PVFS (Point–Voxel Fusion Surrogate), karmaşık ko‘p qavatli atriumlarda her bir sensor nuqtasının yillik kunduzgi yorug‘lik, qamashtirish ve issiqlik komforti ishlashını birlikte bashorat qilish için nuqta buluti ile siyrak uch o‘lchamli voksel bilgisini birleştiren ko‘p vazifali bir surrogate modeldir. Çalışmada Rhinoceros/Grasshopper üzerinden üretilmiş 2.912 parametrikaa kutubxona atriumu için iqlim tabanlı yillik simulyatsiyalar haqiqiyleştirilmiş ve PVFS; Glare Autonomy (GA), continuous Daylight Autonomy (cDA) ve Thermal Comfort Percentage (TCP) alanlarını nuqta bazında öğrenmiştir. Tasarım bazında ayrılmış mustaqil test kümesinde model GA için R²=0.858, cDA için R²=0.774 ve TCP için R²=0.818 elde etmiştir. Aynı dizaynın bütün nuqtaviy chiqishlarının yillik fizikaga asoslangan simulyatsiyala hesaplanması taxminan 34 dakika vaqtrta PVFS'nin voksel oluşturma, xususiyat hazırlama, çıkarım ve chiqish aktarımı dahil uçtan uca vaqtsi taxminan 9.2 saniyedir; manba bunu taxminan 222 qavat tezlashish olarak raporlamaktadır.

Modelin temel avantajı yalnız tek bir atrium ishlash puanı üretmemesidir. PVFS, farqlı qavatlardaki okuma alanlarında nuqta nuqta GA, cDA ve TCP dağılımları oluşturarak dizayncının yetersiz kunduzgi yorug‘lik, qamashtirish xavfi veya past issiqlik komforti zonalerini mekânsal olarak görebilmesini maqsad qiladi. Nokta kolu ochiqlik, devor ve örtücü elemanlara yakınlık gibi yerel koşulları; voksel kolu ise atriumun toplam kütlesini, qavatlar arası engelleri, tom yorug‘lik oynasinı ve diğer uch o‘lchamli bileşenleri ifodalaydi.

Çalışma, PVFS'yi fizikaga asoslangan simulyatsiyaun evrensel yerine geçen bir araç olarak sunmamaktadır. Özellikle atrium ochiqlik kenarları, ko‘prik ve döşeme soyalerinin keskin değiştiği zonaler ve yuqori gradyanlı geometrikaa chegaralar modelin başlıca xato zonaleridir. Yazarlar bu nedenle PVFS'yi erta dizaynda hızlı tarama ve xavf lokalizasyonu için önerirken, yakuniy dizayn kararlarında kritik chegara zonalerinin yuqori doğruluklu fizikaga asoslangan simulyatsiyala yeniden kontrol edilmesini gerekli görmektedir.

Tadqiqot muammosi

Çok qavatlı bir atriumun çevresel davranışı tek bir qavat planından veya tek bir ortalama ishlash qiymatinden kolayca açıklanamaz. Çatı ışıklığından giren kunduzgi yorug‘lik qavatlar arasında ilerlerta döşeme kenarları, geri çekilmeler, farqlı qavat yuqorilikleri, ko‘prikler ve atrium boşluğunun geometrisi tarafından kısmen engellenir. Aynı geometri bir zonade kunduzgi yorug‘lik miktarını artırırken başka bir zonade qamashtirishyı veya güneş manbalı ısıl yükü artırabilir. Bu nedenle kunduzgi yorug‘lik yeterliliği, qamashtirish ve issiqlik komforti arasında güçlü bir uch o‘lchamli ve çok hedefli etkileşim bulunur.

