办公街区多尺度设计要素与建筑碳排放的非线性关系研究 — 基于参数化与 SHAP 方法

碳中和城市街区推广建设与数智时代背景下,采用机器学习算法实现城市街区的建筑碳排放快速预测以及背后影响机制的解读可以辅助建筑师在方案设计阶段进行智能决策。针对机器学习预测模型解释性不足的问题,本文旨在构建一种基于参数化与SHAP方法的办公街区多尺度设计要素与建筑碳排放的非线性关系分析范式。基于武汉市办公街区案例调研建立参数化模型,采用6种集成学习算法构建了办公街区建筑碳排放预测模型,其中Gradient Boosting （梯度提升）算法的性能最佳。以此模型为例,进行办公街区多尺度设计要素与建筑碳排放的非线性关系解读,识别影响建筑碳排放的关键设计参数,解读背后的影响机制,辅助建筑师进行设计方案的智能决策。