绿建小筑周报 | 第十六期
亲爱的绿建小伙伴们：
六月的尾声已至，我们迎来了2025年上半年的最后一天！本周绿建小筑为大家带来两篇聚焦城市太阳辐射优化与预测的前沿研究，这些研究成果将为可持续城市规划和能源高效利用提供科学依据与技术支持。让我们一起探索人工智能如何助力绿色城市建设！🌿
📚 本周论文分享
1️⃣ 《城市区域太阳辐射预测：基于人工神经网络的数据驱动分析用于可持续城市规划》
面对气候变化的挑战，如何优化建筑围护结构以适应未来气候条件成为建筑领域的重要课题。这项研究开发了一个综合性的围护结构改造优化框架，通过在澳大利亚四个不同气候区（布里斯班、悉尼、墨尔本和霍巴特）的典型商业建筑案例研究，探索了应对2050年气候变化的最佳改造策略。
研究采用了参数化建筑能耗模拟与多目标优化方法，同时考虑净能耗（NEU）、过热小时数（OH）和生命周期成本（LCC）三个关键性能指标。通过构建包含18个设计变量的参数化模型，结合基于超体积的进化算法（HypE）和TOPSIS决策方法，研究团队成功识别出最优改造方案。
研究结果揭示了气候变化对不同地区建筑性能的差异化影响：
- 在温暖气候区（布里斯班和悉尼），未来气候条件将导致冷负荷大幅增加，能耗和改造成本随之上升
- 在温和气候区（墨尔本和霍巴特），气候变暖反而可能降低采暖需求，使建筑更容易实现零能耗目标
- 所有城市的建筑过热风险都将显著增加，从当前平均4.91%上升到未来的23.98%
针对不同气候区，研究提出了差异化的优化策略：温暖气候区应采用低太阳得热系数（SHGC）窗户和适当的主动遮阳系统；温和气候区北向窗户可采用较高SHGC值以增加冬季太阳得热。研究还发现，建筑光伏系统不仅提供可再生能源，还能作为遮阳装置减少屋顶和北立面的太阳辐射，从而降低冷负荷。
这项研究为建筑师和工程师提供了应对气候变化的实用框架，帮助他们在未来气候条件下优化建筑性能和舒适度，同时控制改造成本。
2️⃣ 《基于智能多目标优化与人工神经网络实现原型城市街区最大太阳辐射与最小体积》
随着城市化进程加速和可再生能源需求增长，如何在城市街区尺度上优化太阳能利用效率成为可持续城市规划的关键挑战。这项创新研究通过结合多目标优化算法和人工神经网络，为城市街区形态设计提供了高效的决策支持工具。
研究团队在伊朗Kermanshah市选取了34种典型城市街区模式，利用Rhino-Grasshopper平台进行参数化建模，定义了包括高度、方向、地块数量和尺度在内的关键变量。通过Ladybug插件结合OpenStudio/EnergyPlus和Radiance进行太阳辐射分析，生成了包含170,305个数据样本的庞大数据集。在此基础上，研究应用NSGA-II多目标遗传算法进行优化，并利用人工神经网络（ANN）对优化后的数据进行训练和预测。
研究发现了几个关键的城市设计参数：
- 街区的最佳尺寸约为100×100米，最佳高度在10至15米之间
- 庭院式街区（C1和C5类型）相比其他街区类型能吸收更多的太阳辐射
- 面积、体积和尺度与太阳辐射吸收量存在强相关性，而方向关联性较弱
最令人印象深刻的是，研究开发的ANN模型能以98%的准确率预测未训练的城市街区样本的太阳辐射吸收、体积和面积，成功实现了从耗时的能耗模拟到快速仿真预测的转化。这意味着城市规划师和设计师可以在城市发展的早期阶段，快速评估和优化不同街区形态的太阳能利用效率，而无需进行耗时的详细模拟。
尽管该研究主要基于特定气候区（Kermanshah）的数据，但其提出的方法论和工作流程具有广泛的适用性，为未来在不同气候条件和更多样化城市形态下的研究奠定了基础。
🔍 想了解更多细节？请访问网站【论文分享】板块查看完整解读和原文链接。
🌞 人工智能与太阳能优化的未来展望
本周分享的两篇研究都展示了人工智能技术在优化建筑和城市太阳能利用方面的巨大潜力。随着计算能力的提升和算法的进步，我们可以预见，未来的城市规划和建筑设计将更多地依赖于数据驱动和智能优化方法，实现从单体建筑到城市街区尺度的能源高效利用。
这些研究不仅为应对气候变化提供了技术路径，也为实现”双碳”目标下的城市可持续发展提供了科学依据。我们期待这些先进方法能够在中国的城市规划和建筑设计实践中得到更广泛的应用，助力我国建设更加绿色、低碳、宜居的城市环境。
感谢每一位关注和支持绿建小筑的朋友！在2025年上半年的最后一天，我们希望这些前沿研究能为您的工作带来启发。下半年，绿建小筑将继续关注绿色建筑领域的创新技术和研究成果，为推动中国绿色建筑发展贡献力量。祝各位在下半年工作顺利，收获满满！