳои вокселиро истеҳсол мекунад. Ин майдон пайвастагии фазоии массаи атриум, сарҳадҳои кушодагӣ, пулҳо, плитаҳои байниқабатӣ ва дигар унсурҳои пӯшонандаро намояндагӣ мекунад.

Дар қисми bottleneck-и шабакаи вокселӣ бо истифодаи dilated sparse convolution майдони қабул васеъ мешавад. Дар пайвастҳои skip байни encoder ва decoder бошад механизми сабуки gated fusion истифода мешавад. Ҳадаф нигоҳ доштани сигналҳои тези сарҳадӣ дар канорҳои кушодагӣ ва пулҳо дар баробари аз даст надодани контексти тамоми миқёси атриум мебошад.

Пешинаи attention-и ҳассос ба намоёнӣ

Фарз шудааст, ки танҳо вазнҳои attention-и аз додаҳо омӯхтаи Point Transformer метавонанд дар намунаи маҳдуд аҳамияти физикии кушодагӣ ва пӯшишро ба таври устувор омӯхта натавонанд. Аз ин рӯ, ба модел attention bias аз тағйирёбандаҳои геометрӣ, ба монанди масофа то кушодагӣ ва унсурҳои пӯшонанда, илова шудааст:

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

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

\(\alpha_{ij}\) вазни attention аст, ки нуқтаи i ба ҳамсояи j медиҳад. \(score_{ij}\) шабоҳати хусусиятҳои асосӣ ва мавқеи нисбиро, \(b_{ij}\) бошад bias-и иловагиро, ки аз лиҳози дастрасии кушодагӣ ва пӯшиш маънои физикӣ дорад, ифода мекунад. Ин сохтор муодилаи сабабии физикӣ нест; он як пешинаи геометрӣ мебошад, ки маълумоти роҳи рӯшноӣ ва пӯшишро ба раванди омӯзиш равона мекунад.

Интиқоли маълумоти вокселӣ ба нуқтаи сенсор

Хусусияти глобалии воксел аз индекси вокселе, ки ҳар нуқтаи сенсор ба он вобаста аст, намуна гирифта мешавад:

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

Ҳангоми набудани хусусияти маҳаллии вокселии эътиборнок, манбаъ миёнаи вокселҳои ҳамсоя ва ҳамчун роҳи охирин миёнаи глобалиро истифода мекунад. Ҳадаф нигоҳ доштани андозаи хусусиятҳо ва устувории омӯзиш дар ҳолатҳои сарҳадӣ ё sparse-tensor мебошад.

Усул ва натиҷаҳои таҳқиқот

Занҷири тавлиди додаҳо

Занҷири тавлиди додаҳои таҳқиқот дар чор марҳилаи асосӣ пеш меравад. Аввал геометрияҳои параметрии атриум бо LHS сохта мешаванд. Сипас бо истифода аз Ladybug Tools симулятсияҳои солонаи иқлиммеҳвари рӯшноӣ ва ҳароратӣ иҷро мешаванд. Ҳамон геометрия ба шабакаи вокселии сеченака ва абри нуқтаҳои сенсор табдил дода мешавад. Дар охир арзишҳои GA, cDA ва TCP, ки аз симулятсия ҳосил шудаанд, тамғаҳои омӯзишии ҳар як нуқтаи сенсор мегарданд.

Ҷудокунии бар асоси тарҳ интихоби муҳими методологӣ мебошад. Агар нуқтаҳо тасодуфӣ тақсим мешуданд, ҳазорҳо нуқтаи як атриум метавонистанд ҳам ба маҷмӯи омӯзиш ва ҳам ба маҷмӯи тест ворид шаванд ва модел бо пешгӯии нуқтаҳои ҳамсояи геометрияе, ки қаблан дидааст, самаранокии сунъӣ баланд нишон диҳад. Таҳқиқот бо нигоҳ доштани ҳамаи нуқтаҳои як тарҳ дар як split аз чунин ихроҷи додаҳо пешгирӣ кардан мехоҳад.

