2024建筑全生命周期碳排放大數(shù)據(jù)AI監(jiān)測(cè)管理標(biāo)準(zhǔn)

建筑全生命周期碳排放大數(shù)據(jù)AI監(jiān)測(cè)管理標(biāo)準(zhǔn)2024PAGEPAGE2目次總 則 1術(shù)語和符號(hào) 1術(shù)語 1符號(hào) 2基本規(guī)定 3體系架構(gòu)與組成模塊 5一般規(guī)定 5系統(tǒng)設(shè)計(jì) 5大系統(tǒng)構(gòu)建 6AI云平臺(tái)、邊緣智算裝置及數(shù)智引擎 8一般規(guī)定 8AI云平臺(tái) 8邊緣智算裝置 8專業(yè)大數(shù)據(jù) 10一般規(guī)定 10數(shù)據(jù)采集 10數(shù)據(jù)處理 10數(shù)據(jù)入表入庫 10數(shù)據(jù)資產(chǎn)化管理 11機(jī)器學(xué)習(xí)算法應(yīng)用 12一般規(guī)定 12大數(shù)據(jù)數(shù)理統(tǒng)計(jì)分析 12圖像視頻數(shù)據(jù)AI處理 12語音數(shù)據(jù)AI識(shí)別 14多模態(tài)機(jī)器學(xué)習(xí) 14深度學(xué)習(xí) 15AI大模型 16用詞說明 18附：條文說明 19ContentsGeneralprovision 1andsymbols 11Symbols 2Basicregulations 3Architectureandcompositionmodule 5Generalrequirements 5systemdesign 5Constructionoflargesystem 6AIcloudplatform,edgeintelligentcomputingdeviceanddigitalintelligenceengine 8Generalrequirements 8AIcloudplatform 8Edgeintelligentcomputingdevice 8Professionalbigdata 10Generalrequirements 10Dataacquisition 10Dataprocessing 10Dataintothetablestorage 10Dataassetsmanagerment Applicationofmachinelearningalgorithm 12Generalrequirements 12Statisticalanalysisofbigdata 12ImageandvideodataAIprocessing 12SpeechdataAIrecognition 14MultimodalMachineLearning 14Deeplearning 15AIbigmodel 16Explanationofwording 18Addition:ExplanationofProvisions 19111總則為規(guī)范基于大數(shù)據(jù)AI的建筑碳排放計(jì)算技術(shù)應(yīng)用，提升建筑節(jié)能水平，制定本標(biāo)準(zhǔn)。本標(biāo)準(zhǔn)適用于相關(guān)管理部門、第三方機(jī)構(gòu)開展的涵蓋建筑全生命周期的碳排放監(jiān)測(cè)、計(jì)量、管理。能技術(shù)與方法，宜遵守本標(biāo)準(zhǔn)。建筑全生命周期碳排放大數(shù)據(jù)AI現(xiàn)行有關(guān)標(biāo)準(zhǔn)和現(xiàn)行中國工程建設(shè)標(biāo)準(zhǔn)化協(xié)會(huì)有關(guān)標(biāo)準(zhǔn)的規(guī)定術(shù)語和符號(hào)術(shù)語lifecycleassessment是一種對(duì)產(chǎn)品、工藝或活動(dòng)的全過程，包括原材料開采、產(chǎn)品生產(chǎn)、運(yùn)輸、使用、廢棄物處置，所消耗的資源以及污染物排放造成的潛在環(huán)境影響等進(jìn)行量化評(píng)價(jià)的系統(tǒng)分析方法。建筑全生命周期碳排放大數(shù)據(jù)AI監(jiān)測(cè)管理系統(tǒng)buildinglife-cyclecarbonemissionsbigdataAImonitoringmanagementsystem一種面向建筑碳排放量化計(jì)算、智能監(jiān)測(cè)及智慧管理的智能化數(shù)字系統(tǒng)。