大氣污染約束下建筑物全生命周期碳排放測算模型研究

文章編號：1674-6139（2025）08-0033-06

中圖分類號：X51文獻標志碼：A

Calculation Model for Carbon Emissions Throughout Entire Life Cycle of Buildings under Atmospheric Pollution Constraints

Lin Hanwei ^1，2，3 ， Zhang Yujing1

（1.Guangzhou Urban Planning Design Survey Research Institute Co.Ltd，Guangzhou 51Oo6O，China； 2.GuangzhouCollaborativeInnovation Centerof NaturalResourcesPlaningand Marine Technology，Guangzhou51Oo6o，China； 3.Guangdong EnterpriseKeyLaboratory for UrbanSensing，MonitoringandEarly Warning，Guangzhou51Oo6O，China）

Abstract：Aimingattheproblemofdeviationinthecalculationresultscausedbythelackofconsiderationofatmosphericpolution factorsintraditioalcaboneissonalulatiomodels，abildinglifeclearbonmissioncalclationodelisproposdudero phericpolltioncostraintsThesudyusdatributiomodelsandatentionmechansmstofillinissngauesihedatacolctefor subsequentbuildingcarbonemissioncalculations.ByusingGeograpicallyWeigtedRegresson（GWR）tocaculatethecarboeo factorvaluesunderatmosphericpolutionconstraints，thesubsequentcarbonmissionmeasurementresultscanbemorecloselyaliged withtheactualsituationBasedonthefiledbuildingdata，thestudydesignedabuildingcarbonemisioncalculationmodelbasednthe entirelifecycle，andinputcarboeissonfctorsintoteodeltoompleetecalulatioofldigcarbonmissoseulsn dicatethattheproposedmetodhashigeraccuracyinmeasuringthcarbnemisionsofbuildingsthrougoutteirentielifecleandis more suitable for practical applications.

Keywords：fullifecycle；geographicallyweightedregresionmodel；carbonemisionfactor；carbonemissions；buildings

前言

氣候變化導致的氣溫升高、極端天氣事件頻發以及生態系統失衡等問題，已經對人類社會和自然環境造成了深遠影響。在這一全球性的挑戰面前，建筑行業減排潛力巨大，對于實現全球減排目標具有舉足輕重的作用。建筑物全生命周期內的碳排放不僅關乎建筑本身的能源消耗，更涉及建筑材料生產、施工、使用以及拆除回收等多個環節。所以，建立全生命周期碳排放測算模型，量化評估建筑物在不同階段的碳排放量，為建筑設計提供科學依據，且對于優化資源配置、提升環境績效具有重要意義[1-2]

賈兆琪[3]等人獲取活動數據和碳排放因子，通過排放系數法建立碳排放量測算模型，完成碳排放量測算。然而不同活動的碳排放因子因各種因素而有所不同，導致該方法結果的不準確。高項榮[4等人通過生命周期評價（LCA）將建筑物生命周期分為四個階段，基于BIM技術完成碳排放量測算。但BIM技術存在數據標準化、模型更新和維護等問題，且會增加成本和時間。羅智星[5]等人確定基于基本計算的碳排放計算方式，展開建筑物碳排放量測算。該方法難以處理不同構建之間的相互作用和依賴關系，導致最終碳排放量測算誤差大。為了解決上述方法中存在的問題，提出大氣污染約束下建筑物全生命周期碳排放測算模型。

1基于歸因模型與注意力機制的數據填充處理

所采集到的建筑物數據通常表現為多維時間序列數據，可能存在數據值缺失的情況，影響建筑物碳排放測算的準確性。故選擇歸因模型與注意力機制結合方法填充采集建筑物數據的缺失值。為建筑物數據中的每個特征構建一個單獨的歸因模型（ATM），將使用目標監測點（或傳感器）在缺失讀數所在時間戳之前若干時間段內的多特征數據作為歸因模型（ATM）的輸入。在每個ATM中，應用注意力機制來捕獲不同時間戳讀數之間的相關性。在注意力機制內，建筑物數據經全連接線性層映射至Query、Key、Value空間表示，Query和Key的點積生成描述時間戳的Score矩陣，將Value矩陣和Score 矩陣相乘，得到Attention機制的輸出結果，即加權求和后的時間戳數據。歸因模型（ATM）結構見圖1（a）。