Меъморӣ ва гиперпараметрҳои PVFS

Дар бахши баъдии самаранокии ҳисоббарорӣ ҳамон voxel size «0.10 m» номида мешавад. Ин ифода бо шарҳи «normalized coordinate space» дар Table 3 як чиз нест. Аз ин рӯ, дар Verianla арзиши физикии voxel size ҳамчун 0.10 m қатъӣ тасдиқ карда нашудааст.

Таҷҳизот ва нармафзор

Омӯзиш ва тестҳо дар workstation-и Linux бо Intel i7-12700F CPU, NVIDIA GeForce RTX 3080 GPU, CUDA 11.3, Python 3.11 ва PyTorch 2.2 иҷро шудаанд. Барои конволютсияи камзичи сеченака инфрасохтори MinkowskiEngine истифода шудааст.

Талафоти омӯзиши бисёрвазифа

Дар pseudo-code-и манбаъ барои GA, cDA ва TCP се сарлавҳаи мустақили sigmoid вуҷуд дорад. Вазнҳои нуқта метавонанд вобаста ба наздикӣ ба фасад, таъсири пул ва таносуби канор зиёд карда шаванд:

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

Талафоти умумии омӯзиш ҷамъбасти вазндори SmoothL1-и вазифаҳо мебошад:

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

Pseudo-code-и манбаъ ин формуларо медиҳад, аммо барои \(\alpha_f\), \(\alpha_w\), \(\alpha_e\), \(\tau\) ва \(\beta_t\) дар ҷадвали намоён арзиши ададӣ нишон намедиҳад. Ин арзишҳо аз тарафи Verianla тахмин карда нашудаанд.

Меърҳои арзёбӣ

Модел бо Mean Absolute Error (MAE), Root Mean Squared Error (RMSE) ва coefficient of determination \(R^2\) арзёбӣ шудааст:

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

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

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

MAE инҳирофи миёнаи мутлақро, RMSE хатогиҳои калонро бо ҷазои қавитар дар шакли решаи миёнаи квадратии хатогӣ, ва \(R^2\) дараҷаи шарҳ додани вариатсияи тақсимоти ҳадаф аз тарафи моделро нишон медиҳад.

Самаранокии асосии тест

PVFS дар ҳар се вазифа самаранокии аз ҳама мутавозинро нишон медиҳад. Арзишҳои пасттари R²-и модели Point-only бо он шарҳ дода шудаанд, ки танҳо хусусиятҳои маҳаллии нуқта шароити геометрии дурмасофа, ба монанди массаи атриум ва пӯшишҳои байниқабатиро ба қадри кофӣ намояндагӣ карда наметавонанд. Модели Voxel-only нисбат ба Point-only беҳтар мешавад, аммо бо сабаби набудани маълумоти микро-муҳити маҳаллӣ аз PVFS ақиб мемонад. Пасттар будани алтернативаи PointNet++ дар ҳамон вуруди думодалӣ низ аз тарафи муаллифон чунин шарҳ дода мешавад, ки муносибатҳои нуқтагии attention-бунёд градиентҳои кушодагӣ–пӯшишро беҳтар мегиранд.

Ҳангоми хориҷ кардани gated fusion гузориш шудааст, ки RMSE-и cDA ба 0.148 ва RMSE-и TCP ба 0.055 боло рафта, GA тақрибан дар атрофи 0.085 боқӣ мемонад. Ин натиҷа чунин тафсир шудааст, ки механизми gating махсусан дар cDA ва TCP барои кам кардани сигналҳои мухолиф миёни ду модалият саҳм мегузорад.