該系統(tǒng)以數(shù)據(jù)為線索建立建筑全生命周期碳足跡監(jiān)測(cè)模型，以機(jī)器學(xué)習(xí)系統(tǒng)為核心建立建筑全生命周期碳分析與碳管控模型。建筑碳排放數(shù)智引擎smartengineforbuildingcarbonemissions是指建筑碳排放監(jiān)測(cè)管理系統(tǒng)的數(shù)據(jù)技術(shù)模塊集合加人工智能技術(shù)模塊集合，為建筑碳排放監(jiān)測(cè)管理應(yīng)用系統(tǒng)提供數(shù)據(jù)工具、智能工具、知識(shí)素材、計(jì)算方法等，是一個(gè)公共技術(shù)庫。multi-modalmachinelearning通過機(jī)器學(xué)習(xí)理解并處理多種模態(tài)信息，具體處理方法包括：多模態(tài)表示學(xué)習(xí)（multimodalrepresentation）（translation）fusion），協(xié)同學(xué)習(xí)（co-learning）。multi-modalfusion是指綜合來自兩個(gè)或多個(gè)模態(tài)的信息以進(jìn)行智能計(jì)算的過程，它在多源信息融合（multi-sourceinformationfusion）、多傳感器融合（multi-sensorfusion）的基礎(chǔ)上進(jìn)性。PAGEPAGE10符號(hào)數(shù)理統(tǒng)計(jì)算法x2xk——非隨機(jī)變量；y——隨機(jī)因變量；0,...,k——回歸系數(shù)；——隨機(jī)誤差項(xiàng)。圖像識(shí)別M(k)——第k幀的運(yùn)動(dòng)量；Lx(i,j,k)——k幀像素點(diǎn)(i,j)X的分量；Ly(i,j,k)——k幀像素點(diǎn)(i,j)y的分量。2.2.3AI大模型??——對(duì)x和響應(yīng)y的標(biāo)量分?jǐn)?shù)輸出；θ——模型權(quán)重；σ——logisticsigmoid函數(shù)，作用是把層輸出轉(zhuǎn)換為0-1之間的分?jǐn)?shù)；m(r)——偏好評(píng)級(jí)的離散函數(shù)；yc——人類標(biāo)注者選擇的偏好響應(yīng)；yr——人類標(biāo)注者選擇的被拒響應(yīng)?；疽?guī)定1做到建筑全生命周期碳數(shù)據(jù)全面精準(zhǔn)采集；做到建筑全生命周期碳數(shù)據(jù)安全互聯(lián)互通；強(qiáng)化數(shù)智技術(shù)在建筑節(jié)能領(lǐng)域的集成應(yīng)用；測(cè)、管理、治理體系；以數(shù)據(jù)為線索建立建筑全生命周期碳足跡監(jiān)測(cè)模型；以機(jī)器學(xué)習(xí)系統(tǒng)為核心建立建筑全生命周期碳分析與碳管控模型；析、可視化展示及價(jià)值萃??；堅(jiān)持以人為本、服務(wù)民生的發(fā)展理念，使建筑碳大數(shù)據(jù)產(chǎn)生更多衍生服務(wù)；堅(jiān)持技術(shù)自主、安全可靠的創(chuàng)新觀念，兼顧信息技術(shù)發(fā)展與信息技術(shù)安全；新技術(shù)應(yīng)用、風(fēng)險(xiǎn)測(cè)評(píng)等多個(gè)維度構(gòu)建大范圍聯(lián)動(dòng)的建筑全生命周期碳排放數(shù)據(jù)智能體系；切實(shí)發(fā)揮碳大數(shù)據(jù)對(duì)城市治理、城市發(fā)展、政府治理、經(jīng)濟(jì)轉(zhuǎn)型、公共服務(wù)的支撐作用，突出綠色建筑大數(shù)據(jù)和綠色建筑人工智能的戰(zhàn)略地位。基于生命周期評(píng)價(jià)概念和理論界定建筑全生命周期邊界，構(gòu)建建筑全生命周期系統(tǒng)模型。宜符合下列規(guī)定：5生產(chǎn)、建筑產(chǎn)品運(yùn)輸、建筑產(chǎn)品應(yīng)用、建筑產(chǎn)品廢棄處置；6建筑設(shè)計(jì)、建筑施工、建筑運(yùn)維、建筑報(bào)廢；NM*N建筑碳排放智能計(jì)算應(yīng)選擇上述三種視角中的一種技術(shù)路線進(jìn)行展開計(jì)算。建筑全生命周期碳排放大數(shù)據(jù)AI以及污染物排放造成的潛在環(huán)境影響等進(jìn)行量化的測(cè)量、計(jì)算、分析、診斷、控制、管理。體系架構(gòu)與組成模塊一般規(guī)定建筑全生命周期碳排放大數(shù)據(jù)AI一體化的融合體，應(yīng)梳理清晰建筑產(chǎn)業(yè)業(yè)務(wù)領(lǐng)域體系和數(shù)據(jù)智能理論技術(shù)體系，再進(jìn)行有機(jī)融合?？