Geleneksel yondashuv Radiance, EnergyPlus ve Ladybug Tools gibi fizikaga asoslangan simulyatsiyalarla bir dizaynın bütün yıl boyunca hesaplanmasıdır. Bu yondashuv ayrıntılı natija ma’lumotr; faqavat yüzlerce veya binlerce geometrikaa alternatifin erta dizayn aşamasında hızlı biçimde taranması gerektiğinde hisoblash xarajati önemli hale gelir. Kaynak tadqiqotda tek bir dizaynın GA, cDA ve TCP chiqishlarının yillik hisoblashsının toplam vaqtsi taxminan 34 dakika olarak hisobot qilinadi.

PVFS nima?

PVFS, atrium ölçeğindeki uch o‘lchamli geometri ve örtülme kontekstını siyrak voksel ağıyla, her sensor nuqtasının yerel konum ve ochiqlik munosabatlerini ise nuqta bulutiyla ifodalaydiek GA, cDA ve TCP'yi aynı sensor nuqtalarında birlikte bashorat eden ko‘p vazifali bir derin öğrenme surrogate modelidir; modelin hedef foydalanish alanı karşılaştırılabilir ko‘p qavatli kutubxona atriumlarında erta dizayn qiymatlendirmesidir.

Neden nuqta ve voksel birlikte kullanılıyor?

Yalnız nuqta tabanlı bir model, sensorün yakın çevresini yuqori ayrıntıyla görebilir ancak atriumun birkaç qavat ötesindeki kütlesel engelleri ve ochiqlik organizasyonunu yeterince temsil etmekte zorlanabilir. Yalnız voksel tabanlı bir model ise bütün yapıyı uch o‘lchamli olarak temsil edebilir faqavat keskin ochiqlik kenarları ve lokal soya geçişlerinde nuqtaviy ayrıntıyı aşırı yumuşatabilir. PVFS bu iki temsilin görevlerini ayırır: Point Transformer yerel mikro-çevreyi, Sparse U-Net ise atrium ölçeğindeki uzun menzilli kontekstı öğrenir.

Kaynağın ek görsel sayfasındaki PVFS iş akışı diyagramı bu yapıyı açık biçimde göstermektedir: parametrikaa ve iqlim tabanlı simulyatsiya aşaması önce etiketleri üretir; aynı geometri voksel ve sensor-nuqta temsillerine dönüştürülür; iki kol ayrı ağlarda kodlanır; nuqta ölçeğinde hizalanmış xususiyatlar birleştirilir ve üç mustaqil chiqish başlığı GA, cDA ve TCP üretir.

Parametrikaa atrium dizayn fazosi

Araştırmacılar ko‘p qavatli kutubxona atriumlarını Rhinoceros/Grasshopper ortamında parametrikaa olarak oluşturmuştur. Geometri yalnız basit dikdörtgen bir boşlukla chegaralandırılmamıştır. Katlar farqlı yuqoriliklere sahip olabilir, döşemeler geri çekilebilir veya split-level munosabatler oluşturabilir ve bir veya daha fazla ko‘prik atrium boşluğunu kısmen örtebilir.

Her qavatta atriuma en yakın okuma alanı, en büyük atrium açıklığının çevresinde 3 m genişliğinde bir bant şeklinde tanımlanmıştır. Sensör nuqtaları bu okuma kuşağına ve ko‘priklere standart tadqiqot düzlemi yuqoriliğinde yerleştirilmiştir. Kaynak natija bölümüne göre her parametrikaa dizayn 10.000'den fazla sensor nuqtası içermektedir.

Çalışmanın önemli modelleme tercihlerinden biri dış fasadyi tamamen opak kabul etmesidir. Dış fasadde pencere veya kapı açıklığı modellenmemiştir. Böylece kunduzgi yorug‘lik girişi ve bununla bağlantılı ışınımsal etkiler yalnız atrium tom yorug‘lik oynasindan manbalanır. Bu tercih haqiqiy bir kutubxonanin bütün fasad davranışını temsil etmekten çok, atrium geometrisinin etkisini diğer pencere düzenlerinden izole etmeyi amaçlamaktadır.

Latin Hypercube Sampling nima uchun ishlatilgan?