Рафтор байни қабатҳо

Барои GA R²-и қабатӣ тақрибан дар диапазони 0.737-0.892 ва барои TCP дар 0.722-0.866 аст. R²-и cDA дар қабати аз ҳама боло то тақрибан 0.636 паст мешавад, аммо хатои мутлақ дар ҳамон қабат зиёд намешавад. RMSE-и cDA дар қабатҳои поёнӣ 0.149 ва 0.162 буда, дар қабати шашум то 0.099 коҳиш меёбад. Аз ин рӯ, муаллифон R²-и пасттар дар қабати болоиро на ҳамчун хатои мутлақи калонтар, балки ҳамчун натиҷаи кам шудани тағйирёбии ҳадаф ва ҳассостар шудани R² ба ҳаҷми монанди хатогӣ шарҳ медиҳанд.

Хатогиҳои GA дар қабатҳои болоӣ каме васеъ мешаванд; манбаъ инро ба он мепайвандад, ки дар қабатҳои наздик ба равзанаи сақфӣ рӯшноии мустақими қавӣ ва манзараҳои равшании баланд майдонҳои тезтари хиракунӣ ташкил медиҳанд. cDA бошад дар қабатҳои поёнӣ аз сабаби пӯшиши якҷояи пул, канори плита ва холигии амиқи атриум пешгӯии душвортар дорад. Азбаски майдони TCP ҳамвортар аст, тақсимоти хатои он одатан тангтар мебошад.

Харитаҳои Ҳақиқӣ–Пешгӯӣ–Фарқ чиро нишон медиҳанд?

Дар шумораи зиёди визуалҳои пурраи иловагии манбаъ барои ҳар қабат GA, cDA ва TCP дар се сатри алоҳида ва дар сутунҳо арзиши ҳақиқии физикамеҳвар, пешгӯии PVFS ва харитаи фарқ нишон дода мешаванд. Харитаҳо нишон медиҳанд, ки PVFS дар аксари минтақаҳои якхела сохтори асосии минтақаҳои гарм/сард ва самти градиентро нигоҳ медорад. Бо вуҷуди ин, фарқҳо ба таври равшан дар канорҳои кушодагӣ, сояҳои пул, кунҷҳои плита ва гузаришҳои ногаҳонии равшанӣ–торикӣ ҷамъ мешаванд.

Дар намунаҳои намояндагии тестӣ, cDA метавонад дар баъзе минтақаҳои қабатҳои поёнӣ воридшавии рӯшноии рӯзонаро зиёдтар пешгӯӣ кунад, дар ҳоле ки баъзе тасмаҳои хиракунии GA фазоӣ ҳамвор ё каме кӯчонида мешаванд. Ин имзои хато бештар нишон медиҳад, ки сарҳадҳои тези геометрӣ барои surrogate душвортар аз нав сохта мешаванд, на ин ки хатоҳо танҳо садои тасодуфии модел бошанд.

Табақабандии хатои held-out

Дар таҳлили баъдии held-out-only манбаъ барои GA MAE 0.046, барои cDA MAE 0.107 ва барои TCP MAE 0.037 гузориш мекунад. Барои cDA RMSE 0.187 дода шудааст. Нуқтаҳои ҳамсояи фасад барои cDA бо MAE 0.136 ва P90 0.377 баландтарин гурӯҳ мебошанд; барои канори атриум 0.102, нуқтаҳои зери таъсири пул 0.088 ва нуқтаҳои истинодии дохилӣ 0.114 MAE гузориш шудаанд.

Арзишҳои cDA MAE/RMSE дар ин бахш аз 0.076/0.130-и ҷадвали умумии хатои тестии қаблӣ ба таври назаррас фарқ мекунанд. Азбаски манбаъ ҳар ду таҳлилро ба контексти тестии held-out бар асоси тарҳ мепайвандад, аз PDF қатъӣ ҳал кардан мумкин нест, ки ин фарқ аз зергурӯҳ, бозҳисобкунӣ ё ревизия сарчашма мегирад. Verianla ин ду арзишро якҷоя ё миёна накардааст.

Таҳлили SHAP чӣ мегӯяд?