傮w框架設(shè)計(jì)宜深刻認(rèn)識(shí)大數(shù)據(jù)、人工智能等新一代信息技術(shù)發(fā)展規(guī)律和重大作用，準(zhǔn)確把握新時(shí)代綠色建筑工作面臨的新使命、新?lián)?dāng)、新任務(wù)，創(chuàng)新開發(fā)現(xiàn)代綠色建筑前沿技術(shù)，積極構(gòu)建綠色建筑大數(shù)據(jù)智能現(xiàn)代商業(yè)模式，全面提升建筑能源應(yīng)用場景智能化應(yīng)用水平。應(yīng)按照戰(zhàn)略規(guī)劃、需求分析、創(chuàng)新設(shè)計(jì)、技術(shù)落地、應(yīng)用驗(yàn)證、評(píng)估反饋六位一體閉環(huán)方法進(jìn)行總體框架設(shè)計(jì)。應(yīng)構(gòu)建一體化建筑碳排放數(shù)據(jù)智能域，并在域內(nèi)開展建筑碳排放的精準(zhǔn)采集、計(jì)算、核查、分析等工作。系統(tǒng)設(shè)計(jì)AI1周期碳排放監(jiān)測(cè)網(wǎng)絡(luò)層；建筑全生命周期碳排放監(jiān)測(cè)管理平臺(tái)層。2層級(jí)框架（圖4.2.1）。圖4.2.1建筑全生命周期碳排放監(jiān)測(cè)管理系統(tǒng)層級(jí)框架示意圖建筑全生命周期碳排放大數(shù)據(jù)AI下列規(guī)定：建筑碳排放數(shù)智計(jì)算技術(shù)總體框架宜采用“四橫兩縱一目標(biāo)”（“4+2+1”）塊化系統(tǒng)集成模式。建筑全生命周期碳排放大數(shù)據(jù)AI（4.2.2：圖2.2.2建筑全生命周期碳排放大數(shù)據(jù)AI監(jiān)測(cè)管理系統(tǒng)體系架構(gòu)示意圖大系統(tǒng)構(gòu)建大范圍建筑全生命周期碳排放大數(shù)據(jù)AI-端”三級(jí)系統(tǒng)集成技術(shù)架構(gòu)。應(yīng)符合下列技術(shù)規(guī)定：放系統(tǒng)的統(tǒng)一管理與全局控制功能；就地實(shí)時(shí)感知控制功能；“端”部署建筑碳數(shù)據(jù)采集裝置與執(zhí)行機(jī)構(gòu)，實(shí)現(xiàn)建筑物聯(lián)網(wǎng)末端感知功能；（一主一備方式；并加強(qiáng)邊緣端大數(shù)據(jù)和人工智能計(jì)算處理及應(yīng)用能力。城市建筑全生命周期碳排放大數(shù)據(jù)AI1活碳大數(shù)據(jù)智能中心體系，通過數(shù)據(jù)連接匯聚形成“集中-分布”格局的全國建筑碳大數(shù)據(jù)智能統(tǒng)一資源體系，為建筑碳大數(shù)據(jù)交易與服務(wù)提供數(shù)字基建基座；2臺(tái)系統(tǒng)集成建立區(qū)域互聯(lián)共享的全國一體化建筑碳排放大數(shù)據(jù)基礎(chǔ)設(shè)施體系及全國分級(jí)分布式建筑碳排放大數(shù)據(jù)資源共享交換體系。AI一般規(guī)定通思維。系統(tǒng)應(yīng)具備信息安全前提下的設(shè)施、設(shè)備、人的數(shù)據(jù)全面互聯(lián)共享能力。法性、實(shí)時(shí)性。系統(tǒng)應(yīng)實(shí)現(xiàn)平滑無縫的人機(jī)高效協(xié)作。系統(tǒng)應(yīng)科學(xué)核算系統(tǒng)研發(fā)、投入及使用方面的成本與性價(jià)比。AIAIAIAI云上的AI大模型負(fù)責(zé)對(duì)邊緣網(wǎng)關(guān)上傳的能源環(huán)境大數(shù)據(jù)進(jìn)行分析、訓(xùn)練、學(xué)習(xí)；AI大模AIAIAIAI緣網(wǎng)關(guān)、邊緣傳感檢測(cè)裝置、邊緣智腦服務(wù)器。應(yīng)在建筑碳排放監(jiān)測(cè)管理系統(tǒng)管理平臺(tái)部署云端數(shù)智能引擎。邊緣智算裝置應(yīng)在建筑碳排放監(jiān)測(cè)管理系統(tǒng)邊緣計(jì)算中心部署邊緣智算裝置。建筑碳排放監(jiān)測(cè)管理系統(tǒng)邊緣智算裝置的軟件核心組件應(yīng)是邊緣端數(shù)智引擎。圖形圖像芯片、語言語音智能芯片、數(shù)據(jù)采集電路、開關(guān)器件、集成電路等。