基于T-S和AIFNN的舊住宅綜合性能評價研究.pdf

1、近年來，能源與環(huán)境問題備受各方關(guān)注，建筑領(lǐng)域也與其密切相關(guān)。建筑的建設(shè)、使用、拆除等伴隨著大量的能源浪費和環(huán)境污染，其能耗約占總能耗的46％。據(jù)統(tǒng)計，我國的既有建筑面積約為560億m2，超過95%都屬于高耗能建筑。由于這些住宅幾乎沒有節(jié)能措施，且設(shè)計水平有限，其使用過程中的耗能要超過綠色建筑和新建住宅。多數(shù)也正經(jīng)歷著物質(zhì)性老化和社會性衰敗，普遍缺乏常規(guī)維護保養(yǎng)，出現(xiàn)墻面出現(xiàn)裂縫、外墻起皮破損等結(jié)構(gòu)問題，已無法滿足城市發(fā)展和居民生活需求。

2、然而，這些現(xiàn)存大量的老舊住宅，多數(shù)尚未達到使用年限仍可繼續(xù)服役，如何把握其性能的衰退程度和可利用程度，為舊住宅下一步的改造再利用提供科學指導，這是目前舊住宅研究的關(guān)鍵問題。
　　鑒于此，本文基于可持續(xù)利用理論，參考國內(nèi)外相關(guān)研究成果，結(jié)合華北地區(qū)舊住宅的性能問題，首先從技術(shù)、經(jīng)濟、社會三個維度出發(fā)，建立了包括環(huán)境與規(guī)劃、功能與空間、設(shè)備性能、結(jié)構(gòu)性能四部分的舊住宅綜合性能評價指標體系。其次，結(jié)合高木——關(guān)野推理系統(tǒng)（Takagi-

3、Sugeno簡稱T-S）和自適應(yīng)直覺模糊神經(jīng)網(wǎng)絡(luò)（Adaptive Intuitionistic Fuzzy Neural Network，簡稱AIFNN），構(gòu)建了舊住宅環(huán)境與規(guī)劃、功能與空間、設(shè)備、結(jié)構(gòu)和綜合性能評價模型。通過網(wǎng)絡(luò)訓練，確定模型最終的網(wǎng)絡(luò)映射關(guān)系，利用仿真測試，驗證其可行性。最后，選取山西太原的16個舊住宅對象進行案例研究，并與綜合加權(quán)模型進行評價對比。主要研究結(jié)論如下：
　?。?）各案例研究對象的綜合性能評價結(jié)

4、果與實際相符，模型評價較準確，同時驗證該模型是可行的。①太鋼線材廠宿舍、新店小區(qū)的綜合性能評價等級為A。意味著這些建筑的綜合性能良好，滿足現(xiàn)行住宅規(guī)范的多數(shù)要求，基本無結(jié)構(gòu)安全隱患，住區(qū)環(huán)境與規(guī)劃較合理，室內(nèi)功能與空間設(shè)計適宜，設(shè)備性能良好，滿足居民正常的生活需求。極少數(shù)構(gòu)件可能需簡單維護，但總體可繼續(xù)保留使用；②曙光苑、煤炭醫(yī)院家屬樓、晉機和平、老軍營、太原理工大學東院、省中醫(yī)學院宿舍、興安苑各小區(qū)的綜合性能評價等級為B。說明這些住宅

5、綜合性能較好，部分指標不滿足現(xiàn)行規(guī)范，局部構(gòu)件存在安全問題，但不影響居民正常生活?？赡苡猩贁?shù)需采取措施，改造難度一般，適當整建、修繕、維護等可改善建筑性能；③保險公司宿舍、桃園社區(qū)、北大街銀行宿舍、金剛堰、云路街小區(qū)的綜合性能評價等級為C。表明其綜合性能較差，勉強可滿足日常需求。多數(shù)構(gòu)件有隱患存在，應(yīng)采取措施，且可能有極少數(shù)必須立即采取，同時后期需利用擴建、改造、加固等方法進行重點改造；④南十方鐵路小區(qū)、太原理工大學西院的綜合性能評價等

6、級為D。表明這些住宅綜合性能極差，已無法滿足住戶的正常生活需求。尤其在結(jié)構(gòu)方面可能存在較大安全隱患，須立即采取措施防范補救。
　　（2）AIFNN模型和綜合加權(quán)模型均能對舊住宅綜合性能實現(xiàn)較好地評價，各組數(shù)據(jù)的評價結(jié)果基本對應(yīng)相同等級，側(cè)面驗證AIFNN模型在舊住宅性能評價方面的可行性。但9、12、15號對象的性能評分位于分級區(qū)間的邊界上下，出現(xiàn)了分數(shù)相近等級不同的結(jié)果。原因在于AIFNN模型通過直覺模糊處理，有效改善了不確定性數(shù)