Барои шарҳпазирии модел surrogate-ҳои gradient-boosted decision-tree бо дақиқии баланд, ки натиҷаҳои PVFS-ро тақлид мекунанд, омӯзонида шуда, ба онҳо TreeSHAP татбиқ шудааст. Арзишҳои SHAP, ки аз ин surrogate-и дуюм ба даст омадаанд, далели бевоситаи сабабияти физикӣ нестанд; онҳо атрибутсияи хусусиятҳо дар сатҳи рафтори PVFS мебошанд.

Барои GA масофа то девор, индекси қабат, координатаҳои нуқта, кунҷи гардиш ва тағйирёбандаҳои маҳаллии кушодагӣ/пӯшиш барҷастаанд. cDA махсусан ба индекси қабат, масофа то девор, масофа то унсури пӯшонанда, инъикоспазирии сақф, самт, VLT ва инъикоспазирии фарш ҳассос аст. Барои TCP индекси қабат, масофа то девор, координатаҳо, инъикоспазирии фарш ва самт аз ҷумлаи тағйирёбандаҳои муҳим мебошанд. Ин тақсимот санҷиши мутобиқати он аст, ки модел ба тағйирёбандаҳои аз физикаи атриум тамоман номарбут такя намекунад; аммо сабабиятро исбот намекунад.

Суръатбахшии 222-маротибаи PVFS чӣ маъно дорад?

Суръатбахшии тақрибан 222×, ки дар манбаъ гузориш шудааст, ба муқоисаи ҳисоб кардани GA, cDA ва TCP барои ҳамаи нуқтаҳои сенсори як тарҳи атриум бо симулятсияи солонаи физикамеҳвар дар тақрибан 34 дақиқа ва вақти пурраи тақрибан 9.2 сонияи PVFS, аз ҷумла вокселизатсия, омодасозии хусусиятҳо, inference ва интиқоли натиҷаҳо, асос ёфтааст; ин нисбат хароҷоти омӯзиши моделро не, балки вақти арзёбии ҳар тарҳ бо модели омӯзонидашударо ифода мекунад.

Манбаъ нисбати суръатбахширо чунин муайян мекунад:

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

34 дақиқа тақрибан 2.040 сония аст; 2.040/9.2 тақрибан 222 мешавад. Аз ин рӯ, нисбати гузоришшуда аз ҷиҳати арифметикӣ бо вақтҳои манбаъ мувофиқ аст.

Ин суръатбахшӣ маънои онро надорад, ки симулятсияи физикамеҳвар дигар лозим нест. Тамғаҳои омӯзишии PVFS аллакай аз ҳамин симулятсияҳо сохта шудаанд. Модел аз симулятсияҳои гарон як тахмини омӯхташударо ба даст оварда, тарҳҳои навро зуд скрининг мекунад; тарҳҳои муҳим ё ниҳоӣ дубора ба симулятсияи дақиқи физикамеҳвар фиристода мешаванд.

Санҷиши лоиҳаи воқеӣ

Дар санҷиши берунаи як атриуми воқеии китобхона дар Guangdong, PVFS тавонистааст ташкили васеъмиқёси фазоии GA, cDA ва TCP-ро нигоҳ дорад. Минтақаҳои дар معرض кушодагӣ ва минтақаҳои соягирифта асосан дар ҳамон ҷойҳое ба вуҷуд омадаанд, ки харитаҳои симулятсия нишон медиҳанд. Бо вуҷуди ин, дар қабатҳои миёна фарқҳои маҳаллии cDA ва дар тарафи шарқии қабати аввал ҳамворшавӣ ё кӯчиши тасмаи хиракунии GA дида шудааст.

Ин санҷиши лоиҳаи воқеӣ «санҷиш барои ҳар бинои воқеӣ» нест. Муаллифон онро ҳамчун назорати берунии назоратшаванда аз фазои параметрии додаҳо ба ҷузъиёти мураккабтари бино баррасӣ мекунанд.