建筑碳排放監(jiān)測(cè)管理系統(tǒng)云平臺(tái)及其中包含的數(shù)智引擎設(shè)計(jì)方法應(yīng)按圖5.3.5示：圖5.3.5建筑碳排放云平臺(tái)及其數(shù)智引擎示意圖專業(yè)大數(shù)據(jù)一般規(guī)定應(yīng)構(gòu)建建筑全生命周期能源環(huán)境專業(yè)型大數(shù)據(jù)體系。應(yīng)自成一體、形成閉環(huán)。并對(duì)大數(shù)據(jù)安全負(fù)責(zé)。數(shù)據(jù)采集建筑全生命周期能源環(huán)境專業(yè)型大數(shù)據(jù)應(yīng)通過安全的傳感器及檢測(cè)儀器儀表采集。建筑全生命周期能源環(huán)境專業(yè)型大數(shù)據(jù)的數(shù)據(jù)源應(yīng)真實(shí)、可信、精準(zhǔn)。授權(quán)下采集、匯聚、存儲(chǔ)。數(shù)據(jù)處理采集后的建筑全生命周期能源環(huán)境專業(yè)型大數(shù)據(jù)應(yīng)由專業(yè)技術(shù)人員實(shí)施數(shù)據(jù)處理。預(yù)處理等。經(jīng)過數(shù)據(jù)處理加工后的建筑全生命周期能源環(huán)境專業(yè)型大數(shù)據(jù)應(yīng)視為高質(zhì)量數(shù)據(jù)集，后續(xù)的人工智能處理流程均建立在此數(shù)據(jù)集之上。數(shù)據(jù)入表入庫建筑全生命周期能源環(huán)境專業(yè)型大數(shù)據(jù)存應(yīng)儲(chǔ)存在專業(yè)數(shù)據(jù)庫的數(shù)據(jù)表中。建筑全生命周期能源環(huán)境專業(yè)型大數(shù)據(jù)的數(shù)據(jù)表應(yīng)根據(jù)數(shù)據(jù)采集情況和系統(tǒng)情況統(tǒng)籌規(guī)劃設(shè)計(jì)，做到數(shù)據(jù)管理責(zé)權(quán)利清晰、數(shù)據(jù)基礎(chǔ)設(shè)施不重復(fù)建設(shè)、數(shù)據(jù)不重復(fù)采集存儲(chǔ)。建筑全生命周期能源環(huán)境專業(yè)型大數(shù)據(jù)的數(shù)據(jù)庫應(yīng)由具備相關(guān)資質(zhì)的機(jī)構(gòu)和專業(yè)人員運(yùn)營維護(hù)。數(shù)據(jù)資產(chǎn)化管理使用，實(shí)現(xiàn)資產(chǎn)化管理。量、計(jì)價(jià)，實(shí)現(xiàn)數(shù)據(jù)價(jià)值的統(tǒng)一核算。建筑全生命周期能源環(huán)境專業(yè)型大數(shù)據(jù)應(yīng)首先分門別類地實(shí)現(xiàn)細(xì)分領(lǐng)域資產(chǎn)化管理，再統(tǒng)一匯聚成行業(yè)大數(shù)據(jù)的資產(chǎn)化管理。細(xì)分領(lǐng)域大數(shù)據(jù)指的是應(yīng)用場景中涉及到的專業(yè)大數(shù)據(jù)。建筑全生命周期能源環(huán)境專業(yè)型大數(shù)據(jù)的資產(chǎn)化管理策略應(yīng)包括數(shù)據(jù)的確權(quán)、授權(quán)、價(jià)值核算、流通交易、收益分配機(jī)制。應(yīng)建立服務(wù)于建筑全生命周期能源環(huán)境專業(yè)型大數(shù)據(jù)的授權(quán)運(yùn)營管理、數(shù)據(jù)合規(guī)評(píng)估、數(shù)據(jù)價(jià)值評(píng)估、數(shù)據(jù)交易、數(shù)據(jù)審計(jì)等新型數(shù)據(jù)機(jī)構(gòu)。機(jī)器學(xué)習(xí)算法應(yīng)用一般規(guī)定76.1.1應(yīng)基于機(jī)器學(xué)習(xí)通用算法模型，融合建筑能源場景，構(gòu)建建筑能源專業(yè)型AI機(jī)器學(xué)習(xí)系統(tǒng)。型和設(shè)計(jì)。應(yīng)對(duì)結(jié)構(gòu)化數(shù)據(jù)、文字、語音、視頻（圖像）筑能源機(jī)器學(xué)習(xí)系統(tǒng)設(shè)計(jì)，必要時(shí)可進(jìn)行垮模態(tài)信息融合和垮模態(tài)機(jī)器學(xué)習(xí)。型，合理選擇無監(jiān)督學(xué)習(xí)、有監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)類型的算法。