(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210805617.5 (22)申请日 2022.07.08 (71)申请人 中南建筑设计院股份有限公司 地址 430071 湖北省武汉市武昌区中南 二 路 (72)发明人 朱卓晖　范华冰　 (74)专利代理 机构 湖北武汉 永嘉专利代理有限 公司 42102 专利代理师 钟锋　李丹 (51)Int.Cl. G06F 30/13(2020.01) G06F 30/27(2020.01) G06F 30/28(2020.01) G06N 20/00(2019.01) G06F 113/08(2020.01)G06F 119/14(2020.01) (54)发明名称 一种基于Grasshopper的机器学习基础数据 生成方法 (57)摘要 本发明公开了一种基于Grasshopper的机器 学习基础数据生成方法， 包括以下步骤： 1)根据 建筑行业的原始数据， 确定影 响因素的特征向量 X， 并获得处理后的多组原始数据； 2)通过 Grasshopper创建一个Pyt hon节点并编写一个 特 征向量X记录器， 将步骤1)中每种不同属性类型 的特征向量作为一列记录到CSV格式文件中； 3) 在Grasshopper中创建一个因变量Y 的常量性质 模拟范围， 作为标准常量； 4)将搭建的多组原始 数据根据创建的循环运算开关逐次传递给模拟 运算软件进行运算； 5)将每次模拟运算结果赋值 到因变量Y； 6)实现步骤 4)的自动循环运算， 直至 每组原始数据均完成一次循环为止， 形成成果 CSV文件作为机器学习的基础数据。 本发明方法 降低了机器学习所需的基础数据制作难度。 权利要求书1页 说明书3页 附图4页 CN 115130187 A 2022.09.30 CN 115130187 A 1.一种基于Gras shopper的机器学习基础数据生成方法， 包括以下步骤： 1)根据建筑行业的原始数据， 确定影响因素的特征向量X； 所述建筑行业的原始数据为 已有的建筑行业的三维场景模型， 包括建筑模型、 建筑装饰模型和家具模型； 所述影响因素的特征向量X为根据机器学习的目标和需求， 在建筑行业的三维场景模 型中选取的模型属性 参数以及环境 参数； 根据机器学习的目标和需求， 在 建筑行业的三维场景模型中选取模型的属性参数以及 环境参数作为特征向量X， 并对三维场景模型中的属 性参数以及环境参数 的实际情况进行 模拟， 获得模拟数据作为特 征向量X的多个数据特 征值， 并形成处 理后的多组原 始数据； 2)通过Grasshopper创建一个Python节点 并编写一个特征向量X记录器， 将步骤1)中每 种不同属性类型的特 征向量分别作为 一列记录 到CSV格式文件中； 3)在Gras shopper中创建一个因变量Y的常量 性质模拟范围， 作为标准常量； 4)将搭建的多组原始数据根据创建的循环运算开关逐次传递给模拟运算软件进行运 算； 4.1)在Grasshopper中利用多组原始数据搭建模拟所需要的三维模型； 创建一个 Grasshopper的Eddy3D插件中的BOX —shapedDomi n运算器； 4.2)将三维模型选取的属性参数和环境参数数据以及因变量Y的常量性质模拟范围传 递给模拟运 算运算器的对应接口； 4.3)开启多次迭代型模拟运 算； 5)将每次模拟运 算结果赋值到因变量Y； 6)利用Python节点编写一个因变量Y与运行 次数记录器， 将步骤5)中因变量Y的值根据 各作为一列记录到步骤2)创建的CSV格式文件中， 同时记录运算次数传递给步骤4)创建的 循环运算开关， 从而实现步骤4)的自动循环 运算， 直至每组原始数据均完成一次循环为止， 最后形成 成果CSV文件； 成果CSV文件即可作为机器学习的基础数据。 2.根据权利要求1所述的基于Grasshopper的机器学习基础数据生成方法， 其特征在 于， 所述步骤2)中利用Grasshopper中的Python节点调用CSV相关库， 将特征向量X记录到一 个CSV文件中。权　利　要　求　书 1/1 页 2 CN 115130187 A 2一种基于Gr asshopper的机器学习基础数据生成方 法 技术领域 [0001]本发明涉及建筑智能化技术， 尤其涉及一种基于Grasshopper的机器学习基础数 据生成方法。 背景技术 [0002]随着科学技术的不断发展与进步， 建筑行业相关的智能化需求日益增多， 其中与 AI相关的机器学习 更是其中的重点发展方向。 实现机器学习需要大量的基础数据， 而建筑 行业涉及的范围领域非常广泛， 所提供 的原始数据包含了成千上万种不同的常量和变量。 目前在建筑行业中实现机器学习的主要难点在于， 通过人工对原始数据中极多的变量与常 量进行搭建并模拟得到基础数据， 这一过程需要耗费大量的时间与精力， 效率低下且准确 度低。 而Grasshopper是建筑方案设计中常用的参数化设计平台， 其通过可视化编程与传统 编程相结合的方式能够根据设计师的需求快速的进行原始数据制作与跨平台交互， 从而实 现自动化 地以原始数据为变量特 征的多次模拟运 算， 生成大批量的基础数据。 发明内容 [0003]本发明要解决的技术问题在于针对现有技术中的缺陷， 提供一种基于 Grasshopper的机器学习基础数据生成方法。 [0004]本发明解决其技术问题所采用的技术方案是： 一种基于Grasshopper的机器学习 基础数据生成方法， 包括以下步骤： [0005]1)根据建筑行业的原始数据， 确定影响因素的向量特征X； 所述建筑行业的原始数 据为已有的建筑行业的三维场景模型， 包括建筑模型、 建筑装饰模型和家具模型； [0006]所述影响因素的向量特征X为根据机器学习的目标和需求， 在建筑行业的三维场 景模型中选取的模型属性 参数以及环境 参数等； [0007]根据机器学习的目标和需求， 在建筑行业的三维场景模型中选取模型的属性参数 以及环境参数作为向量特征X， 并对三维场景模型中的属 性参数以及环境参数 的实际情况 进行模拟， 获得模拟数据作为向量特征X的多个数据特征值， 并形成处理后的多组原始数 据； [0008]2)通过Grasshopper创建一个Python节点编写一个特征向量X记录器， 将步骤1)中 每种不同属性类型的特 征向量分别作为 一列记录 到CSV格式文件中； [0009]3)在Gras shopper中创建一个因变量Y的常量 性质模拟范围， 作为标准常量； [0010]4)将搭建的多组原始数据根据创建的循环运算开关逐次传递给模拟运算软件进 行运算； [0011]4.1)在Gras shopper中利用多组原 始数据搭建模拟所需要的三维模型； [0012]4.2)将三维模型选取的属性 参数和环境 参数数据传递给模拟运 算软件； [0013]4.3)开启多次迭代型模拟运 算； [0014]5)将每次模拟运 算结果赋值到因变量Y；说　明　书 1/3 页 3 CN 115130187 A 3