用信息法研究天空亮度分布

论文摘要

在能源日趋紧张的今天,充分利用天然光,追求生态和可持续发展,节约照明用电,具有十分重要的意义。建筑物利用天然光最重要的因素是天空亮度分布,因此天空亮度分布规律就成为了天然采光的主要研究对象。本文在较为系统的分析前人有关天空亮度分布模型的基础上,利用信息法来研究天空亮度分布模型,理论上天空亮度分布模型仅与天顶亮度转换系数有关,而天顶亮度转换系数仅取决于太阳高度角的大小,与地域无关,具有普适性。也就是说在理论上仅需要一个地区的数据就可以了,这为我们研究天空亮度分布提供了一种新的方法和新的思路,其结果将会对建筑采光设计、建筑节能及充分合理的利用太阳能产生极大的影响。本文从大气辐射的基础理论出发,得到了天空亮度来源于太阳辐射在大气中的散射和吸收及影响天空亮度的主导参数是消光系数(或光学厚度)、单散射反照率以及相函数的重要结论,从而为研究天空亮度分布奠定了理论基础。参考天空是采用尽量少的天空类型来代表变化众多的真实天空,方便采光设计和采光计算,本文对各种不同气候状态下的参考天空与实际天空状况进行了比较分析,明确了参考天空与真实天空之间的关系。通过对影响天空亮度的大气光学参量进行分析研究,并在此基础上提出大气等效模型假设,提出信息法研究天空亮度的数学表达式,同时确定了该表达式中各参量的特性及在不同气候条件下的变化范围和趋势。这为天空分类及利用信息法研究天空亮度分布提供了基础与前提。本文利用多年积累的多城市、大规模光气候观测试验数据,通过对天空气象参量对天空亮度分布的影响研究,提出参考天空分类标准,即通过太阳日面状况、天空状况(云量)及地平到天顶亮度渐变状况,将天空类型划分为六类。这种分类方法具有易于观察、容易区分,能较准确的反映天空类型,并避免了现有CIE一般天空亮度标准分类模糊不清的缺陷。同时对信息法参考天空模型调整系数a、b、c、d及e对天空亮度分布的影响进行研究分析,得到不同天空类型条件下的大致取值范围,为信息法研究天空亮度模型提供了基础参数。本文利用了一种崭新的求解复杂优化问题的启发式算法——蚁群算法来研究天空亮度模型,蚁群算法具有智能搜索、全局优化、稳健性强、分布式计算、易与其它方法结合等优点。通过蚁群算法对天空亮度各影响要素的分析优化处理,得到天空亮度相对分布对表达式的各系数值。同时还开发了一套方便实用的天空亮度模型计算软件,提供直观而方便的计算手段。本文还研究了数码相机测试天空亮度的测试方法;运用经标定后的带鱼眼镜头的数码相机对天空半球拍摄测试,并采用自行开发的图像处理系统对天空亮度数据信息提取记录。通过实际测量数据与由信息法获得的理论模型的计算值相比较,其误差较小,这无疑为天然光利用,特别是建筑采光设计的高精度和标准化工作提供了无论理论上还是运用上都非常有价值的结果。论文的创新之处在于:①论文提出将天空类型分为六类的新分类标准,新分类标准解决了现有CIE标准在描述天空特征时所使用的模糊分类语言,方便了实际运用。②首次利用了一种崭新的求解复杂优化问题的启发式算法——蚁群算法来研究天空亮度模型,优化求解出天空模型各参数值,并在此基础上开发出天空模型计算系统,经验证该模型具有较高的精度。③研究利用带鱼眼镜头的数码相机和亮度计组成的图像处理系统,可方便地进行天空亮度测量,获取天空亮度测试中亮度分布数值。该系统方便易用,且有较高的精度。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 论文选题背景及意义
• 1.2 论文研究的对象
• 1.3 文献综述
• 1.3.1 天空亮度分布研究国外现状
• 1.3.2 天空亮度分布研究国内现状
• 1.4 论文研究的内容
