会议回顾｜实验室研究生同学亮相建筑学界两大年度盛会

张海菀、袁之雨等

会议回顾｜实验室研究生同学亮相建筑学界两大年度盛会

在小说阅读器中沉浸阅读

秋意渐浓，学术争鸣正当时。我们实验室的同学们将带着最新研究成果，分别奔赴了两场建筑学界的年度盛会——“2025气候适应与低碳城市国际学术研讨会” 与 “2025计算性设计学术论坛暨中国建筑学会计算性设计专业委员会年会（第七届）”，与海内外同仁共话前沿、切磋真知，在学术浪潮中探索边界、竞逐新思！

2025气候适应与低碳城市

国际学术研讨会 · 西安

2025年10月17至19日，由国际低碳城市·社区·建筑学术联盟（IAA-LCCNB）、长安大学西部新型城镇化碳中和研究院联合主办，长安大学建筑学院、西安建筑科技大学建筑学院、绿色建筑全国重点实验室共同承办，中国风景园林学会支持的2025气候适应与低碳城市国际学术研讨会在长安大学南校区北院学术交流中心举行。来自瑞典哥德堡大学、日本广岛大学、清华大学、浙江大学、南京大学、同济大学、大连理工大学等海内外等56家单位的200多位专家学者和研究生参加会议。

实验室学生张海菀的论文《整合 Sobol 敏感性分析与神经网络的建筑逐时能耗预测方法研究》被此次会议录用，并受邀在分会场四进行口头汇报。

汇报现场

汇报内容针对夏热冬暖地区居住建筑能耗预测的复杂性，提出整合Sobol敏感性分析与改进LSTM神经网络的预测方法。该方法通过参数化模拟生成多维“建筑-气候-能耗”数据集，在改进 LSTM 模型中融合滑动窗口时序分析与静动态特征提取机制，同时运用Sobol敏感性分析量化变量主效应与交互效应以筛选关键特征，最终实现对高维时序能耗的精确捕捉与预测优化。

Sobol 敏感性分析与神经网络工作流

以深圳居住建筑为案例，选取10个特征变量构建数据集进行实验验证。结果表明，改进LSTM模型的RMSE、R⟡、MAPE指标优于传统LSTM和BPNN模型；经 Sobol 特征筛选与改进LSTM 整合优化后，模型预测精度进一步提升，且训练时间有效降低。

2025计算性设计学术论坛暨

中国建筑学会计算性设计专业委员会年会 · 杭州

11月17日，备受瞩目的“2025计算性设计学术论坛暨中国建筑学会计算性设计专业委员会年会（第七届）”于浙江大学紫金港校区隆重举行。本届年会由中国建筑学会计算性设计专业委员会、浙江大学建筑工程学院及浙江大学平衡建筑研究中心联合主办，汇聚了全国计算性设计领域的顶尖专家学者与行业代表。本次论坛聚焦“无限智联：从知识重构到智能生产”的核心议题，深度探讨了在“双碳”战略与新质生产力发展背景下，计算性设计所肩负的新使命与探索的新路径。

与会期间，实验室成员袁之雨同学在“人工智能、神经网络与机器学习”分论坛发表了“基于深度学习的室外温度场三维逐时预测模型构建”的演讲。

演讲现场

研究背景

室外温度场是建筑节能设计与公共健康风险预警的核心依据，而城市化加速与气候变化加剧，使城市下垫面（建筑、绿地等）多样性引发温度场显著时空异质性。传统室外温度场预测方法存在瓶颈：CFD 模型（如 ENVI-met）精度可靠但计算慢、成本高，现有数据驱动模型（如 Pix2pix）仅能实现二维单时刻预测，易丢失时空信息，无法满足 “高精度 + 高效率” 的实际需求。