研究 · 工具
SZ Classroom Predictor · v1.0.0基于堆栈式机器学习集成的桌面工具，可在 Windows 上针对夏热冬暖气候区的深圳，对正南/北朝向教室在五种遮阳策略下的 EUI、sDA、UDI、sGA、SVF 进行预测。
中小学校教室采光界面多目标优化设计研究——以深圳为例
(A) 摘要
对深圳气候区的教室完成 14 维特征工程，构建 XGBoost / LightGBM / Random Forest 堆叠集成模型，并用 SHAP 解释各变量的边际贡献。再以 RBF 多目标优化生成帕累托前沿，AHP + CRITIC 混合权重筛选可行解，性能优先、表达后置。最终用 PyInstaller 打包成 Windows 桌面工具：正南 / 正北朝向、5 种遮阳策略下，实时预测 EUI、sDA、UDI、sGA、SVF 五项指标。
(B) 技术栈
- ●XGBoost
- ●LightGBM
- ●Random Forest
- ●Stacked Ensemble (Meta-Model)
- ●SHAP
- ●RBF MOO
- ●AHP + CRITIC
- ●PyInstaller · Windows
(C) 架构
基础模型 → 堆栈合成 → 多目标优化 → 帕累托筛选 → 桌面部署。每一步都对设计师可读：SHAP 把模型解释还给空间变量，AHP+CRITIC 把权重决策还给设计判断。
01
Dataset
性能模拟生成的多目标数据集
02
Base Models
XGBoost · LightGBM · RF 并行训练
03
Stack
Meta-Model 堆栈集成 · r² 0.97
04
SHAP
变量解释回到设计语义
05
RBF MOO
径向基函数多目标优化
06
AHP + CRITIC
混合权重筛选帕累托
07
Predict
EUI / sDA / UDI / sGA / SVF 实时预测
08
Deploy
PyInstaller · Windows · Portable
(D) 仓库
github.com/VincentWei2001/SZ-Classroom-Predictor↗
本仓库的 Git 源码不等于可安装程序，请从 GitHub Releases 下载已打包的便携包 school_app_secure_portable.zip 后解压即可在 Windows 10/11 (64-bit) 运行。