基于SHAP方法的住宅街区形态与建筑碳排放的非线性关系研究OA
城市街区碳中和建设背景下,机器学习显著提升了街区性能化设计效率,但存在模型解释性不足的问题。本文通过构建住宅街区尺度的参数化模型以模拟建筑能耗和光伏发电量,评估了5种机器学习算法构建的碳排放预测模型,并应用SHAP方法揭示了街区形态与碳排放的非线性关系及交互效应,同时识别出关键形态参数。这种分析范式有望为可持续城市街区的碳中和设计提供技术支持。
张波;陈力行;钟璐阳;张樱子
西南交通大学西南交通大学西南交通大学九州大学 西南交通大学建筑学院
建筑与水利
可解释机器学习住宅街区形态参数碳排放建筑能耗光伏发电量
《世界建筑》 2026 (4)
P.18-23,6
国家自然科学基金,项目批准号:52578048成都市消防安全治理指数项目,项目编号:N5101012025001729空间规划与工程设计研究中心科技研发项目,项目编号:JDDKYKJ2025001。
评论