1評價指標體系的建立
根據對江蘇地區農村住宅建築節能的分析，並通過統計大量文獻中對農村住宅建築節能指標的描述，可將江蘇地區農村住宅建築節能評價指標歸納為建築外形設計、圍護結構、裝置節能、新能源的利用這四個主要方面進行評價。對這四個指標做進一步分解，可以得出19個子指標，
2江蘇地區農村住宅建築節能的綜合評價方法
2.1資訊熵方法對建築節能評價指標的篩選
為了從已經構建的初始評價指標中提取主要評價指標，可以採用資訊熵法剔除其中對評價影響不大的指標。具體操作步驟及方法如下：第一步：將初始的指標矩陣進行標準化處理。假定所選的評估物件有N個，初始的指標有M個，則可以構建N×M階的矩陣，定義為矩陣A。按照式（1）進行標準化後的矩陣為A′。a′ij=（1）第二步：熵值的求取。令pj表示熵值，則，ij=pj=-ijlnij（2）第三步：熵權的確定。Ｗj表示求出的熵權的大小，則，Wj=（3）第四步：確定某個評價指標的具體權重。權重值用Qj表示，則，Qj=（4）第五步：將第三步求出的熵權與第四步求出的具體權重進行結合，剔除冗餘指標，確保評價的穩定性。
2.2BP神經網路方法對農村住宅建築節能的綜合評價
BP神經網路可以用於逼近任意的一個非線性的函式，同時具有超強的自適應以及儲存能力。採用BP神經進行評價時，其執行的主要思想就是將蒐集到資料輸入到該系統中，然後系統進行自我訓練，擬合各指標間的最優關係，並自動記憶、儲存所選指標對綜合評價物件的影響權值，繼而對類似物件做出客觀的評價。在進行BP神經網路訓練之前需要構建BP神經網路結構，主要需要以下引數。
（1）BP神經網路的節點數與層數的確定BP神經網路結構的確定需先確定輸入、輸出層節點數、隱含層的層數以及隱含層節點。輸入層節點數為指標個數，輸出層節點數為建築節能綜合評價指標。在規模不大的情況下，常採用一個隱含層。隱含層節點數可根據式（5）確定。Ny=（5）其中，Ny表示隱含層節點數；Ni表示輸入層節點數；No表示輸出層節點數；NP表示訓練樣本個數。
（2）BP神經網路相關引數的確定確定BP神經網路結構後，需要確定網路函式的選取、初始權重的確定、期望誤差、學習速率、訓練次數等相關引數。
3江蘇農村住宅建築節能的綜合評價
首先對初始建立的評價指標進行篩選，剔除其中可能對評價結果有干擾的影響因素。聘請10位專家對初始的評價指標進行打分，然後依據資訊熵方法進行處理，最終得出的綜合評價指標包括b11、b12、b13、b14、b21、b22、b23、b24、b25、b31、b32、b33、b41、b45、b46這15個評價指標。採用三層BP神經網路模型，即輸入層、隱含層、輸出層各一層，輸入節點數為選定的評價指標數15，根據式（5）確定隱含層的節點數為7，輸出節點數為1。函式採用Sigmoid函式，初始權值為[0，1]區間的較小的數，誤差期望為0.01，學習速率為0.001，訓練次數為10000次。筆者選取了江蘇省某地區的6個農村住宅建築作為評價物件，以其中的`5個作為訓練樣本。資料主要是通過調查得到並做歸一化處理，聘請相關專家對這幾個樣本進行綜合評分，用t表示。經過訓練，將第六個樣本作為評價物件，採用該模型進行綜合評價，各指標的初始值見表3。採用經訓練後的BP神經網路模型進行綜合評價，得出的最終評價結果為0.932，這與通過專家打分法得出的評價值0.927相比，誤差為0.005，相對誤差為0.5%。這充分說明採用BP神經網路模型進行綜合評價是可行的，且其評價的精度比較高。
4結語
影響農村住宅建築節能的評價指標有很多，評價指標又是準確評價的基礎，因此本文采用資訊熵方法排除冗餘因素的影響。在評價指標確定的基礎上，結合BP神經網路精度高的優點對農村住宅建築節能進行綜合評價。通過例項分析可以發現：將這兩種方法結合起來對農村住宅建築節能進行綜合評價，不僅具有較強的實用性，而且簡化了模型，提高了運算速度及評價的精度。