（a）歸因模型（ATM）結構特征傳感器

次性填充

特征傳感器

圖1缺失值填充

確定缺失值的類型，并采取不同的填充策略。對于單個時間點缺失，直接使用對應的ATM實行預測并填充。ATM填充策略如圖1（b）所示。ATM填充策略描述如下：

（1）對于單個缺失值，ATM模型使用目標監測站的數據來填充這些缺失值。（2）對于特征塊缺失的情況，模型使用不同的ATM模型參數 來分別估計這些缺失值。

（3）在面臨時間數據片段缺失的情況下，ATM模型遵循時序邏輯，實施精準的數據填充策略，確保數據的完整性和連貫性，從而支持更準確的預測。首先，模型會對 t_s+1 時間戳的缺失值填充，即基于 t_s 時間戳及之前的數據來預測 t_s+1 的值。預測出 t_s+1 的值后，這個預測值會被加入到數據矩陣中，作為已知數據來預測 t_s+2 的缺失值。同理， t_s+2 的預測值也會被用來預測 t_s+3 的值。持續此過程，直至所有缺失值被填充。

對于連續時間段缺失，可以按照時間順序逐步填充，即先填充最早的缺失值，然后將預測值作為輸入數據來預測下一個缺失值，通過預測值的加權求和得到預測結果 y=e₁*pre_g+e₂*pre_y+e₃*pre_a+ n ，其中， e₁，e₂，e₃ 表示權重， _prea?pre_y?pre_g 表示預測值， n 表示偏置。

對于離散型數據缺失，ATM模型結合特征和時間視角，綜合降維和拼接后的輸出矩陣，通過線性層映射得到預測標簽向量，并尋找最大值以確定補全的離散值。

2建筑物全生命周期碳排放測算

考慮大氣污染的影響，通過GWR模型計算大氣污染下建筑物數據的碳排放因子，再基于全生命周期測算模型完成建筑物碳排放量測算。

2.1大氣污染下的碳排放因子計算

GWR模型結合地理位置信息，實現局部回歸以捕捉參數的空間變化，揭示大氣污染與碳排放的空間關系[6-7]，兩者關系表達如式（1）：

其中， u_o 表示碳排放因子， c_ol 表示大氣污染數據 ?_X0χ_l 表示大氣污染數據在回歸點上的影響系數， ?_o 表示維度向量， （ν_o，b_o） 表示第 ∣o∣ 個回歸點的空間坐標。

2.2 碳排放測算

接下來，將獲取的碳排放因子代人基于全生命周期的碳排放測算模型中，完成建筑物碳排放量測算。

建筑物的全生命周期包含建筑物設計階段 A₁ 、建筑物物化階段 A₂ 、建筑物使用維護階段 A₃ 、建筑物廢棄處理階段 A₄ ，建筑物全生命周期碳排放量可以表示為 A=A₁+A₂+A₃+A₄

2. 2.1 設計階段碳排放量

在設計階段，建筑物的碳排放量主要來源于車輛、照明等設備的消耗，此階段的碳排放量較少，可忽略不計。

2.2.2 建筑物化階段排放量

建筑物物化階段大體可分為建材生產過程 A₂₁ 、運輸過程 A₂₂ 、建筑施工過程 A₂₃ 。該階段碳排放量可表示為 A₂=A₂₁+A₂₂+A₂₃

在建材生成過程中，考慮可回收建材的回收利用率的情況下，計算碳排放量。在運輸過程中，主要計算的是建材、固體建筑垃圾、余土、設備機械等的運輸過程所產生的碳排放。

在建筑施工過程中，主要為現場施工的機械設備的能源消耗。

通過式（1）獲取大氣污染下的第 ∣o∣ 類建材的碳排放因子 a_jo 、第 ∣o∣ 類運輸工具耗能的碳排放因子a_yo ，第 ∣o∣ 類施工機械設備的碳排放因子 a_so 。建筑物化階段碳排放量公式表達如式（2）：

