摘要：对既有建筑进行节能改造是减少建筑业能源消耗和碳排放的重要策略之一,提出了BP神经网络与蒙特卡洛-非支配排序遗传算法(Monte Carlo-non-dominated ranking genetic algorithm,MC-NSGAⅢ)相结合的多目标优化方法,对建筑围护结构改造参数进行优化设计。基于DesignBuilder软件进行建筑性能模拟,得到样本数据集;利用BP神经网络学习数据集,建立建筑围护结构与性能指标之间的预测模型,作为各个目标的适应度函数;利用蒙特卡洛方法对交叉概率和变异概率进行不确定性分析,建立MC-NSGAⅢ多目标优化模型,得到Pareto最优解集;最后利用理想点法找到围护结构设计参数的最优组合。以科教综合楼为例,验证了该方法的可行性和有效性。结果表明,提出的方法可在多种改造设计方案中找到一个综合权衡的最优方案,研究结果可为建筑改造规划与设计提供参考。

摘要：随着社会发展的需求,传统工程管理模式难以适应建筑项目日益增长的复杂性。神经工程管理是一门结合了脑神经科学、认知心理学、管理学等学科交叉的新兴领域,为提升工程决策的质量和效率,控制安全风险,优化人机协作提供了全新的视角和方法。对建筑业神经工程管理研究现状进行了系统性评述,重点关注工程安全管理、职业健康、建筑景观设计、建筑环境感知以及人机协同管理这五个关键研究方向。同时,从多角度深入分析了该领域存在的主要挑战,体现为跨学科理论框架缺乏,研究方法适用性不高,无意识认知处理机制探究匮乏,以及潜在工程伦理和法律风险高。对未来的发展趋势进行了展望,旨在为进一步研究提供参考和启发。