Çalışma yuqori boyutlu parametrikaa uzaydan 2.912 dizayn seçmek için Latin Hypercube Sampling (LHS) kullanmıştır. LHS, her parametrenin aralığını olasılık bakımından tabakalara ayırarak örnekleri dizayn uzayına daha dengeli dağıtmayı maqsad qiladi. Bu usul rastgele örneklemede oluşabilecek yoğun kümelenmeleri azaltarak atrium boyutu, qavat sayısı, yorug‘lik oynasi geometrisi, malzeme xususiyatlari ve ko‘prik manbalı örtülmeler arasında daha geniş kombinasyon kapsamı sağlamaktadır.

Bu örnekleme yine de bütün bina ve iqlim uzayını temsil etmez. Veri kümesi xususiyatle kontrollü kutubxona-atriumu alanına yöneliktir; farqlı bina işlevleri, fasad sistemleri, işletme programları ve iqlim zonaleri ma’lumot uzayının doğal bir parçası değildir.

GA, cDA va TCP nimani o‘lchaydi?

PVFS'nin üç chiqishsı farqlı dizayn xavflerini ifodalaydi: Glare Autonomy (GA) yillik foydalanish soatlerinin ne kadarında qamashtirish olasılığının seçilen rahatsızlık chegaraının altında kaldığını, continuous Daylight Autonomy (cDA) kunduzgi yorug‘liknın 300 lx hedefini yıl boyunca ne ölçüde karşıladığını ve Thermal Comfort Percentage (TCP) sensor nuqtasının ASHRAE 55 adaptif konfor bandında kaldığı yillik foydalanish soati oranını ifodalaydi.

Glare Autonomy — GA

Kaynak GA'yı aşağıdaki yillik nuqtaviy 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 issiqlik komforti 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 soatin adaptif konfor bandı dışında kaldığını söyler; faqavat bu rahatsızlığın aşırı sıcaklık mı yoksa aşırı serinlik mi nedeniyle oluştuğunu tek başına ayırt etmez. Yazarlar gelecekte üst ve alt chegara taşmalarını ayrı gösterecek göstergelerin eklenebileceğini belirtmektedir.

Nokta buluti hangi bilgileri taşır?

Her sensor nuqtasının yerel xususiyatlari, nuqtanın atrium içinde “nerede olduğunu ve hangi örtülme koşullarına maruz kaldığını” ifade edecek biçimde tasarlanmıştır. Kaynağın tam boyutlu xususiyat diyagramında nuqta koordinatları, qavat indeksi, en yakın atrium açıklığına ve devora uzaklık, en yakın örtücü elemana yatay/düşey mesafe ve atrium merkezine göre normalize edilmiş X-Y konumları ayrı ayrı görselleştirilmiştir.

Bir nuqtanın 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 farqlı büyüklüklerdeki atriumlarda sensorün yalnız metre cinsinden mutlak konumu değil, atrium açıklığının neresinde bulunduğu da modele aktarılır.

Global xususiyatlar ise yapı yönelimi, bina uzunluğu-genişliği-yuqoriliği, qavat sayısı, qavattan qavata yuqorilik, yüzey yansıtıcılıkları ve tom yorug‘lik oynasinın VLT qiymati gibi bütün dizaynla paylaşılan parametreleri içerir.

Nuqta–voksel fuziyasi nima uchun muhim?

Nokta–voksel fuziyau, ko‘p qavatli atrium ishlashının aynı anda hem sensor çevresindeki yerel ochiqlik ve soya munosabatlerine hem de bütün yapı boyunca devam eden kütle, yorug‘lik oynasi ve qavatlar arası örtülme zincirlerine bağlı olması nedeniyle önemlidir; PVFS'de nuqta kolu lokal ayrıntıyı, Sparse U-Net voksel kolu ise uzun menzilli uch o‘lchamli kontekstı taşır.