其中， n 為建材種類， w_o 為建材消耗量， s_o 為建材回收系數， e_o 表示運輸工具耗油量， d_o 表示運輸工具行駛的距離， l 表示換算系數， r_o 表示施工機械設備每臺班的耗能， t_o 表示機械施工設備的班數。

2.3 使用維護階段

在建筑物的整個生命周期中，使用維護階段不僅占據了最長的時間跨度，同時也是碳排放量最為顯著的一個階段。此階段的大體分為使用階段 A₃₁ 與維護階段 A₃₂ 。該階段碳排放量可表示為 A₃=A₃₁+A₃₂

使用階段的能源可歸結為電、煤氣、燃氣能源，故可通過計算這些能源消耗所產生的碳排放獲取建筑物使用階段的碳排放量。

維修階段的碳排放量又可分為能源消耗和建材消耗，可根據記錄數據信息此階段的建筑物碳排放量。

通過式（1）GWR獲取大氣污染下的第 ∣o∣ 類能源的碳排放因子、第 σ_o 類運輸工具耗能的碳排放因子ano。

其中， p 為建筑物使用年限， i_o 為能源平均消耗量。

維修階段碳排放量可將獲取的數據信息輸入至GreenBuildingStudio軟件獲取。

2.4 廢棄處理階段

建筑物廢棄拆除階段的碳排放量主要來源于舊物拆除消耗的能源 A₄₁ 、施工機械設備廢棄物運輸A₄₂ 、廢棄物回收 A₄₃ 處理產生的碳排放，該階段的碳排放為 A₄=A₄₁+A₄₂+A₄₃ 通過式（1）GWR獲取大氣污染下的第 σ_o 類能源的碳排放因子 a_no 第 k 類運輸方式所產生的碳排放因子 a_yk ，第 ∣o∣ 類回收材料的碳排放因子 a_ho 。

其中， d_o 表示能源消耗， k_o 表示建材數量， L_ok 表示運輸距離， c 表示回收材料系數， m_o 表示材料數量。

基于此，完成建筑物全生命周期碳排放測算。

3 實驗與分析

3.1 實驗設置

實驗環境：在AMDRyzen7、Windows10操作系統的計算機上，以某地建筑物為實例，收集歷史數據，利用MATLAB軟件實現模型構建，選用SPSS28軟件實現數據分析展開實驗測試。

實驗所需參數如下：

（1）處理器：多核高性能CPU。（2）內存：32GBDDR4RAM。（3）頻率： 2666MHz 。（4）系統盤：至少500GB的NVMeSSD（固態硬盤）。（5）歸因模型：設置學習率為0.01，迭代次數為100次，隨機初始化注意力機制權重。（6）地理加權回歸模型：根據數據空間分布自動選擇寬帶為1000米，選用高斯核函數。

3.2 指標設置

插補效果：皮爾遜系數值范圍在[-1，1]之間，皮爾遜系數值越接近于1，表明兩個變量之間存在完全正向的線性關系，即插補后建筑物數據與原始數據關聯性越強。皮爾遜相關系數表達式如式（5）：

式（5）中， X_i 和 Y_i 分別為兩個變量的觀測值，X_mean 和 Y_mean 分別為兩個變量的均值， ?_m 為變量個數。

大氣約束下碳排放因子計算情況：引入校正決定系數和相關系數驗證用于獲取的大氣污染約束下的碳排放因子值的地理加權回歸（GWR）模型的效果。校正決定系數較高，GWR模型能夠更好地擬合實際數據，進而更準確地估算大氣污染約束下的碳排放因子值。當相關系數接近1時，表示模型能夠很好地預測實際觀測到的碳排放因子值。

測算效果：將測算結果與實際值進行對比，相差越小，說明測算結果準確性越好，測算效果較佳。

3.3 結果分析

3.3.1 有效性分析

在建筑物全生命周期碳排放測算中，數據處理效果及碳排放因子計算會直接影響后續測算的效果，因此，現針對所提方法的插補效果和大氣約束下碳排放因子計算結果進行有效性測試。

3.3.1.1建筑物數據插補效果

選用包含建筑物碳排放測算所需的所有變量的、存在缺失值的變量作為實驗數據，通過所提方法完成建筑物數據缺失值插補，記錄原始數據與缺失值插補后數據的皮爾遜相關系數曲線見圖2。

