能源消耗預(yù)測(cè)是規(guī)劃和控制建筑領(lǐng)域能源使用的必要組成部分，該領(lǐng)域占全球能源消耗的40％并產(chǎn)生大量溫室氣體排放。然而，很少有研究關(guān)注建筑特征、建筑幾何和城市形態(tài)對(duì)能源性能的綜合影響。

 

2023年1月1日發(fā)表在Energy上的一篇名為《Data-driven estimation of building energy consumption and GHG emissions using explainable artificial intelligence》(使用可解釋的人工智能進(jìn)行數(shù)據(jù)驅(qū)動(dòng)的建筑能耗和溫室氣體排放預(yù)測(cè))的論文。通過開發(fā)可解釋的深度學(xué)習(xí)模型來填補(bǔ)這一研究空白。該模型名為eXplainable Artificial Intelligence，使用Light Gradient Boosting Machine集成了SHapley Additive exPlanation算法，以提供關(guān)于機(jī)器學(xué)習(xí)模型用于建筑能效預(yù)測(cè)的可行性方面的洞察力。該研究成功地預(yù)測(cè)了住宅建筑物的能源使用和溫室氣體排放，提出城市形態(tài)和建筑幾何對(duì)評(píng)估建筑物能源消耗和溫室氣體排放有顯著作用，并確定了總建筑面積和天然氣為能源消耗和溫室氣體排放的最具影響力因素。