大數(shù)據(jù)數(shù)理統(tǒng)計(jì)分析技術(shù)規(guī)定：則宜建立多元線性回歸模型來進(jìn)行數(shù)據(jù)分析；多元線性回歸模型通常用來描述變量y和x詳見條文(7.2.1-1)、(7.2.1-2)、(7.2.1-3)。X(7.2.1-5)(7.2.1-6)(7.2.1-7)建筑碳排放模型進(jìn)行顯著性檢驗(yàn)；第三步，對(duì)建筑碳排放模型進(jìn)行回歸診斷。圖像視頻數(shù)據(jù)AI視頻質(zhì)量診斷和圖像質(zhì)量診斷宜采用的算法及解決的問題包括下列內(nèi)容：亮度過亮異常檢測(cè)；亮度過暗異常檢測(cè)；對(duì)比度異常檢測(cè)；偏色異常檢測(cè)；清晰度異常檢測(cè)；噪聲異常檢測(cè)；抖動(dòng)異常檢測(cè)；遮擋異常檢測(cè)；場景劇變常檢測(cè)。7.3.2規(guī)定：表7.3.2圖像質(zhì)量評(píng)估數(shù)據(jù)集圖像特征提取宜采用的算法包括下列內(nèi)容：\hLBP算法(LocalBinaryPatterns,局部二值模式)；\hHOG特征提取算法（HistogramofOrientedGradient）；\hSIFT算子（Scale-invariantfeaturetransform，尺度不變特征變換）；GLCM，GLDS，LBP，GMRF，F(xiàn)D，Gabor等，可用于提取建筑碳排放圖像的紋理特征；（ColorQuantization）(Clustering)、顏色建模。常用邊緣檢測(cè)算法包括：canny算子，sobel算子，Roberts算子，Prewitt算子，拉普拉斯邊緣檢測(cè)算子。視頻關(guān)鍵幀提取宜采用的方法包括下列內(nèi)容：基于鏡頭的方法；基于運(yùn)動(dòng)分析的方法；基于視頻聚類的方法。AI建筑能源語音識(shí)別算法類型應(yīng)包括下列內(nèi)容：（DynamicTime別系統(tǒng)，需要較多的模型訓(xùn)練數(shù)據(jù)，較長的訓(xùn)練和識(shí)別時(shí)間，需要較大的內(nèi)存空間；（VQ）時(shí)間、工作存儲(chǔ)空間都很小。1建筑能源語音識(shí)別對(duì)特征參數(shù)的要求；2建筑能源語音識(shí)別常用特征提取方法；多模態(tài)機(jī)器學(xué)習(xí)數(shù)據(jù)、語音、視頻（圖像）態(tài)機(jī)器學(xué)習(xí)方法，通過機(jī)器學(xué)習(xí)理解并處理多種模態(tài)信息。1多模態(tài)表示學(xué)習(xí)；模態(tài)轉(zhuǎn)化；對(duì)齊；多模態(tài)融合；協(xié)同學(xué)習(xí)。多模態(tài)融合在預(yù)測(cè)過程中，單個(gè)模態(tài)通常不能包含產(chǎn)生精確預(yù)測(cè)結(jié)果所需的全部有效信息，多模態(tài)融合過程結(jié)合了來自兩個(gè)或多個(gè)模態(tài)的信息，應(yīng)實(shí)現(xiàn)信息補(bǔ)充，7.5.4所示流程進(jìn)行。 圖7.5.4多模態(tài)混合融合方法流程示意圖同時(shí)應(yīng)遵循對(duì)應(yīng)位置不變的融合規(guī)則（圖7.5.5）。圖7.5.5隨機(jī)化多模態(tài)混合融合方法示意圖深度學(xué)習(xí)在處理高度非線性復(fù)雜系統(tǒng)的建筑能源大數(shù)據(jù)時(shí)宜采用深度學(xué)習(xí)算法。經(jīng)網(wǎng)絡(luò)（CNN）CNN架構(gòu)——AlexNet、Clarifai、SPP、VGG、GoogleNet、FCN、U-Net等。CNN經(jīng)網(wǎng)絡(luò)架構(gòu)優(yōu)化、元學(xué)習(xí)等新理論。在處理建筑碳排放過程中的故障診斷問題時(shí)，宜采用受限玻爾茲曼機(jī)（RBM）。RBM可以組成以下深層模型：深度置信網(wǎng)絡(luò)、深度玻爾茲曼機(jī)和深能模型。適用于綠色建筑特征提取、建筑能耗大數(shù)據(jù)編碼、建筑能源大數(shù)據(jù)監(jiān)督學(xué)習(xí)的分類或回歸學(xué)習(xí)。7.6.5所示流程進(jìn)行。圖7.6.5基于深度學(xué)習(xí)的建筑碳排放大數(shù)據(jù)智能處理算法流程示意圖AlexNet7.6.6所示流程進(jìn)行。圖7.6.6基于卷積神經(jīng)網(wǎng)絡(luò)AlexNet的建筑碳排放圖像分類及污染源識(shí)別流程示意圖AI應(yīng)構(gòu)建基于建筑全生命周期能源環(huán)境專業(yè)型大數(shù)據(jù)體系的建筑能源專業(yè)AI大模型。