Seyrek voksel kolu

Boş olmayan voksel 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 siyrak uch o‘lchamli kirishyi kodlayarak:

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

biçiminde global bir voksel xususiyat alanı üretir. Bu alan atrium kütlesi, ochiqlik chegaraları, ko‘prikler, döşemeler ve diğer örtücü elemanların mekânsal vaqtkliliğini ifodalaydi.

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, ochiqlik ve ko‘prik kenarlarındaki keskin chegara sinyallerini korurken bütün atrium ölçeğindeki kontekstı kaybetmemektir.

Görünürlük-duyarlı attention önseli

Point Transformer'ın yalnız ma’lumotden öğrenilen attention ağırlıklarının chegaralı örneklemde ochiqlik 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 sensor nuqtasına aktarılması

Global voksel özelliği her sensor nuqtasının bağlı olduğu voksel indeksinden örneklenir:

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

Geçerli bir lokal voksel özelliği bulunmadığında manba, komşu voksel ortalamasını ve son çare olarak global ortalamayı kullanmaktadır. Amaç chegara veya siyrak-tensor durumlarında xususiyat boyutunu ve o‘qitish kararlılığını korumaktır.

Tadqiqot Usuli va Natijalari

Veri üretim zinciri

Çalışmanın ma’lumot üretim zinciri dört temel aşamada ilerlemektedir. Önce parametrikaa atrium geometrileri LHS ile oluşturulur. Ardından Ladybug Tools kullanılarak yillik iqlim tabanlı ışık ve termal simulyatsiyalar yürütülür. Aynı geometri uch o‘lchamli voksel ağına ve sensor nuqta bulutina dönüştürülür. Son olarak simulyatsiyadan üretilen GA, cDA ve TCP qiymatlari her sensor nuqtasının o‘qitish etiketi haline gelir.

Tasarım bazlı ayrım kritik bir metodolojik tercihtir. Noktalar rastgele bölünseydi aynı atriumun binlerce nuqtası hem o‘qitish hem test kümesine girebilir ve model aslında daha önce gördüğü geometrinin komşu nuqtalarını bashorat ederek yapay derecede yuqori ishlash gösterebilirdi. Çalışma bütün nuqtaları ait oldukları dizaynla birlikte tek bir split içinde tutarak bu ma’lumot sızıntısını önlemeyi amaçlamaktadır.

PVFS mimarisi ve hiperparametreler

Kaynağın daha sonraki hisoblash ma’lumotmliliği bölümünde aynı voxel size “0.10 m” olarak adlandırılmaktadır. Bu ifade Table 3'teki “normalized coordinate space” açıklamasıyla aynı değildir. Bu nedenle fiziksel voksel boyutunun kesinlikle 0.10 m olduğu Verianla tarafından mustaqil bir haqiqiy olarak kabul edilmemiştir.

Donanım ve yazılım

Eğitim ve testler Linux iş istasyonunda Intel i7-12700F CPU, NVIDIA GeForce RTX 3080 GPU, CUDA 11.3, Python 3.11 ve PyTorch 2.2 kullanılarak amalga oshirilgan. Seyrek uch o‘lchamli konvolüsyon için MinkowskiEngine altyapısı ishlatilgan.

Çok görevli o‘qitish kaybı

Kaynak pseudo-code'unda GA, cDA ve TCP için üç mustaqil sigmoid çıkış başlığı bulunur. Nokta ağırlıkları fasadye, ko‘prik 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 o‘qitish 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 test ishlashı

PVFS üç görevde de en dengeli ishlashı göstermektedir. Point-only modelin daha past R² qiymatlari, yalnız yerel nuqta xususiyatlarinin atrium kütlesi ve qavatlar arası örtülme gibi uzun menzilli geometrikaa koşulları yeterince temsil edemediği yorumuyla munosabatlendirilmiştir. Voxel-only model Point-only modele göre iyileşmekle birlikte lokal mikro-çevre bilgisi eksik olduğu için PVFS'nin gerisinde kalmıştır. Aynı çift modaliteli kirish üzerinde PointNet++ kullanılan alternatifin de PVFS'den past ishlash göstermesi, mualliflar tarafından attention tabanlı nuqta munosabatlerinin ochiqlik–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 taxminan 0.085 civarında kaldığı raporlanmıştır. Bu natija gating mekanizmasının xususiyatle cDA ve TCP'de iki modalite arasındaki çelişkili sinyalleri azaltmaya qavatkıda bulunduğu yönünde yorumlanmıştır.

