近日。工作室王超等在《Building and Environment》上发表题为“Addressing uncertainty to achieve stability in urban building energy modeling: A comparative study of four possible approaches”的研究论文（DOI: https://doi.org/10.1016/j.buildenv.2024.112197。《Building and Environment》是建筑工程技术领域国际著名SCI刊物，在JCR分区CONSTRUCTION & BUILDING TECHNOLOGY与ENGINEERING, CIVIL中属于Q1，并为中科院一区TOP期刊，2023年影响因子为7.4。

     城市建筑能源建模（UBEM）有助于建设绿色低碳城市。然而，数据输入的不确定性（包括固有不确定性数据（IUD）、测量不确定性数据（MUD）和情景不确定性数据（SUD））阻碍了其发展。本文以一个典型的 MUD（即建筑组件的热参数）为研究对象，采用四种不同的方法（即根据标准建立原型、根据本地数据集建立原型、概率模型和城市因素方法）分析了 UBEM 的准确性和稳定性。结果表明，当只关注热参数时，建筑物层面的 RE 值可达到 500%，但在地区层面则趋于收敛，小于 90%。此外，建筑物层面的相对误差平均值影响了地区层面的精确度以及平均值的收敛速度。然而，这一指标并不影响达到范围收敛的临界值，因为其数量是固定的，既与样本量无关，也与计算精度无关。这项研究强调，无论采用哪种原型或随机方法，使用真实数据都能提高 UBEM 的精度，但区别主要出现在建筑物层面。此外，大规模的模拟工作可以转化为计算多个汇聚单元的能源使用数据，每个汇聚单元由数十栋建筑组成，因为这些非汇聚单元的能源使用数据都是真实的。