• 1.4.1 研究天空亮度分类方法
• 1.4.2 用信息法研究天空亮度分布模型
• 1.5 论文研究的方法
• 1.6 论文拟解决的关键问题
• 2 天空亮度分布研究的大气辐射基础
• 2.1 引言
• 2.2 太阳辐射能
• 2.3 散射和吸收
• 2.3.1 散射
• 2.3.2 吸收
• 2.3.3 消光
• 2.4 大气成分
• 2.4.1 大气中的化学成分
• 2.4.2 大气中的粒子
• 2.5 大气散射
• 2.5.1 瑞利散射
• 2.5.2 洛伦茨－米散射
• 2.6 大气吸收
• 2.6.1 辐射传输方程
• 2.6.2 比尔－布格－朗伯（Beer－Bouguer－Lambert）定律
• 2.6.3 可见光区域的吸收
• 2.7 大气的辐射传输
• 2.8 本章小结
• 3 基于信息法的参考天空相对亮度分布数学模型
• 3.1 信息法的提出
• 3.1.1 概述
• 3.1.2 信息法的定义
• 3.2 基于信息法的参考天空
• 3.2.1 参考天空的定义
• 3.2.2 参考天空运用范围
• 3.2.3 基于信息法的参考天空分类
• 3.2.4 参考天空与真实天空之间的关系
• 3.3 天空亮度分布模型
• 3.3.1 影响天空亮度分布大气光学参量分析
• 3.3.2 天空相对亮度分布模型数学表达式
• 3.4 本章小结
• 4 基于信息法的参考天空分类研究
• 4.1 天空分类概述
• 4.1.1 CIE 一般天空分类
• 4.1.2 Norio Igawa 参考天空分类
• 4.1.3 四类参考天空
• 4.2 参考天空分类参量研究
• 4.2.1 云量
• 4.3.2 日面状况
• 4.2.3 地平到天顶亮度渐变状况
• 4.3 天空亮度分类
• 4.3.1 天空亮度分类与现有分类的比较
• 4.3.2 天空亮度分类验证
• 4.4 天空模型系数影响及范围
• 4.5 本章小结
• 5 用蚁群算法研究天空亮度分布
• 5.1 基本蚁群算法原理
• 5.1.1 蚁群行为描述
• 5.1.2 基本蚁群算法的机制原理
• 5.2 基本蚁群算法的系统学特征
• 5.2.1 基本蚁群算法是一个系统
• 5.2.2 分布式计算
• 5.2.3 自组织
• 5.2.4 正反馈
• 5.3 蚁群算法的实现
• 5.3.1 蚂蚁算法的数学模型
• 5.3.2 蚁群系统数学模型
• 5.3.3 蚁群算法的实现步骤
• 5.3.4 基本蚁群算法的程序结构流程
• 5.3.5 基于TSP 的蚁群算法参数研究
• 5.4 基于蚁群的天顶亮度计算模型
• 5.5 基于基本蚁群算法的程序设计
• 5.5.1 程序设计
• 5.5.2 计算结果
• 5.6 本章小结
• 6 用数码相机测试天空亮度分布
• 6.1 概述
• 6.2 天空亮度测试
• 6.2.1 研究现状
• 6.2.2 天空亮度分布测试要求
• 6.3 试验的基本原理及方法
• 6.3.1 天空亮度分布信息记录设备
• 6.3.2 天空亮度分布数据采集
• 6.3.3 试验目的
• 6.4 误差分析
• 6.4.1 数码相机稳定性分析
• 6.4.2 鱼眼镜头透光率分析
• t' 曲线的影响研究'>6.4.3 曝光量对 H-L_t' 曲线的影响研究
• 6.4.4 亮度再现线性范围
• 6.4.5 色温对数码相机光学特性影响分析
• 6.4.6 试验误差
• 6.5 天空亮度信息提取
• 6.5.1 程序设计
• 6.5.2 计算结果与分析
• 6.6 天空亮度模型验证
• 6.7 本章小结
• 7 结论与展望
• 7.1 结论
• 7.2 展望
• 致谢
• 参考文献
• 附录