基于全寿命周期的绿色建筑增量成本研究

来源 :安徽建筑大学 | 被引量 : 0次 | 上传用户:huhuairen
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
21世纪面对能源紧缺的世界难题,各国对于生态保护越来越重视,而作为对环境产生较大影响的建筑行业,国家也开始采取措施,大力推广绿色建筑的建设。绿色建筑在项目的准备、建设阶段会投入相对较多的资金,但是可大大控制后期的运维成本,相比较绿色建筑增量成本的投入,带来的增量效益更明显。基于本论文的研究题目,首先要明确绿色建筑增量成本的构成要素及其影响增量成本的因素有哪些,这样可以做到更加精确的对绿色建筑增量成本进行控制与分析。通过阅读国内外关于绿色建筑、绿色建筑增量成本、绿色建筑增量成本影响因素的文献,利用绿色建筑相关理论和绿色建筑增量成本-效益相关理论,将绿色建筑全寿命周期划分为准备阶段、施工阶段、运维阶段、回收阶段,分析各个阶段对应的增量成本构成。利用文献检索初步识别、关键字频数筛选、主成分分析法的分析步骤,最终得到9个关键影响因素,进而对其关键影响因素进行定性与定量分析,然后采用相应的成本控制措施。文中引用实际案例对项目的各个阶段的增量成本构成去分析并进行估算,并且根据关键影响因素采取相应的成本控制措施,最后量化分析增量成本和增量效益,得出施工阶段的增量成本占比是最大的,但是从绿色建筑的全寿命周期来看,运维阶段也会产生很大的增量效益。故从全寿命周期的角度出发,需要对绿色建筑增量成本进行充分的研究,采取更加有效、针对性的成本控制措施,才能达到更高的增量效益,使绿色建筑充分发挥其经济性。
其他文献
清朝末年,西方列强对中国不仅有军事入侵,还有经济上的掠夺。在国贫民弱、列强环伺的情况下,发展资本主义经济成为使中国走上现代化道路的必要途径。必须大力发展民用以及军事企业,才能使国家富强、民族独立,大生纱厂等近代企业的相继创立代表了国人在现代化道路上的探索。虽然这些企业对西方大机械生产模式进行了引进,但对相应的企业管理制度引进方面显得迟缓。西方企业制度与中国传统管理思维模式的不匹配使企业在经营过程中
我国典型再生资源产业的高质量发展对我国经济和人民生活显得十分重要。而典型再生资源产业作为循环经济发展的重要组成,仍然普遍存在着创新积极性不高、技术水平落后、环境污染严重和行业内部混乱等问题,制约着产业的健康发展。因此,本文以创新驱动为视角,对我国典型再生资源产业进行研究,并构建新的产业发展模式也成为服务于当今社会的实际需要。首先,在理论研究的基础上,客观地分析了我国典型再生资源产业的总体发展概况,
学位
近年来,环境问题一直影响着国际民生,伴随中国经济迅速发展,环境污染特别是雾霾问题尤为突出,雾霾治理也成为国内外学者研究的焦点之一,为了有效控制雾霾污染,国务院于2018年7月发布《打赢蓝天保卫战三年行动计划》,生态部于2021年1月发布《关于统筹和加强应对气候变化与生态环境保护相关工作的指导意见》。研究表明,大规模、低效率的能源消费是导致雾霾污染重要因素,理清能源消费与雾霾污染的关系对改善生态环境
学位
研究背景和目的:蛛网膜下腔出血致死率和致残率在全球范围内居高不下。目前认为发生于蛛网膜下腔出血后72小时内的早期脑损伤是影响患者预后的主要因素。然而,目前临床上对于
芳胺是工业生产中一类关键原料和重要中间体,被广泛用于染料、颜料、农药和医药等相关行业。由于Fe催化剂资源丰富和价格低廉,且其催化活性可与贵金属(Pd、Pt、Au和Ru等)催化剂
在数控加工中,零件加工精度和数控机床的加工效率与刀具的磨损状态息息相关。因此,在铣削加工过程中实现刀具磨损状态的智能检测,及时发现并更换将要磨钝的铣刀,对提高工件加工质量和保证机床加工效率有重要意义。本文结合铣刀加工过程数据和集成学习算法建立基于数据驱动的铣刀磨损状态预测模型,为换刀决策提供依据。主要内容归结为信号采集与数据处理、特征选择与降维和铣刀磨损状态预测模型的建立。(1)刀具磨损机理分析和
学位
深度学习在很多领域中取得了显著效果,但是从空白开始训练一个深度模型需要耗费大量的标注成本和训练时间。本文提出一种深度迁移主动学习方法(Deep TLAL)缓解这一问题。提出了一种与迁移学习强结合的主动学习动态样本挑选策略,其以源任务网络模型作为目标任务初始模型,在主动学习迭代中结合源域差异性和目标域不确定性挑选出对模型最具有贡献的目标域样本进行标注,并且根据主动学习阶段动态调整两种评价指标的权重。
学位
“语言”与“人”的问题是语言学界关注的重要问题之一。人既是认知世界与使用语言的主体,也可作为被研究的客体。“人”这一对象是复杂的、多维的,故有必要从不同学科对其进
数字图像抠图在很多领域尤其是影视制作及虚拟现实领域有着广泛的应用。到目前为止,已经存在许多传统的抠图算法和深度学习抠图算法。由于对计算量和内存需求巨大,不管是传统算法抠图还是深度学习算法抠图,目前都难以在大众配置硬件(台式电脑、便携电脑和手机等设备)上处理高分辨率大尺寸图像。本文没有考虑该问题的硬件解决,而从软件角度提出了一种能够在普通设备上应用的高分辨率大尺寸图像交互式抠图方法。其核心思想是化大
学位
随着大数据时代的到来,张量分解广泛应用于图像处理、数据恢复和推荐系统等多种不同领域.不同与矩阵分解,由于其保留原始数据的更多位置或结构信息,使其更好的解决实际问题.进一步,部分实际问题产生的数据往往是非负的,因此应用非负张量分解研究或者解决实际问题更为贴合实际.传统的非负张量分解有基于图、流形等正则化方法,然而这些存在的方法没有充分考虑数据的信息、或者计算量大且效果不佳,因此,建立新的非负张量分解
学位