建筑能源專業(yè)AI參數(shù)的定義根據(jù)工業(yè)控制系統(tǒng)概念。建筑能源專業(yè)AI大模型采用的算法應(yīng)主要包括下列內(nèi)容：生成式人工智能（AIGC）；LLM（largeLanguage3自然語言處理（NLP）；ChatGPT；RLHF（ReinforcementLearningfromHumanFeedback）。RLHF1初始模型訓(xùn)練；收集人類反饋；強(qiáng)化學(xué)習(xí)；過程迭代。LLM1預(yù)訓(xùn)練；監(jiān)督式微調(diào)；對(duì)齊。高級(jí)別的系列自然語言處理大模型，其訓(xùn)練獎(jiǎng)勵(lì)模型宜采用基于交叉熵的排名損失計(jì)算方法，。用詞說明為便于在執(zhí)行本標(biāo)準(zhǔn)條文時(shí)區(qū)別對(duì)待，對(duì)要求嚴(yán)格程度不同的用詞說明如下：1表示很嚴(yán)格，非這樣做不可的：正面詞采用“必須”，反面詞采用“嚴(yán)禁”；2表示嚴(yán)格，在正常情況下均應(yīng)這樣做的：正面詞采用“應(yīng)”，反面詞采用“不應(yīng)”或“不得”；3表示允許稍有選擇，在條件許可時(shí)首先應(yīng)該這樣做的：正面詞采用“宜”，反面詞采用“不宜”；表示有選擇，在一定條件下可以這樣做的，采用“可”。建筑全生命周期碳排放大數(shù)據(jù)AI監(jiān)測(cè)管理標(biāo)準(zhǔn)條文說明目次4體系架構(gòu)與組成模塊 214.2系統(tǒng)設(shè)計(jì) 217機(jī)器學(xué)習(xí)算法應(yīng)用 23大數(shù)據(jù)數(shù)理統(tǒng)計(jì)分析 23圖像視頻數(shù)據(jù)AI處理 24語音數(shù)據(jù)AI識(shí)別 307.7AI大模型 314體系架構(gòu)與組成模塊4.2系統(tǒng)設(shè)計(jì)AICO2有毒氣體、顆粒物、電流、電壓、功率等物理量的檢測(cè)與傳感；建筑全生命周期碳排4G/5GWiFiHadoop建筑全生命周期碳排放大數(shù)據(jù)AI下列規(guī)定：碳排放監(jiān)測(cè)管理平臺(tái)、建筑碳排放應(yīng)用場景?！皟煽v”模塊包括：建筑碳排放監(jiān)測(cè)管理數(shù)智安全體系、建筑碳排放監(jiān)測(cè)管理數(shù)智標(biāo)準(zhǔn)體系。“一目標(biāo)”是指建筑節(jié)能率提升。各模塊通過橫向、縱向集成模式進(jìn)行綜合集成，最終形成以建筑碳排放數(shù)智計(jì)算模型為核心的建筑碳排放大數(shù)據(jù)智能及場景應(yīng)用閉環(huán)體系。AI（IPV65G等感器、中間件。圖像方面采用OpenCV音方面采用ChatGPTPython等專業(yè)平臺(tái)工智能算法庫，知識(shí)圖譜。決策。酒店，熱網(wǎng)、水網(wǎng)、電力網(wǎng)等。其中施工工地場景的大數(shù)據(jù)AI應(yīng)用方法如下：用智能傳感器、無線傳感網(wǎng)、有線通信設(shè)施等監(jiān)測(cè)裝置及物聯(lián)網(wǎng)技術(shù)，采集施工現(xiàn)場的水能PM2.5AI監(jiān)測(cè)管理云平臺(tái)，構(gòu)建建筑工地現(xiàn)場環(huán)境監(jiān)測(cè)和用水用電管理體系，實(shí)現(xiàn)施工現(xiàn)場噪音監(jiān)測(cè)控制、揚(yáng)塵監(jiān)測(cè)自動(dòng)噴淋、污水監(jiān)測(cè)控制、節(jié)水控制、節(jié)電控制、有毒有害氣體檢測(cè)控制、用水用電智能化信息化管理等功能。準(zhǔn)、平臺(tái)標(biāo)準(zhǔn)、工具標(biāo)準(zhǔn)、算法標(biāo)準(zhǔn)、管理標(biāo)準(zhǔn)、安全標(biāo)準(zhǔn)、隱私計(jì)算標(biāo)準(zhǔn)、應(yīng)用標(biāo)準(zhǔn)。安全、數(shù)據(jù)中臺(tái)安全、零信任安全、數(shù)據(jù)防泄漏及數(shù)據(jù)安全共享、韌性感知、韌性計(jì)算、故障診斷、風(fēng)險(xiǎn)排查、安全處置。以安全技術(shù)、安全運(yùn)維和安全合規(guī)為支撐，結(jié)合組織建設(shè)、策略制定、安全測(cè)評(píng)等多重保障機(jī)制，構(gòu)建安全、可信、合規(guī)的建筑碳排放監(jiān)測(cè)管理立體縱深防御體系。7機(jī)器學(xué)習(xí)算法應(yīng)用大數(shù)據(jù)數(shù)理統(tǒng)計(jì)分析7.2.1結(jié)構(gòu)化建筑能源大數(shù)據(jù)的數(shù)理統(tǒng)計(jì)分析一般宜采用回歸分析算法。應(yīng)符合下列技術(shù)規(guī)定：多元線性回歸模型通常用來描述變量y和x算：y011...kxk

