建筑气候分区方法及设备技术

本申请提供了一种建筑气候分区方法及设备，该方法包括：获取多个位置数据及与每个所述位置数据对应的气象数据；对所述气象数据进行无量纲化处理，将无量纲化后的所述气象数据作为样本数据；对所述样本数据进行聚类，以得到聚类数；获取所述聚类数与伪F统计量的对应关系、所述聚类数与伪t

【技术实现步骤摘要】
建筑气候分区方法及设备
本申请涉及建筑气候分区
，具体提供一种建筑气候分区方法及设备。
技术介绍
目前，我国建筑气候分区主要考虑陆地的气候特点，将气候要素或指标的多年平均值作为一、二级指标，对气候在地域空间的分布做划分只代表了一种静态气候特征地理分布，且边界带的确定有很多人为因素，不能满足我国日益增长的海岛建筑的气候分区要求。
技术实现思路
为了解决上述技术问题至少之一，本申请提供了一种建筑气候分区方法及设备。第一方面，本申请提供了一种建筑气候分区方法，包括：获取多个位置数据及与每个所述位置数据对应的气象数据；对所述气象数据进行无量纲化处理，将无量纲化后的所述气象数据作为样本数据；对所述样本数据进行聚类，以得到聚类数；获取所述聚类数与伪F统计量的对应关系、所述聚类数与伪t2统计量的对应关系、所述聚类数与立方聚类准则的对应关系；根据所述聚类数与伪F统计量的对应关系、所述聚类数与伪t2统计量的对应关系、所述聚类数与立方聚类准则的对应关系，得到最佳聚类数；根据所述最佳聚类数和预设条件确定最终聚类数，并根据所述最终聚类数进行建筑气候分区。在一些实施例中，所述位置数据包括气象站所在的城市位置；所述气象数据包括1月平均气温、7月平均气温、7月平均相对湿度、年日平均温度≤5℃的日数、年日平均气温≥25℃的日数、最大风速以及7月平均气温日较差。在一些实施例中，所述对所述样本数据进行聚类，包括：采用欧氏距离作为所述样本数据中两个样本点间的相似性度量，利用离差平方和法计算类与类之间的距离，以完成对所述样本数据的聚类。在一些实施例中，所述根据所述聚类数与伪F统计量的对应关系、所述聚类数与伪t2统计量的对应关系、所述聚类数与立方聚类准则的对应关系，得到最佳聚类数，包括：寻找所述聚类数与所述伪F统计量的对应关系中的局部峰值，得到与该局部峰值对应的第一聚类数；寻找所述聚类数与所述立方聚类准则的对应关系中的局部峰值，得到与该局部峰值对应的第二聚类数；利用插值法将所述第一聚类数和/或第二聚类数插入所述聚类数与所述伪t2统计量的对应关系中，若所述第一聚类数和/或所述第二聚类数所对应的所述伪t2统计量小于下一个聚类数所对应的所述伪t2统计量，则将此时的聚类数作为最佳聚类数。在一些实施例中，所述根据所述聚类数与伪F统计量的对应关系、所述聚类数与伪t2统计量的对应关系、所述聚类数与立方聚类准则的对应关系，得到最佳聚类数，包括：寻找所述聚类数与所述伪F统计量的对应关系中的局部峰值，得到与该局部峰值对应的第一聚类数；寻找所述聚类数与所述立方聚类准则的对应关系中的局部峰值，得到与该局部峰值对应的第二聚类数；寻找所述聚类数与所述伪t2统计量的对应关系中的局部最小值，在所述局部最小值所对应的聚类数的下一个聚类数所对应的所述伪t2统计量较大，则将此时的聚类数作为第三聚类数；根据所述第一聚类数、所述第二聚类数、所述第三聚类数，寻找最佳聚类数。在一些实施例中，所述预设条件包括：现行标准中的建筑气候分区结果、海岛地区特殊的气候条件以及海岛地区的建筑设计要求。第二方面，本申请提供了一种建筑气候分区设备，所述设备包括：存储器，用于存储可执行程序代码；一个或多个处理器，用于读取所述存储器中存储的可执行程序代码以执行第一方面所述的建筑气候分区方法。本申请实施例提供的建筑气候分区方法、装置及设备，具有如下的有益效果：在海陆统筹区划方面，考虑海岛建筑所处特殊的气候特点，将海洋国土纳入全国区划范围；在对建筑气候特性及设计原理的深入研究基础上，充分考虑气候条件对建筑热湿传递过程、建筑热负荷等的影响，建立多要素、多层级的指标体系。综合多元数学统计分析与传统分级分区的方法，更新区划方法体系，增强区划过程的客观性、并提高区划结果的准确性。附图说明图1是本申请实施例提供的建筑气候分区方法的流程示意图。图2是本申请实施例提供的聚类数准则图。图3是本申请实施例提供的聚类分析谱系图。具体实施方式下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关申请，而非对该申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。图1是本申请实施例提供的建筑气候分区方法的流程示意图。如图1所示，该方法包括以下步骤：步骤101，获取多个位置数据及与每个位置数据对应的气象数据。其中，位置数据例如可以是气象站所在城市的位置，也可以是气象站的所在的位置。气象数据例如可以包括1月平均气温、7月平均气温、7月平均相对湿度、年日平均温度≤5℃的日数、年日平均气温≥25℃的日数、最大风速以及7月平均气温日较差。其中，最大风速为某一时间段内的最大风速，例如可以是30年内所出现过的最大的风速。下面以位置数据是气象站所在城市的位置为例来进行详细的说明。在一个具体的例子中，选取渤海、黄海、东海、南海海域的36个海岛站，以及与四大海域毗邻省份的40个陆地台站，那么获取得到的多个位置数据及与每一个位置数据对应的气象数据例如可以如表1所示：表1在这个例子中，表示1月平均气温，表示7月平均气温，d≤5表示年日平均温度≤5℃的日数，d≥25表示年日平均气温≥25℃的日数，Vmax表示最大风速，DR7表示7月平均气温日较差，RH7表示7月平均相对湿度。步骤102，对气象数据进行无量纲化处理，将无量纲化后的气象数据作为样本数据。例如，可以采用均值化的方法，对气象数据进行处理，得到无量纲化的气象数据，使得无量纲化后的气象数据平均值为1，标准差为原始气象数据的变异系数。通过将气象数据进行无量纲化的处理，能够在消除量纲和数量级影响的同时，保留原始气象数据各指标变异程度上的差异信息，从而较好的体现了原始气候数据的重要信息。在一个具体的例子中，例如对表1中的气象数据采用均值化的方法进行处理，得到如表2所示的无量纲的气象数据：表2在这个例子中，表示1月平均气温均值化后的无量纲值，表示7月平均气温均值化后的无量纲值，表示7月平均气温日较差均值化后的无量纲值，Zd≤5表示年日平均温度≤5℃的日数均值化后的无量纲值，Zd≥25表示年日平均气温≥25℃的日数均值化后的无量纲值，ZVmax表示最大风速均值化后的无量纲值，表示7月平均相对湿度均值化后的无量纲值。步骤103，对样本数据进行聚类，以得到聚类数。在本实施例中，例如可以将表2中的气象数据作为SAS(STATISTICALANALYSISSYSTEM)的输入，对气象数据进行聚类分析。在一些可选的实施例中，例如可以采用欧氏距离作为所述样本数据中两个样本点间的相似性度量，利用离差平方和法计算类与类之间的距本文档来自技高网...

