BP-ANN预测模型

提速高达303倍

取代耗时模拟，以机器学习实现高层办公区块碳排放性能的即时预测与设计权衡，为建筑师提供早期设计决策支持。

Xu, Shen · Qiuguo, He · 罗涛 · Yichen, Dong · Hua, Zhong · Junchao, Duan · Li, Gaomei

Sustainable Cities and Society 2026

参数信息

计算速度提升倍数

175 ×

计算速度提升倍数

303 ×

计算速度提升倍数

196 ×

建筑能耗碳排放（BEUCE）优化率

14.26 %

屋顶光伏碳减排潜力（PCRP）优化率

91.84 %

立面光伏碳减排潜力（PCRP）优化率

95.81 %

建筑能耗碳排放（BEUCE）优化率

24.97 %

屋顶光伏碳减排潜力（PCRP）优化率

80.52 %

技术优势

决策提速两个数量级

用BP-ANN预测模型替代传统建筑性能仿真，在三个气候区场景中计算速度最高提升303倍，使建筑师能在设计早期快速比较大量方案。

同时优化减碳与产能

多目标优化框架在最小化建筑能耗碳排放的同时最大化光伏碳减排潜力，实现不同气候区14.26%–30.82%的BEUCE降低和80.52%–95.81%的PCRP提升。

敏感参数自动识别

敏感性分析在各城市案例中均识别出窗型为最关键设计参数，并在部分城市确认建筑覆盖率具有高影响，使建筑师能集中精力调整核心变量。

应用场景

• 建筑碳排放评估：用预测模型替代传统模拟，快速量化设计方案的全生命周期碳排放。
• 建筑性能模拟：将仿真次数从数千次降到零，用BP-ANN实现秒级性能预测。
• 参数化设计工具：集成参数化建模与优化算法，自动搜索最佳设计参数组合。
• 城市碳中和管理：为城市区块提供可扩展的减碳路径，支持碳中和目标下的设计决策。