Санҷиши геометрияи қаблан надидашуда

Дар геометрияҳои атриуме, ки берун аз мантиқи омӯзишии LHS сохта шудаанд, модел асосан градиентҳои асосии GA ва TCP-ро нигоҳ доштааст. Аммо махсусан дар харитаҳои GA-и қабатҳои якум ва дуюм баъзе минтақаҳои сарҳадии тарафи ҷануб аз ҳад зиёд ҳамвор ё ҷойиваз шудаанд. Ин нишон медиҳад, ки интиқол барои минтақабандии васеъмиқёс қавитар ва барои сарҳадҳои тези кушодагӣ ва соя заифтар аст.

Озмоиши fine-tuning барои иқлими Пекин

Таҳқиқот модели Guangzhou-меҳварро ҳамчун generalization-и мустақими «zero-shot» ба иқлими нав пешниҳод накардааст. Ба ҷои ин, барои Пекин 30 ҳолати нави симулятсияи пурра истеҳсол шудааст; 10-то барои fine-tuning, 5-то барои validation ва 15-то барои тестҳои мустақил истифода шудаанд. Backbone-и point–voxel feature extraction ях карда шуда, танҳо сарлавҳаҳои GA/cDA/TCP дубора танзим шудаанд.

cDA дар иқлими нав ҳам душвортарин ҳадаф боқӣ мондааст; MAE-и миёнаи қабатӣ дар диапазони 0.111-0.149 аст. Хатои GA махсусан дар қабати якум зиёд шуда, MAE-и миёна 0.125 мебошад; дар қабатҳои болоӣ MAE-и миёнаи GA 0.025 ё камтар гузориш шудааст. TCP дар қабатҳо устувортар буда, MAE-и миёна тақрибан дар диапазони 0.027-0.062 аст.

Ин озмоиш нишон намедиҳад, ки модел аз иқлим пурра мустақил аст. Баръакс, манбаъ ошкоро нишон медиҳад, ки бо шумораи маҳдуди симулятсияҳои нави физикамеҳвар аз иқлими ҳадаф fine-tuning анҷом дода шавад.

Тафсирҳое, ки таҳқиқот дастгирӣ мекунад ва намекунад

Маҳдудиятҳои асосӣ

Маҷмӯи додаҳои PVFS ба як фазои васеъ, вале назоратшавандаи параметрии китобхона-атриум асос ёфтааст. Таҳқиқот файлҳои сершумори иқлимӣ, вазифаҳои гуногуни бино, системаҳои гуногуни тирезаи фасадӣ ё барномаҳои гуногуни истифодаиро ҳамчун қисми табиии маҷмӯи омӯзишии асосӣ дар бар намегирад.

Санҷишҳои лоиҳаи воқеӣ ва геометрияи қаблан надидашуда назорати берунии муфиданд, аммо ҷойгузини benchmark-и калони интиқоли чандлоиҳа, ки пешакӣ муайян шудааст, нестанд. Барои намудҳои гуногуни бино ё минтақаҳои иқлимӣ маҷмӯи калонтари додаҳои тамғагузоришуда ва таҷрибаҳои transfer-learning лозиманд.

Заъфи фазоии барҷастаи модел канорҳои кушодагӣ, сарҳадҳои соя ва кунҷҳои геометрӣ мебошанд. Муаллифон дар оянда boundary-focused sampling, loss reweighting, моделҳои local refinement ва uncertainty maps-ро пешниҳод мекунанд.

PVFS ҳоло танҳо GA, cDA ва TCP-ро истеҳсол мекунад. Нишондиҳандаҳое ба монанди Useful Daylight Illuminance (UDI) ва Annual Sunlight Exposure (ASE), ки кофӣ будани рӯшноии рӯзона ва таъсири аз ҳад зиёди офтобро аз дидгоҳҳои дигар чен мекунанд, ҳанӯз дар ҳамон сохтори бисёрвазифа пешгӯӣ намешаванд.

