10.3969/j.issn.1000-0232.2024.01.004
居住区性能模拟图像预测生成方法研究
为解决传统用数值模拟软件调整居住区设计方案物理性能的繁琐流程,提升以性能优化为导向的设计方法的实用价值.立足于深度学习,以对居住区较为重要的两项物理性能(风环境和日照环境)为例,构建基于条件生成对抗网络(CGAN)的性能模拟图像预测模型.实验结果表明:该方法的提出可在有限的误差范围内快速预测生成目标布局对应的性能模拟图像.建筑师可根据预测生成的性能模拟图像对目标方案的总平面图进行调整优化,提高工作效率,在住区强排的初步设计阶段具有较强实用性.
深度学习、数值模拟、性能预测、条件生成对抗网络、高层居住区
TU984.12(地下建筑)
国家自然科学基金;浙江省自然科学基金资助项目
2024-02-02(万方平台首次上网日期,不代表论文的发表时间)
共9页
29-37