期刊信息
期刊名称:世界建筑导报
创办日期:1985年
主办单位:深圳大学
刊期:双月刊
电话:0755-26534627
Email:wara@szu.edu.cn
国内统一刊号(CN):
44-1236/TU
国际标准刊号(ISSN):
1000-8373
人工智能驱动的建筑碳中和
<正>本期《世界建筑导报》主题是“人工智能驱动的建筑碳中和”。直面全球气候变化与国家“双碳”战略,本期聚焦建筑业绿色转型的关键议题:人工智能如何以革命性技术力量,重塑从设计、建造到运营管理的建筑全生命周期,推动行业迈向低碳化与智能化的新范式。我们系统呈现AI在生成式设计、性能模拟、能效优化等方向的前沿发展,并通过多项研究实践展示人机协同框架下建筑碳中和路径的多元可能,为行业变革提供理论洞见与方法指引。学术论坛中,林波荣等提出了面向建筑“设计—运维”全生命周期的AI应用框架;韩昀松等构建了混合增强型大语言模型,用于预测建筑隐含碳排放,提升早期设计阶段的碳排精度;刘刚等提出了“人因—能效”耦合的高铁站热环境智慧设计体系,以AI实现热舒适提升与能耗降低的双重优化;姚佳伟等系统综述AI在可持续低碳建筑设计领域的全球研究格局;吕帅等开发了AI驱动的住宅平面生成与能耗优化框架,结合扩散模型与遗传算法,实现低能耗住宅平面的智能生成;孙弘历等以基座模型进行大型公共建筑过渡空间能耗分析,通过参数优化与元样本建模实现节能策略评估;龙玉峰等探讨了面向新型建筑工业化的集成建构美学与协同设计方法;殷明刚等构建了智能增强的绿色建筑设计决策框架,融合气候分析与RAG技术,实现低能耗设计策略的自动生成与验证。
人工智能驱动的建筑碳中和
林波荣;<正>直面全球气候变化挑战与国家“双碳”战略目标,在建筑行业绿色转型的关键时期,我们深入探讨人工智能技术如何作为一种革命性力量,重构从设计、建造到运营管理的建筑全生命周期,推动行业向低碳化、智能化范式跃迁。本期专辑汇聚八篇论文,从“理论与范式”、“智能化技术”与“应用与实践”三个维度,系统展示了AI驱动的建筑碳中和路径的多元化解决方案与未来图景,旨在为行业的深刻变革提供理论先导与实践参考。在理论与范式层面,人工智能正在重构建筑碳中和的方法论基础。《迈向碳中和的建筑数智化转型探索_从设计到运维》一文提出建筑“设计—运维”全生命周期AI应用框架,涵盖生成设计、多性能优化与智能运维,推动低碳建筑数智化转型。《人工智能在可持续低碳建筑设计中的研究进展:一项系统综述》系统综述人工智能在可持续低碳建筑设计中的研究进展,分析全球分布、议题差异与优化效果,指出未来研究方向。《基于双碳背景的新型建筑工业化集成建构美学与协同设计思考》探讨新型建筑工业化的集成建构美学与协同设计,通过案例解析推动从技术工具到系统思维的设计转型。这三篇论文对人工智能驱动建筑碳中和的发展进行了深入的理论思考,探讨了未来研究的方向。
迈向碳中和的建筑数智化转型探索:从设计到运维
李奕辉;高雯;林波荣;人工智能作为技术与方法论的双重驱动力,正深刻改变建筑领域的数智化转型路径。建筑本身既承载物质空间与性能优化的实用性需求,也蕴含可持续发展的文化与社会责任。在碳中和目标驱动下,本文从建筑“设计—运维”全生命周期出发,探讨人工智能在低碳建筑设计与运维场景中的三类核心应用模式:设计端的生成与预测、多性能耦合优化及知识融合辅助,运维端的智能监测诊断、主动控制与全生命周期闭环优化。通过梳理功能性与智能性的动态演进关系,提出面向碳中和的建筑数智化转型路径,并结合实践案例总结设计思路与方法,以期为未来低碳建筑的创新发展提供多维度参考。
基于混合增强大语言模型的建筑隐含碳排放预测建模方法
韩昀松;胡佐鉴;张俊峰;“双碳”目标下,建筑行业作为碳排放重点领域,其隐含碳排放时间集中且强度高。建筑隐含碳排放预测是支撑建筑降碳设计决策制定的关键。既有方法需输入的建筑信息类型多、计算工作量大、耗时长,受限于设计初期构件参数缺失影响,预测精度待提升,且面临数据成本高、多源异构数据整合难、动态关键因素识别不足等问题。本文旨在提出基于混合增强大语言模型的建筑隐含碳排放预测建模方法,整合模型微调、检索增强生成和提示词工程技术,增强大语言模型对建筑隐含碳排放的推理及预测能力,基于建筑体量信息智能补全设计前期缺失的建筑构件参数,实现“端到端”的隐含碳排放预测,解决建筑隐含碳排放预测方法在建筑设计前期应用的瓶颈问题,为建筑降碳设计决策提供预测方法支持。
“人因–能效”协同的高铁站智慧化热环境设计方法
李美玲;刘刚;原野;现有高铁站建筑热环境设计多基于稳态假设且局限于单一空间,难以满足乘客在完整乘车序列中的动态热舒适需求,从而导致乘客舒适度与建筑能效的双重损失。为此,本研究提出一种面向高铁站的智慧化热环境设计方法,实现热舒适需求与建筑能效的协同优化。该方法融合人工智能(Artificial Intelligence, AI)技术,构建“感知―预测―优化”的数据驱动工作流:通过采集并融合人因感知与能耗数据,建立热舒适需求与能效性能预测模型,并利用智能优化算法实现双目标的协同提升。以寒冷地区大型高铁站为例的实证结果表明,该方法最高可提升67.40%的热舒适度并降低34.75%的能耗。研究成果为高铁站热环境设计标准的修订提供了科学依据,并为AI赋能下公共建筑热环境设计提供了可推广的框架与技术路径。
人工智能在可持续低碳建筑设计中的研究进展:一项系统综述
简一心;黄辰宇;苏汶山;姚佳伟;人工智能在可持续低碳建筑设计中的应用,缓解了与城市资源枯竭和环境退化相关的问题。本文通过系统综述,分析当前低碳建筑设计现状并指出未来研究需求。首先,确定涵盖504篇相关文献的审查范围。其次,回顾了人工智能在低碳建筑设计中的研究进展,指出其在全球数量分布、可持续议题关注度以及优化效果方面的差异性。最后,讨论了差异的成因,并为未来的低碳建筑设计提出指导。本综述为今后开展可持续低碳建筑设计研究提供实证基础和经验总结。