圖2原始數據與缺失值插補后數據的皮爾遜相關系數

分析圖2可知，在三次實驗中，經所提方法完成建筑物缺失值插補后數據與原始數據的皮爾遜相關系數均接近于1，表明所提方法缺失數據值插補方法的有效性。

3.3.1.2大氣約束下碳排放因子計算情況

獲取本地大氣污染數據，通過GWR模型展開三次大氣污染下的碳排放因子計算實驗，記錄三次實驗的校正決定系數和相關系數結果見圖3。

圖3校正決定系數和相關系數結果

分析圖3可知，三次實驗中，GWR模型的校正系數最低值均在0.7以上，平均在0.9左右，幾乎接近于1，模型的決定系數也接近于1，綜合兩者結果，表明所提方法使用的GWR模型的有效性及其具有良好的擬合性能和較高精度，可實現大氣污染約束下的碳排放因子值的高準確性計算。

3.3.2 對比分析

基于上述測試，為進一步驗證所提方法的性能，現針對測算效果指標，分析采用文獻[3]方法、文獻[4]方法和所提方法完成建筑物全生命周期碳排放測算，并記錄三種方法的測算結果與實際結果對比見圖4。

圖4三種方法的測算效果對比

分析圖4可知，文獻[3]方法的建筑物全生命周期碳排放測算與實際值偏差較大，文獻［4]方法的建筑物全生命周期碳排放測算與實際值的偏差時而較大時而較小，所提方法的建筑物全生命周期碳排放測算與實際值的偏差較小，表明所提方法的預測效果更好。由此，綜上結果表明，所提方法具較好的測算性能，測算結果精度高且具有穩定性。這是因為所提方法首先通過注意力機制對采集的建筑物數據展開缺失值填充處理，為后續測算提供了良好的數據基礎;其次，通過GWR獲取了大氣污染下的碳排放因子，提高了測算的精度;最后，基于全生命周期的測算模型完成建筑物碳排放量測算，提高了測算的準確性，獲取了更好的建筑物碳排放量測算結果。

4結束語

建筑物全生命周期碳排放量的測算是綠色建筑、可持續發展和環境保護等領域研究的重點問題。故提出大氣污染約束下建筑物全生命周期碳排放測算模型。首先，對采集的建筑物數據展開缺失值填充處理，以提高后續碳排放測算的準確性；其次，通過地理加權回歸（GWR）計算大氣污染約束下的碳排放因子值，使得后續碳排放測算結果更加貼近實際情況，提高了準確性和實用性;最后，依據填充后的建筑物數據設計基于全生命周期的建筑物碳排放量測算模型，將碳排放因子代入模型完成建筑物碳排放量測算。結果表明，所提方法的建筑物全生命周期碳排放測算準確度更高，精度更高，更適用于實際應用，具有重要現實應用意義。

參考文獻：

[1]潘毅群，梁育民，朱明亞.碳中和目標背景下的建筑碳排放計算模型研究綜述[J].暖通空調，2021，51（7）：37-48.

[2]時元元，強萬明，付素娟，等.既有居住建筑超低能耗節能改造全生命周期碳排放研究[J].建筑技術，2021，52（4）：417-420.

[3]賈兆琪，楊璐，及煒煜，等.基于生命周期評價的鋼結構碳排放計算模型研究[J].工業建筑，2023，53（增刊1）：301-308;319.

[4]高項榮，李春麗.基于BIM-LCA的建筑物碳排放測算與實例研究[J].山西能源學院學報，2023，36（1）：87-89.

[5]羅智星，倉玉潔，楊柳，等.面向設計全過程的建筑物化碳排放計算方法研究［J].建筑科學，2021，37（12）：1-7;43.

[6]呼慧，洪志敏.基于多尺度地理加權回歸的黃河流域空氣質量影響因素空間效應解析[Z].數理統計與管理，2023，42（3）：416-426.

[7]陳科屹，張會儒，張博，等.基于地理加權回歸拓展模型的天然次生林碳儲量空間分布[J].應用生態學報，2021，32（4）：1175-1183.