(7.2.1-1)式中：x1,x2,...,xk——非隨機(jī)變量；y——隨機(jī)因變量；0,...,k——回歸系數(shù)；——隨機(jī)誤差項(xiàng)。如果對(duì)y和x進(jìn)行了x次觀測(cè)，得到n組觀察值yi,x1i,…,xki(i=1,2,…,n),滿足下列公式：yi011...kxii模型可以定義為：yX

(7.2.1-2)(7.2.1-3)2式中，.. .nX的參數(shù)最小二乘估計(jì)應(yīng)按下列公式計(jì)算：(7.2.1-4)于是y的估計(jì)值：^ ^記殘差向量：

yx

(7.2.1-5)^ ^eyyyX隨機(jī)誤差方差2的最小二乘估計(jì)：

(7.2.1-6)^2 eTenk1

(7.2.1-7)圖像視頻數(shù)據(jù)AI視頻質(zhì)量診斷和圖像質(zhì)量診斷采用的算法及解決的問題宜包括下列內(nèi)容：亮度過亮異常檢測(cè)；起的畫面整體發(fā)白(有刺眼感），目標(biāo)物體輪廓不清晰，整體畫面過亮。度大于一定閾值，則報(bào)警。亮度過暗異常檢測(cè)；起的畫面整體偏黑，目標(biāo)物體輪廓不清晰，整體畫面過暗。度小于一定閾值，則報(bào)警。對(duì)比度異常檢測(cè)；視頻畫面整體亮度跨度范圍小、顏色飽和度低而造成的對(duì)比度異常。算法解決問題的原理：先計(jì)算圖片在灰度圖上的均值和方差，當(dāng)存在亮度異常時(shí)，（就可評(píng)估圖像是否存在對(duì)比度異常情況。偏色異常檢測(cè)；視頻中的畫面偏色。RGBYUVUV從而得出色差的偏移量。清晰度異常檢測(cè)；圖像模糊的現(xiàn)象。sobel噪聲異常檢測(cè)；現(xiàn)象描述：由于前端攝像機(jī)線路老化，傳輸故障，接觸不良，或者受到電磁干擾，所引起的視頻圖像中產(chǎn)生速切換變化的噪點(diǎn)，或細(xì)微密集網(wǎng)紋狀噪聲。16*16PSNR。抖動(dòng)異常檢測(cè)；現(xiàn)象畫面整體呈現(xiàn)周期性平移式振顫或局部范圍內(nèi)不規(guī)則視頻信號(hào)畸變。N2A2B遮擋異常檢測(cè)；造成的部分或全部視野受阻，畫面監(jiān)控信息嚴(yán)重缺失。前景進(jìn)行連通區(qū)域檢測(cè)，求得最大連通區(qū)域面積，該面積整幅圖像面積的比較即為遮擋率。場景劇變常檢測(cè)。頻畫面范圍內(nèi)存在像素塊的跳變、疊加，劇烈閃爍等不規(guī)則視頻信號(hào)畸變而造成的場景劇變。景圖像的變化量，大于設(shè)定值后，則報(bào)警。圖像特征提取宜采用的算法包括下列內(nèi)容：\hLBP算法(LocalBinaryPatterns,局部二值模式)；LBP算法步驟：16×16（cell）；cell81，0。這樣，3*388LBPcell（LBP率。然后對(duì)該直方圖進(jìn)行歸一化處理。cellLBPSVMLBP算法原理（圖7.3.3-1）：圖7.3.3-1LBP算法原理示意圖\hHOG特征提取算法（HistogramofOrientedGradient）；HOG算法通過邊緣或梯度的方向密度分布表示圖像的外觀和形狀，具有幾何和光學(xué)不變性。HOG算法步驟：將圖像灰度化（灰度）的三維圖像）；Gamma校正法對(duì)輸入圖像進(jìn)行顏色空間的標(biāo)準(zhǔn)化（歸一化）。目的是調(diào)節(jié)圖像的對(duì)比度，降低圖像局部的陰影和光照變化所造成的影響，同時(shí)可以抑制噪音的干擾；計(jì)算圖像每個(gè)像素的梯度（包括大小和方向）4）cells（66像素/cell）；cell不同梯度的個(gè)數(shù)celldescriptor；6）cellblock（33cell/block）blockcell的特征descriptor串聯(lián)起來便得到該block的HOG特征descriptor。7）imageblockHOGdescriptor串聯(lián)起來就可以得到該圖像（要檢測(cè)的目標(biāo)）HOGdescriptor。