首页|基于XGBoost模型的低碳住区规模优化方法研究——以金堂县杨柳北片区为例

基于XGBoost模型的低碳住区规模优化方法研究——以金堂县杨柳北片区为例

Low-carbon Oriented Residential Scale Optimization Method Based on XGBoost Model:A Case Study on Yangliubei Area of Jintang County

扫码查看
原文链接
  • NETL
  • NSTL
  • 维普
  • 万方数据
住区整体规模形态特征对碳排放会产生长期的影响.当前对低碳住区的研究多集中在单体建筑方面,对住区整体规模尺度和碳排放关系的量化研究并不多见.以四川金堂县杨柳北片区为例,利用实地调研和软件模拟的方式获取63 处住区碳排放清单数据,选取容积率、空间紧凑度和街廓面积三个规模特征指标,基于XGBoost机器学习算法建立"住区规模——碳排放"预测模型,并据此模型对住区规模进行优化.研究发现,住区规模与碳排放之间并非简单线性关系,而是多指标综合作用下的非线性相关关系.通过机器学习方法可以建立量化的预测模型,并合理预测低碳住区的最优规模区间.就金堂县而言,住区街廓尺度在150～180 m,面积15000～25000 m2,紧凑度在20～23 最为低碳.本研究对控规层面住区碳排放预测,低碳住区规划设计、评价和规划管控的理论方法建立具有借鉴意义.

low-carbon cityresidential scalecarbon emissionmachine-learning

冯兰萌、王一帆、袁大昌

展开 >

天津大学 建筑学院,天津 300072

北京市城市规划设计研究院,北京 100045

天津大学城市规划设计研究院有限公司,天津 300072

低碳城市 住区规模 碳排放 机器学习

国家重点研发计划

2018YFC0704706

2023

10.3969/j.issn.2096-9422.2023.07.021

建筑节能(中英文)
中国建筑东北设计研究院有限公司

建筑节能(中英文)

CSTPCD
影响因子：0.695
ISSN：2096-9422
年,卷(期)：2023.51(7)
  • 11