Katlar arası davranış

GA için qavat bazlı R² taxminan 0.737-0.892, TCP için taxminan 0.722-0.866 aralığındadır. cDA'nın en üst qavattaki R² qiymati taxminan 0.636'ya düşmektedir; faqavat aynı qavatta mutlak xato artmamaktadır. cDA RMSE alt qavatlarda 0.149 ve 0.162 iken altıncı qavatta 0.099'a kadar gerilemektedir. Yazarlar bu nedenle üst qavattaki past R² qiymatini daha büyük mutlak xato olarak değil, hedef değişkenliğinin azalması nedeniyle R²'nin benzer xato büyüklüklerine daha hassas hale gelmesiyle açıklamaktadır.

GA xatoları üst qavatlarda bir miktar genişlemektedir; manba bunu tom yorug‘lik oynasina yakın qavatlarda güçlü doğrudan ışık ve yuqori parlaklık görüşlerinin daha keskin qamashtirish alanları oluşturmasıyla munosabatlendirir. cDA ise alt qavatlarda ko‘prik, döşeme kenarı ve derin atrium boşluğunun birleşik örtülmesi nedeniyle daha zor bashorat edilmektedir. TCP'nin alanı daha düzgün olduğundan xato dağılımı genellikle daha dardır.

Gerçek–Tahmin–Fark xaritaları ne gösteriyor?

Kaynağın çok sayıda tam boyutlu ek görselinde her qavat için üç satır halinde GA, cDA ve TCP; sütunlarda ise fizikaga asoslangan haqiqiy qiymat, PVFS bashorati ve farq xaritası gösterilmektedir. Haritalar PVFS'nin ana sıcak/soğuk zona yapısını ve gradyan yönünü çoğu homojen zonade koruduğunu ko‘rsatadi. Bununla birlikte farqların ochiqlik kenarları, ko‘prik soyaleri, döşeme köşeleri ve ani aydınlık-karanlık geçişlerinde yoğunlaştığı açıkça görülmektedir.

Temsilî test örneklerinde cDA'nın bazı alt qavat zonalerinde kunduzgi yorug‘lik penetrasyonu fazla bashorat edilebilmekte, bazı GA qamashtirish bantları ise mekânsal olarak yumuşatılmakta veya hafifçe kaydırılabilmektedir. Bu xato imzası rastgele bir model gürültüsünden çok, keskin geometrikaa chegaraların surrogate tarafından daha zor yeniden oluşturulduğunu göstermektedir.

Held-out xato tabakalandırması

Daha sonraki held-out-only analizde manba, GA için MAE 0.046, cDA için MAE 0.107 ve TCP için MAE 0.037 raporlamaktadır. cDA için RMSE 0.187 olarak ma’lumotlmektedir. Cepheye komşu nuqtaların cDA xatosı MAE 0.136 ve P90 0.377 ile en yuqori grup olarak raporlanırken atrium kenarı 0.102, ko‘prik etkisindeki nuqtalar 0.088 ve iç referans nuqtaları 0.114 MAE qiymatine sahiptir.

Bu bölümdeki cDA MAE/RMSE qiymatlari, önceki genel test xato tablosunda ma’lumotlen 0.076/0.130 qiymatlarinden belirgin biçimde farqlıdır. Kaynak her iki analizi de dizayn bazlı held-out test kontekstıyla munosabatlendirdiği için bu farqın alt örneklem, yeniden hisoblash veya revizyon manbalı olup olmadığı PDF'den kesin olarak çözülememektedir. Verianla iki qiymati birleştirip yeni bir ortalama üretmemiştir.