【技术保护点】
1.一种建筑气候分区方法，其特征在于，包括：获取多个位置数据及与每个所述位置数据对应的气象数据；对所述气象数据进行无量纲化处理，将无量纲化后的所述气象数据作为样本数据；对所述样本数据进行聚类，以得到聚类数；获取所述聚类数与伪F统计量的对应关系、所述聚类数与伪t

【技术特征摘要】
1.一种建筑气候分区方法，其特征在于，包括：获取多个位置数据及与每个所述位置数据对应的气象数据；对所述气象数据进行无量纲化处理，将无量纲化后的所述气象数据作为样本数据；对所述样本数据进行聚类，以得到聚类数；获取所述聚类数与伪F统计量的对应关系、所述聚类数与伪t2统计量的对应关系、所述聚类数与立方聚类准则的对应关系；根据所述聚类数与伪F统计量的对应关系、所述聚类数与伪t2统计量的对应关系、所述聚类数与立方聚类准则的对应关系，得到最佳聚类数；根据所述最佳聚类数和预设条件确定最终聚类数，并根据所述最终聚类数进行建筑气候分区。2.根据权利要求1所述的方法，其特征在于，所述位置数据包括气象站所在的城市位置；所述气象数据包括1月平均气温、7月平均气温、7月平均相对湿度、年日平均温度≤5℃的日数、年日平均气温≥25℃的日数、最大风速以及7月平均气温日较差。3.根据权利要求1所述的方法，其特征在于，所述对所述样本数据进行聚类，包括：采用欧氏距离作为所述样本数据中两个样本点间的相似性度量，利用离差平方和法计算类与类之间的距离，以完成对所述样本数据的聚类。4.根据权利要求1所述的方法，其特征在于，所述根据所述聚类数与伪F统计量的对应关系、所述聚类数与伪t2统计量的对应关系、所述聚类数与立方聚类准则的对应关系，得到最佳聚类数，包括：寻找所述聚类数与所述伪F统计量的对应关系中的局部峰值，得到与该局部峰值对应的第一聚类数；寻找...

【专利技术属性】
技术研发人员：张晓静，郝梓仰，谢静超，薛鹏，刘加平，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：北京,11