Ёддошт оид ба манбаъ ва усул

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

Муаллифон ва тартиб дар PDF: Yiyang Huang; Zhenhui Zhang; Ping Su; Kaiying Chen; Rushi Dai.

Муаллифони масъул: Zhenhui Zhang ва Rushi Dai.

Муассисаҳо: 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.

Навъи манбаъ: Preprint, ки аз арзёбии ҳамтоён нагузаштааст. Дар ҳар саҳифаи PDF огоҳии “This preprint research paper has not been peer reviewed” мавҷуд аст.

Пайванди платформа дар PDF: SSRN abstract 7180130.

DOI: Дар PDF-и боршуда DOI вуҷуд надорад. Дар индексҳои берунии библиографӣ сабти дигари SSRN/Crossref бо ҳамин унвон ва DOI 10.2139/ssrn.6189939 мавҷуд аст; аммо тартиби муаллифони он аз PDF-и ҷорӣ фарқ мекунад ва PDF рақами дигари SSRN abstract-ро истифода мебарад. Аз ин рӯ, 10.2139/ssrn.6189939 ҳамчун DOI-и тасдиқшудаи PDF-и ҷорӣ таъин намешавад.

Маҷалла / ношир / ҷилд / шумора: Дар нусхаи боршуда маълумоти тасдиқшудаи маҷаллаи ҳамтоёбӣ, ҷилд ё шумора вуҷуд надорад.

Иҷозатнома: Дар дохили PDF иҷозатномаи ошкори истифодаи дубора ба таври намоён зикр нашудааст. Пеш аз нусхабардории айнан шаклҳои манбаъ шартҳои ҳуқуқ ва иҷозатномаи версияи дахлдори SSRN бояд алоҳида санҷида шаванд.

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

Саҳмҳои CRediT: Yiyang Huang — conceptualization, data curation, formal analysis, funding acquisition, methodology, resources, software, validation, visualization, writing-original draft ва 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.

Бархӯрди манфиатҳо ва дастрасии додаҳо: Дар матни асосии PDF-и боршуда пеш аз оғози рӯйхати манбаъҳо ба таври намоён баёнияи алоҳидаи competing-interest ё data-availability дида намешавад; аз ин рӯ, ба ин бахшҳо аз берун баёния илова нашудааст.

Масъалаҳои муҳими таҳрирӣ/мувофиқат дар дохили манбаъ:

Мувофиқати бозкашии визуалӣ: Хеле баланд. Pipeline-и PVFS, ду шохаи нуқта–вокселӣ, буриши атриуми бисёрқабата, геометрияи sensor feature ва майдонҳои самаранокии True/Pred/Diff-и манбаъ метавонанд барои Verianla ҳамчун схемаҳои аз ҷиҳати ҳуқуқи муаллиф аслӣ, вале аз ҷиҳати илмӣ баробар, аз нав сохта шаванд. Тарҳбандии пикселии шаклҳои манбаъ набояд айнан нусхабардорӣ шавад.

Мувофиқати Verianla Live: Хеле баланд. Махсусан муқоисаи R² барои GA/cDA/TCP, муқоисаи вақти симулятсияи физикамеҳвар–PVFS, тақсимоти хатои қабатӣ ва ҷараёни усули нуқта–вокселӣ барои Live Data / Live Compare / Live Process муносибанд. Қиматҳои мобайнӣ ё нуқтаҳои самаранокии дар манбаъ набуда набояд тавлид карда шаванд.

Ҳадди асосии тафсири методологӣ: PVFS воситаи surrogate-и босуръат барои тарҳи ибтидоӣ мебошад. Худи таҳқиқот зарур мешуморад, ки қарорҳои ниҳоӣ дар минтақаҳои градиенти баланд ё сарҳад-ҳукмрон бо симулятсияи физикамеҳвар тасдиқ шаванд.