SHAP analizi ne söylüyor?

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

GA üzerinde devora uzaklık, qavat indeksi, nuqta koordinatları, dönme açısı ve lokal ochiqlik/örtülme değişkenleri öne çıkmaktadır. cDA; xususiyatle qavat indeksi, devor uzaklığı, örtücü uzaklığı, ship aks ettirish koeffitsiyenti, yönelim, VLT ve pol aks ettirish koeffitsiyentina duyarlıdır. TCP için qavat indeksi, devor mesafesi, koordinatlar, pol aks ettirish koeffitsiyenti 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 qavat tezlashishsı ne anlama gelir?

Kaynakta raporlanan taxminan 222× tezlashish, tek bir atrium dizaynında bütün sensor nuqtaları için GA, cDA ve TCP'nin yillik fizikaga asoslangan simulyatsiyala taxminan 34 dakikada hesaplanması ile PVFS'nin voksel oluşturma, xususiyat hazırlama, model çıkarımı ve natija aktarımı dahil taxminan 9.2 saniyelik uçtan uca vaqtsinin karşılaştırılmasına asoslanadi; bu oran model o‘qitishinin xarajatini değil, eğitilmiş modelin dizayn başına qiymatlendirme vaqtsini ifodalaydi.

Kaynak tezlashish 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 taxminan 222 eder. Dolayısıyla raporlanan oran aritmetik olarak manba vaqtleriyle tutarlıdır.

Bu tezlashish, fizikaga asoslangan simulyatsiyaun gereksiz olduğu anlamına gelmez. PVFS'nin o‘qitish etiketleri zaten bu simulyatsiyalardan oluşturulmuştur. Model, pahalı simulyatsiyalardan öğrenilmiş bir yondashuv üreterek yeni dizaynları hızlı tarar; kritik veya yakuniy dizaynlar tekrar yuqori doğruluklu simulyatsiyaa gönderilir.

Haqiqiy loyiha validatsiyasi

Guangdong'daki haqiqiy bir kutubxona atriumu üzerinde yapılan dış validatsiyada PVFS, GA, cDA ve TCP'nin geniş ölçekli mekânsal organizasyonunu koruyabilmiştir. Açıklığa maruz kalan ve soyalenmiş zonaler büyük ölçüde simulyatsiya xaritalarıyla aynı yerde oluşmuştur. Bununla birlikte ara qavatlarda lokal cDA farqları ve birinci qavattaki doğu tarafında GA qamashtirish bandının yumuşatılması veya kaydırılması gibi xatolar görülmüştür.

Bu haqiqiy proje testi “her haqiqiy bina için validatsiya” değildir. Yazarlar bunu parametrikaa ma’lumot uzayından daha karmaşık yapı detaylarına kontrollü bir dış kontrol olarak ele almaktadır.

Ko‘rilmagan geometriya validatsiyasi

LHS o‘qitish mantığının dışında oluşturulan atrium geometrileri üzerinde model ana GA ve TCP gradyanlarını çoğunlukla korumuştur. Ancak xususiyatle birinci ve ikinci qavat GA xaritalarında güney taraftaki bazı chegara zonalerinin aşırı yumuşatılması veya konumsal olarak kaydırılması görülmüştür. Bu natija, transferin geniş ölçekli zonaleme açısından daha güçlü, keskin ochiqlik ve soya chegaralarında daha zayıf olduğunu göstermektedir.

Pekin iqlimi fine-tuning tajribasi

Çalışma Guangzhou tabanlı modeli yeni bir iqlime doğrudan “zero-shot” genelleme olarak sunmamıştır. Bunun yerine Pekin için 30 yeni tam simulyatsiya vakası üretilmiş; 10'u fine-tuning, 5'i validation ve 15'i mustaqil test için ishlatilgan. Point–voxel feature extraction backbone'u dondurulmuş, yalnız GA/cDA/TCP chiqish başlıkları yeniden ayarlanmıştır.

cDA yeni iqlimde de en zor hedef olarak kalmıştır; ortalama qavat bazlı MAE 0.111-0.149 aralığındadır. GA xatosı xususiyatle birinci qavatta yükselmiş ve ortalama MAE 0.125 olmuştur; üst qavatlarda ortalama GA MAE 0.025 veya daha past raporlanmıştır. TCP qavatlar boyunca daha kararlı olup ortalama MAE taxminan 0.027-0.062 aralığındadır.

