ANN–NSGA-III 数据分析项目产品系统

面向寒冷地区老年大学的被动式建筑设计，传统逐方案仿真耗时，且需要同时平衡采光、热舒适与空调能耗。本项目基于问卷与建筑性能数据构建人工神经网络代理模型，并结合NSGA-III开展多目标寻优，为适老化空间的参数选择、方案筛选和权衡决策提供量化依据。

项目包含数据清洗与特征整理、ANN代理模型训练与验证、多目标优化、Pareto解集生成、敏感性分析和结果可视化等模块。通过模型分析不同设计变量对采光、热舒适和能耗的影响，并从非支配解集中筛选符合不同设计偏好的候选方案，为建筑性能比较和设计决策提供数据支持。

在该论文项目中，本人主要负责数据处理、ANN建模、优化计算、敏感性分析及多目标方案解释。使用Python和Pandas完成数据整理，采用Scikit-learn/PyTorch进行模型训练与误差评估，再将代理模型与NSGA-III结合生成Pareto解集，并通过可视化图表呈现变量贡献、目标冲突和候选方案。项目难点是兼顾代理模型精度与多目标结果的可解释性。