建筑节能领域知识体系建构

王萌萌，管理学博士，西安建筑科技大学管理学院助理教授，美国伊利诺伊州立大学访问学者。主要从事建筑节能领域知识挖掘与知识发现研究，对于建筑节能体系的构建有着自己的研究基础和见解，文笔能力较强，针对该领域的研究能够持续、专注，发表多篇相关研究成果并在核心期刊发表。依托于西安建筑科技大学的研究平台，针对建筑节能问题，特别建筑节能的文献研究、内涵挖局，展开了长时间的研究和探讨，日后对持续出版建筑节能理论研究的相关出版物。

1.1研究背景

互联网、移动商务、社交网络、云计算等信息化技术的飞速发展造成了各行各业数据的过量和信息的爆炸式增长，人们已经很难找到没有数据产生的人类活动区域。大量的数据不断在人类活动中生成并存储于各领域的专业数据集中，促使领域人员不断探寻对于可用数据的有效分析。此种形势下大数据的理念应运而生，大数据通常是指海量的、不断动态更新和补充的、不同数据类型和不同数据来源的数据。早在2003年，Google、Yahoo和其他一些高科技公司就开始将大数据用于业务数据分析，针对数据集中大型、多样、分布式和异构数据的分析、管理、可视化来提取有用的信息。因此，大数据分析提供了对复杂世界的细粒度理解，也提供了从数据稀缺研究向数据丰富研究转变的可能性。目前大数据分析已应用于医学、金融、经济学、工程学等各个领域，并为聚类、分类、统计和视觉分析等不同的大数据研究任务开发了不同的方法。作为最具影响力的新兴技术之一，大数据分析及其相关应用为信息技术的发展提供原动力，并在当今互联互通的世界中极大地重塑着现代社会各领域的思维和行为方式。面对各行各业所产生的大数据，人们迫切需要功能强大且通用的工具，来帮助我们从海量数据中发现有价值的信息，并把这些信息转化为有组织的知识。以人工智能（AI）和统计分析为基础的数据挖掘正是实现这一目标的有力工具。数据挖掘技术是在对海量且复杂数据处理的基础上，来提取出数据所隐含的潜在有用知识，进而实现对蕴含于数据背后的事物内在机理与本质规律的揭示，达到发现新知识的目的。与传统基于小样本反映整体现象的数理推理统计不同的是，数据挖掘则依靠计算机计算能力的不断强大来对尽可能完整的全数据进行基本统计分析。数据挖掘的概念最早是在1995年的美国计算机年会（ACM）上提出的，目前包括了数据的准备、数据的清洗和选择、数据挖掘算法的开发和应用以及结合适当先验知识的结果分析等流程。挖掘方法则在研究和发展中不断将各种学科领域的知识、技术和研究成果融入其中，包括了来自统计学、人工智能、机器学习、模式识别、可视化技术等领域的方法。麻省理工学院评论认为数据挖掘将是改变世界的十大新兴技术之一。能源的使用极大地提高了人类的发展速度，是现代社会赖以快速发展的基石。纵观人类社会历史中所有的重大变革，都源于对能源不断地认识和加以利用。随着各类新技术、新发明的推陈出新，人类消耗的能源日益增长，社会文明也达到了一个前所未有的高度。但与此同时，我们也看到人类对能源的过度消耗所造成的石油、化石燃料等资源的枯竭，还引发全球气候变化和环境问题，包括温室气体排放的加剧及由此所带来的气温上升、洪水泛滥、水资源减少、对人类健康的危害和生物多样性的减少等问题。根据国际能源机构的报告，由能源消费所引起的二氧化碳排放量相当于全球总排放量的2/3，而这些排放水平在过去几年里仍然在持续增加。人类对能源的过度消费不仅对环境产生了巨大的影响，低效率的能源利用还极大地制约着世界经济的发展，例如能源价格的上涨、为修复环境所付出的巨大经济代价等。因此，要解决与能源消耗有关的气候问题，有效行动的发展就变得越来越重要，而提高能源使用效率、开发可再生能源则被视为降低能耗和二氧化碳排放的主要策略。能源的过度使用会对社会、经济和环境造成重大影响。建筑业作为仅次于工业和运输业的世界第三大能源消费行业，所消耗的能源约占全球总能源需求的40%，所产生的二氧化碳排放占到全球总排放量的50%。根据国际能源署最新的统计数据，2018年居住建筑和商业建筑消耗了世界一次能源供应总量的18.46%，建筑业则从建筑物生产到报废的全生命周期中消费了全球一次能源供应总量的39.74%。若不采取有效的节能措施，估计未来几十年建筑物的能源消费仍将继续增长，预计到2050年能源需求将会增加到现在的50%。由此可见建筑节能是降低能源需求、缓解环境压力的必要措施，并得到各国政府的高度重视。欧盟在2010年颁布《建筑能效指令》，要求各成员国在2020年12月31日前，所有新建建筑达到近零能耗目标。美国政府则设定到2050年所有商业建筑实现零能耗。中国为应对日益增长的能耗需求，颁布了许多建筑节能政策，特别是建筑能效标准（BEES）的制定与实