這個(gè)就是最終的可供分類使用的特征向量。\hSIFT算子（Scale-invariantfeaturetransform，尺度不變特征變換）；SIFT算子通過求一幅圖中的特征點(diǎn)及其有關(guān)尺寸和方向的描述子得到特征并進(jìn)行圖像特征點(diǎn)匹配，具有尺度不變性和旋轉(zhuǎn)不變性。SIFT算子步驟如下：檢測(cè)尺度空間極值點(diǎn)（7.3.3-2）點(diǎn)要和它所有的相鄰點(diǎn)比較，看其是否比它的圖像域和尺度域的相鄰點(diǎn)大或者小。如89×226DOG26尺度下的一個(gè)特征點(diǎn)。圖7.3.3-2尺度空間極值點(diǎn)檢測(cè)示意圖（同時(shí)去除低對(duì)比度的關(guān)鍵點(diǎn)和不穩(wěn)定的邊緣響應(yīng)點(diǎn)(DoG算子)，以增強(qiáng)匹配穩(wěn)定性、提高抗噪聲能力。一步的計(jì)算，利用關(guān)鍵點(diǎn)鄰域像素的梯度方向分布特性為每個(gè)關(guān)鍵點(diǎn)指定方向參數(shù)，使算子具備旋轉(zhuǎn)不變性。8×84×4的小塊上計(jì)算8個(gè)方向的梯度方向直方圖，繪制每個(gè)梯度方向的累加值，即可形成一個(gè)種子點(diǎn)，如圖2×248個(gè)方向向量信息。6常用邊緣檢測(cè)算法包括：canny算子，sobel算子，Roberts算子，Prewitt算子，拉普拉斯邊緣檢測(cè)算子。可在Opencv中用以下代碼實(shí)現(xiàn)基于canny的邊緣檢測(cè)：cvCanny(dst,src,50,120,3);其中，門限值[Thres1,Thres2]=50，120。實(shí)現(xiàn)效果（圖7.3.3-3）圖7.3.3-3高斯濾波前后canny邊緣檢測(cè)效果示意圖視頻關(guān)鍵幀提取宜采用的方法包括下列內(nèi)容：基于鏡頭的方法；個(gè)鏡頭中選擇首、尾兩幀作為關(guān)鍵幀。這種方法的優(yōu)點(diǎn)是實(shí)施起來很簡單，算法的計(jì)算量也很小，但是這種方法存在很大的局限性，當(dāng)視頻中內(nèi)容變化劇烈、場景非常復(fù)雜時(shí)，選取鏡頭中的首、尾兩幀并不能代表視頻的全部內(nèi)容變化?；谶\(yùn)動(dòng)分析的方法；實(shí)現(xiàn)過程是：在視頻鏡頭中分析物體運(yùn)動(dòng)的光流量，每次選擇視頻鏡頭中光流移動(dòng)次數(shù)最少的視頻幀作為提取到的關(guān)鍵幀。視頻關(guān)鍵幀提取采用的計(jì)算公式如下式中：

(7.3.4-1)M(k)——第k幀的運(yùn)動(dòng)量；Lx(i,j,k)——k幀像素點(diǎn)(i,j)XLy(i,j,k)——第k幀像素點(diǎn)(i,j)處光流y的分量式中：C={C1,C2…Cn}——聚類的結(jié)果；ui——聚類ci的平均值。

(7.3.4-2)(7.3.4-3)計(jì)算完成后，取局部最小值作為所要提取的關(guān)鍵幀。計(jì)算公式為(7.3.4-2)。達(dá)出視頻運(yùn)動(dòng)的特征。缺點(diǎn)：算法本身的魯棒性較差，計(jì)算過程較為復(fù)雜，算法在時(shí)間上的開銷代價(jià)較大。基于視頻聚類的方法。若干個(gè)簇，這一過程結(jié)束后在每個(gè)簇中選取相應(yīng)的幀作為關(guān)鍵幀。算法基本思想是：首先，初始化一個(gè)聚類中心。其次，通過計(jì)算聚類中心與當(dāng)前幀之間的范圍，確定被分為類的參考幀或者作為類的新聚類中心。最后，選擇離聚類中心最近的視頻幀處理成關(guān)鍵幀。算法的主要步驟如下：輸入視頻幀數(shù)據(jù)的集合表示為：X={x1,…xn},xi幀mk(k≤n)X色特征值劃分聚類個(gè)數(shù)，劃分過程用聚類模型的最小值C來表示，計(jì)算公式為(7.3.4-3)。x1對(duì)應(yīng)的的顏色直方圖的特征值作為第一個(gè)類的初始質(zhì)心。更新該類的質(zhì)心。重復(fù)（4）nx歸入某一個(gè)類中或者其作為一個(gè)新的類中心。頻關(guān)鍵幀不僅冗余度小，而且關(guān)鍵幀可以很準(zhǔn)確的反映出視頻中發(fā)生的全部內(nèi)容。AI語音識(shí)別特征提取應(yīng)符合下列技術(shù)規(guī)定：建筑能源語音識(shí)別對(duì)特征參數(shù)的要求；能將語音信號(hào)轉(zhuǎn)換為計(jì)算機(jī)能夠處理的語音特征