Bu tajriba modelin iqlimden tamamen mustaqil olduğunu göstermez. Tersine, manba açık biçimde hedef iqlimden chegaralı sayıda yeni fizikaga asoslangan simulyatsiya kullanılarak fine-tuning yapılması gerektiğini göstermektedir.

Çalışmanın desteklediği ve desteklemediği yorumlar

Asosiy cheklovlar

PVFS ma’lumotlar to‘plami tek bir geniş faqavat kontrollü kutubxona-atriumu parametre uzayına asoslanadi. Çalışma çoklu iqlim dosyalarını, farqlı bina işlevlerini, çeşitli fasad pencere sistemlerini veya farqlı işletme programlarını ana o‘qitish ma’lumotlar to‘plaminin doğal parçası olarak içermez.

Gerçek proje ve görülmemiş geometri testleri yararlı dış kontrollerdir ancak çok projeli, önceden tanımlanmış büyük bir transfer benchmark'ının yerini tutmaz. Farklı bina tipleri veya iqlim zonaleri için daha geniş etiketli ma’lumot ve transfer-learning tajribaleri gereklidir.

Modelin en belirgin mekânsal zayıflığı ochiqlik kenarları, soya chegaraları ve geometrikaa köşelerdir. Yazarlar gelecekte boundary-focused sampling, loss reweighting, lokal refinement modelleri ve uncertainty maps foydalanishını önermektedir.

PVFS şu anda yalnız GA, cDA ve TCP üretir. Useful Daylight Illuminance (UDI) ve Annual Sunlight Exposure (ASE) gibi kunduzgi yorug‘liknın yeterliliğini ve aşırı güneş maruziyetini farqlı açılardan ölçen göstergeler henüz aynı ko‘p vazifali yapı içinde bashorat edilmemektedir.

Manba va Usul Haqida Izoh

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 mualliflar: 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 qiymatlendirmesinden 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 farqlıdır ve PDF farqlı 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 foydalanish 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 qavatkıları: 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 ma’lumot erişilebilirliği: Yüklenen PDF'nin ana metninde referanslar başlamadan önce ayrı bir competing-interest veya data-availability beyanı görünür biçimde bulunmamaktadır; bu nedenle bu alanlara manba dışı beyan eklenmemiştir.

Kaynak içi önemli editoryal/tutarlılık sorunları:

Vizual qayta chizish mosligi: Çok yuqori. Kaynağın PVFS pipeline'ı, nuqta–voksel çift kolu, ko‘p qavatli atrium kesiti, sensor feature geometrisi ve True/Pred/Diff ishlash alanları Verianla için telif açısından özgün faqavat bilimsel olarak eşqiymat şemalar halinde yeniden kurulabilir. Kaynak figürlerin piksel düzeni birebir kopyalanmamalıdır.

Verianla Live mosligi: Çok yuqori. Özellikle GA/cDA/TCP R² karşılaştırması, fizikaga asoslangan simulyatsiya–PVFS vaqt karşılaştırması, qavat bazlı xato dağılımları ve nuqta–voksel usul akışı Live Data / Live Compare / Live Process için uygundur. Kaynakta bulunmayan ara qiymat veya ishlash nuqtaları üretilmemelidir.

Temel usulsel yorum chegaraı: PVFS erta dizayn için hızlı surrogate bashorat aracıdır. Çalışmanın kendisi, yuqori gradyanlı veya chegara-dominant zonalerde yakuniy kararların fizikaga asoslangan simulyatsiyala doğrulanmasını gerekli görmektedir.