数据挖掘技术在建筑设计中的应用与研究

庄敬宜，张磊

（1.吉林建筑科技学院；2.华润置地(长春)有限公司）

1 引言

目前，建筑的技术性能要求优先等级已经超过传统的建筑强度和刚度等性能，因此，建筑设计阶段的要求从整体结构向综合技术性能需求转变。在建筑设计阶段，为了缓解城市人口膨胀所引发的住房危机，建筑规模和建筑结构变得日益复杂化，将数据挖掘技术引入建筑设计中，可提高建筑性能，流程如图1。

图1 建筑数据挖掘流程

2 建筑结构选型中的数据挖掘技术

2.1 基于知识的专家系统

数据挖掘技术所涉及的专业领域十分广泛，其中人工智能专家系统是基于现有的建筑知识，对具体建筑问题展开分析推理的智能计算机程序，在系统知识库中储存众多的专业知识，能够针对具体问题展开精准的逻辑判断。专家系统在我国建筑行业中的应用研究起步较晚，在应用过程中存在许多不足之处，当前的专家知识内容是研究人员和技术人员经过长期的建筑选型实践所积累的知识，具有较强的主观性，缺乏统一的系统结构，知识获取十分困难，会影响最终的选型结果可信度。模糊推理技术无法完全反映出在选型问题解决过程中的实际推理过程，导致一系列推理活动无法在系统网络中得到充分反馈。因此，迫切需要提高专家系统在选型问题中的决策思考灵活性，提供丰富多彩的问题解决方案，优化专家系统的分析性能提高适用范围，专家系统在建筑结构选型中通过现有的数据信息，提供相应的求解知识，是数据挖掘的重要途径。

2.2 实例推理技术的应用

实例推理技术在建筑结构选型过程中的有效应用，需要提供充足的案例数据作为参考，通过对比与联想的方式解决建筑设计中的选型问题，在专家系统数据库中进行实例检索和修改。目前该技术在圆柱与棱柱建筑工艺规划中发挥着重要作用，能够在设计阶段进行材料选择和系统检查，通过实例推理系统解决建筑设计规划存在的主要问题，在建筑方案研发和建筑材料产品报价、工艺设计等多个领域分别进行应用。该技术会受到数据库中实例数量和质量的影响，需要通过数据挖掘获取大量的实例和设计资料，能够自动进行数据整理，分析资料中存在的缺点和不足，在后续建筑设计阶段进行有效解决。利用数据检索机制，从工程数据库中找出与选型问题相类似的实例，通过系统检索扩大应用范围，建立建筑模型分析实例应用效果。

2.3 数据挖掘与实例库、知识库

数据挖掘包含机器学习、统计学、知识获取、专家系统等多个领域的专业知识，其主要功能包括数据信息的管理与分析，数据获取流程的全面管控以及最终发展决策的制定与完善。数据挖掘是从数据库中获取大量的数据依据进行知识探讨，数据挖掘是知识发现的过程，处理过程十分复杂，要求各个工作环节之间相互影响，呈现出螺旋上升的发展趋势，数据挖掘的主要任务可以分为描述性数据挖掘和预测性数据挖掘。数据库技术、人工智能技术和数理统计技术都是数据挖掘过程不可或缺的关键技术，能够将预测性、关联性、差异性的数据信息整合到一起，满足不同用户的使用需求，在建筑结构选型阶段能够将数据信息输送到专家系统知识库和实例库，提高建筑结构选型结果的准确性。

3 建筑性能优化中的数据挖掘技术

3.1 建筑系统性能诊断与优化框架

数据挖掘技术在建筑系统性能优化以及故障诊断的过程中发挥着重要作用，前期工作通过大量的数据挖掘技巧和算法应用，归纳总结出当前的建筑运行数据，通过机器学习技术的有效应用，制定出系统的建筑性能诊断与优化方案。建立数据分析模型选择合适的参数输入量，保证最终预测结果的准确性，结合当前建筑运行数据内容的主要特点，选择合适的数据挖掘算法，通过专业知识的有效应用，了解每天建筑运行消耗的能源量，分析建筑在使用阶段不同时段的主要特征。通过数据提取的方式获取数据系统性能参数，运用聚类分析建筑的常规运行模式，通过数据挖掘建立适应性较强的分析框架，结合建筑性能诊断过程中所积累的工作经验，利用多样的数据挖掘技巧剖析建筑运行潜在的数据价值。

3.2 建筑系统性能监测及评估策略

在进行建筑系统性能检测与评估的过程中，需要进行量化关联性分析，运用合数据挖掘工具，了解当前建筑运行阶段所存在的数据知识内容。挖掘数据子集中存在的量化关系，在后续监测及评估处理阶段，通过数据计算获取提升值方差记录的关系法则，通过专业知识检测合理性。建立决策树，进行后期数据分析处理，输入建筑数据中的性能变量，分析在不同时间段建筑工作消耗的能源，并对室内环境进行综合检测。在建筑设计阶段，建筑系统性能是衡量建筑建设质量的重要参考依据。通过建筑系统性能诊断与优化框架、监测与评估策略，了解建筑工作过程中产生的能源损耗，通过自动化系统提供丰富的建筑数据，采用数据分析技术进行统一整理，得到可靠的分析结果，发挥数据挖掘技术所具有的数据处理潜力，分析建筑设计方案存在的问题和不足。

