摘要：图书馆阅览空间具有较高的采光性能需求,如何营造适宜的室内采光环境,减少眩光干扰,是建筑采光性能优化的目的。通过相关数据调研、建筑性能模拟、机器学习模型训练、遗传算法优化等一系列数据驱动型设计方法,对阅览空间简化模型的光环境进行多目标优化提升实验,验证了机器学习代理模型预测方法的可行性与预测结果的准确性,同时得出五项设计参数对三项性能指标的非线性影响机制及其采光性能优化策略。表明数据驱动型方法的运用可以高效的辅助建筑师解决阅览空间采光性能优化问题,为建筑师提供可靠的优化解集与优化决策。

摘要：如何通过机器学习模型训练的方式实现特定生成规则下的建筑形态性能预测,并实现将其迁移至其他建筑形态对应的性能预测任务中,是目前建筑性能预测与优化研究领域的阻碍之一。提出基于多维参数组合的复杂建筑形态生成方法,并将该方法应用于建筑外表面日照辐射性能预测数据集制备过程中,得到的数据集用于机器学习模型训练,实现了对于建筑外表面日照辐射性能指标的预测功能。结果表明模型训练结果良好,预测数据拟和程度较高。通过对于未训练过的数据集进行预测并进行误差比对试验,表明该方法形成的数据集可以提高机器学习模型的泛化能力,有助于将该模型用于不同的建筑设计场景,进而为实现通用人工智能技术辅助建筑性能预测与优化提出了理论支持。