A growing demand for handling uncertainties and risks in performance-driven building design decision-making has challenged conventional design methods. Thus, researchers in this field lean towards viable alternatives to using deterministic design methods, e.g., probabilistic methods. This research addresses the challenges associated with conventional methods of performance-driven building design, i.e., ignoring the existing uncertainties and lacking a systematic framework to incorporate risk assessment in building performance analysis. This research introduces a framework (BIMProbE) to integrate BIM-based parametric tools with building probabilistic performance analysis to facilitate uncertainty analysis and risk assessment in performance-based building design decision-making. A hypothetical building design scenario is used to demonstrate the application of the proposed framework. The results show that the probabilistic method leads to a different performance ranking order than the deterministic method. Also, the probabilistic method allows evaluating design options based on different risk attitudes.


翻译:因此,该领域的研究人员倾向于采用可行的替代方法,而不是使用确定性设计方法,例如概率法;这项研究处理与以业绩为驱动的建筑设计的传统方法有关的挑战,即忽视现有的不确定性,缺乏一个系统框架,将风险评估纳入建筑绩效分析;这项研究提出了一个框架(BIMProbE),将基于BIM的参数工具与基于BIM的概率性绩效分析结合起来,以便利在基于业绩的建筑设计决策中进行不确定性分析和风险评估;利用假设性建筑设计设想来展示拟议框架的应用;结果显示,概率法导致业绩排序顺序不同于确定性方法;此外,根据不同风险态度评价设计选项,概率法也允许根据不同风险态度评价设计选项。

0
下载
关闭预览

相关内容

Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
【陈天奇】TVM:端到端自动深度学习编译器,244页ppt
专知会员服务
86+阅读 · 2020年5月11日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
LibRec 精选:AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19日
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
计算机 | CCF推荐期刊专刊信息5条
Call4Papers
3+阅读 · 2019年4月10日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
人工智能 | SCI期刊专刊信息3条
Call4Papers
5+阅读 · 2019年1月10日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
Metrics for Explainable AI: Challenges and Prospects
Arxiv
4+阅读 · 2018年12月11日
VIP会员
相关资讯
LibRec 精选:AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19日
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
计算机 | CCF推荐期刊专刊信息5条
Call4Papers
3+阅读 · 2019年4月10日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
人工智能 | SCI期刊专刊信息3条
Call4Papers
5+阅读 · 2019年1月10日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
Top
微信扫码咨询专知VIP会员