3.3 建筑运行数据处理流程

许多数据来源于仿真软件，通过互联网自动化系统，在建筑物中安装传感器，测量建筑在不同时段、不同季节的温度和湿度变化。在数据处理阶段为了保证数据的整体质量，需要进行预处理，清除异常数据，填补缺失数据，提高数据的精准度，设定阙值，完成异常数据过滤，通过数据验证进行数据信息的识别与分类，全面提高数据质量。了解数据均值、极值等基础特征，保证数据处理模型的精度，数据建模分析能够保障参考数据的理想化、简单化、实用性，通过数据分类、数据预测进行建筑需求预测和能效评估。通过大数据调整大量连接节点，实现对庞大数据信息的统一处理，在数据挖掘中心进行数据可视化处理，将来源于图像的外界信息以图表的形式展现出来，实现多维数据的可视化呈现，分析变化趋势和变量之间的相互关系。

4 建筑结构设计中的数据挖掘技术

4.1 工程数据库

工程数据库服务于终端用户，储存在建筑设计阶段，涉及各类产品图形和图像信息，将建筑材料与施工产品进行有效结合，生成二维立体图像和三维动态图像，实现对工程设计流程的统一数据管理。文字数据包括材料、产品的基础信息，建筑材质公差以及建筑表面的粗糙程度等，通过数据了解建筑设计的整体构造，通过材料与部件之间的组合应用，采用科学的装配关系进行数据分析，提供工程建设所需要的资源数据和设备数据，优化加工工艺。工程数据类型多样化、数据含量较大，并具有复杂的系统结构，工程数据库管理系统能够自动根据建筑设计需求生成与检索丰富的图形文字数据内容，统一完成用户设计事务的整理，并提供工程数据库程序设计接口，为软件数据调用提供便利。工程数据库系统的主要特点是能够根据复杂的数据类型和数据结构，对数据模式进行动态化定义，为了更好的满足数据管理需求，需要应用系统之间实现数据共享。

4.2 建筑设计图库

建筑设计过程中的图形数据信息十分重要，为保证建筑施工的合理性，需要进行图库规划，与建筑设计相关的图形数据作为建筑图纸绘制的重要参考，通过图形扫描仪将图形储存在计算机系统中，并标注好工程编号、图纸目录和基础图片信息。在建设施工过程中，按照结构布置图了解建筑的构图结构进行空间布局调整，同时要对建筑设计过程中涉及到的平面形状、建筑尺寸、建筑功能等基本参数特征进行有效展示，完善工程图纸中的各项数据参数。

4.3 数据挖掘系统功能

根据建筑设计的根本要求，按照软件工程的内在思想，运用数据挖掘技术进行需求分析，将系统功能分为数据查询、数据统计、数据挖掘、数据维护和数据管理等多个环节。

1）数据查询

根据系统构成原理参考多项同步查询的方式，获取建筑结构设计中需要的各项参数，以单个条件作为查询依据，实现多个条件之间的组合查询，通过用户查询信息的输出，降低用户重复操作，简化程序设计流程。传统的数据查询方式只支持原始字段的查询，数据挖掘技术能够在不同的数据库层次进行知识规则挖掘。

2）数据统计

数据统计模块设计需要在专家系统下进行，提取出建筑结构设计所蕴含的数据信息，利用不同图像表达方式进行充分展现，让最终的统计结果变得更加直观，通过数据显示分析建筑主体结构类型。

3）数据挖掘

数据挖掘系统的核心模块针对建筑工程的整体结构类型，通过专家的反复论证，确定选取字段展开数据挖掘。例如，建筑主体的整体高度、建筑主体的层数、长宽高等基础数值、场地的基本类型、建筑主体的功能特点等。

4）数据维护

由工作人员进行数据增加、删除和更改等基础操作，由于数据库中含有复杂的表关系，需要通过多表操作的形式，按照一定顺序完成数据维护。

5 结语

城市建筑设计在保证建筑基本刚度的同时，满足防灾减灾和内部动力需求，全面提高现代化新型建筑的审美价值，创造更高的经济社会、环境收益，通过数据挖掘技术了解人们的建筑结构性能需求，在建筑设计阶段运用新材料和新技术，实现内部空间布局的多样化。在建筑选型阶段通过数据分析，明确当前人们的审美需求，要求建筑设计人员通过数据挖掘技术，获取丰富的设计经验，通过结构布局调整突破传统设计经验的限制，满足新时代建筑设计的需求，全面提高建筑设计质量和施工效率。