城市是节能减排的主战场，在“双碳”背景下，针对能源绩效驱动的城市设计展开理论与实践探索有着重要的意义和价值。本书第一部分在梳理气象学等相关原理的基础上，结合传统研究阐明了城市形态与建筑能源绩效的相关性及其影响机理，并以建湖为例，基于参数化模拟技术重点阐述了能源绩效驱动的城市形态优化方法与路径。本书第二部分针对机器学习算法在城市建筑能源优化和城市设计中的具体运用，选取了四个案例进行重点分析与阐释，并对相关方法在城市设计实践中的应用做了进一步的展望。 本书立论新颖，资料翔实，理论、方法和实践应用并重，既适合建筑学、城乡规划学、风景园林学、建筑环境与能源应用工程以及相关领域的专业人士、建设管理者阅读，也可用作高等院校相关专业师生选修课的参考教材。

总序
前言
1 绪论
1.1 研究背景
1.1.1 城市能耗现状与城市建筑节能
1.1.2 国家节能减排战略与太阳能利用
1.1.3 高能效城市设计
1.2 相关概念界定
1.2.1 建筑能耗
1.2.2 能源绩效
1.2.3 城市形态
l.3 国内外相关研究现状
1.3.1 城市建筑能耗研究的技术与方法
1.3.2 城市形态与微气候相关性研究
1.3.3 城市形态与建筑能源绩效的关联性
1.3.4 小结
2 能源绩效与城市形态的耦合机理
2.1 气候与区域
2.1.1 气候与城市气候
2.1.2 城市表面的能量平衡与热岛效应
2.1.3 我国气候分区
2.1.4 夏热冬冷地区气候特征
2.2 城市形态与能源绩效的耦合机理
2.3 影响建筑能源绩效的城市形态因子
2.3.1 城市密度
2.3.2 城市肌理
2.3.3 建筑类型
2.4 本章小结
第一部分 仿真优化部分
3 能源绩效驱动的城市形态优化方法与路径
3.1 实验原理概述
3.1.1 形态生成
3.1.2 性能计算
3.1.3 算法优化
3.2 能源绩效驱动的城市形态优化评价指标
3.2.1 能源使用强度
3.2.2 可再生能源利用潜力
3.2.3 平均月负荷匹配指数
3.3 平台与工具介绍
3.3.1 犀牛(Rhino)和参数化设计插件Grasshopper实验基础平台
3.3.2 瓢虫工具(Ladybug Tools)性能分析插件
3.3.3 多目标优化插件Wallacei
3.4 优化实验组织
3.4.1 实验基地设定
3.4.2 理想场地建构
3.4.3 实验组织框架
3.4.4 城市形态因子对比
3.5 实验平台搭建
3.5.1 形态生成模块
3.5.2 性能计算模块
3.5.3 算法优化模块
3.5.4 数据记录与导出模块
3.6 本章小结
4 能源绩效驱动的城市形态优化结果与分析
4.1 单一建筑类型街区形态能源绩效评估
4.1.1 实验组织过程
4.1.2 数据对比分析
4.1.3 小结
4.2 容积率可变条件下的街区形态生成与自动寻优
4.2.1 实验组织过程
4.2.2 形态生成与优化分析
4.2.3 形态因子与建筑能源绩效的统计分析
4.2.4 小结
4.3 容积率限定条件下的街区形态自动寻优
4.3.1 实验组织过程
4.3.2 形态优化分析
4.3.3 形态因子与建筑能源绩效的统计分析
4.3.4 小结
4.4 能源绩效驱动的城市形态优化策略
4.5 本章小结
第二部分 算法优化部分
5 结合机器学习和建筑网络分析预测建筑群能耗
5.1 引言
5.2 方法
5.2.1 特征选择
5.2.2 网络提取
5.2.3 建立建筑网络和人工神经网络模型
5.3 案例研究
5.3.1 案例研究说明
5.3.2 模型配置和评估
5.4 结果和评估
5.4.1 建筑能源使用强度结果
5.4.2 网络分析和预测的准确度
5.5 本章小结
6 数据驱动的城市街区层级建筑群能源预测
6.1 引言
6.2 研究方法
6.2.1 城市建筑数据集描述
6.2.2 数据预处理及数据驱动预测技术
6.2.3 城市建筑群能源预测模型
6.2.4 模型参数调整与评估
6.3 研究结果
6.3.1 模型1的能源预测结果
6.3.2 模型2的能源预测结果
6.3.3 模型3和模型4的能源预测结果
6.3.4 模型5的能源预测结果
6.4 本章小结
7 从模拟到数据驱动的低能耗城市形态生成机制
7.1 引言
7.2 研究背景
7.2.1 城市建筑能耗建模研究综述
7.2.2 城市微气候与建筑能源研究综述
7.2.3 城市形态与能源建模研究综述
7.3 研究方法
7.3.1 研究框架
7.3.2 城市街区案例
7.3.3 城市形态
7.3.4 城市建筑节能模拟调节
7.4 研究结果
7.4.1 城市街区设计过程的优化结果
7.4.2 城市街区设计优化的结果
7.4.3 实际城市街区能源预测分析
7.5 本章小结
8 气候与城市形态耦合的街区尺度建筑能耗监测数据驱动框架
8.1 背景介绍
8.1.1 文献综述
8.1.2 城市能源使用的主要决定因素
8.1.3 数据驱动的城市能源使用预测
8.1.4 研究贡献
8.2 研究方法
8.2.1 检测系统概述
8.2.2 城市建筑案例研究
8.2.3 数据清理与处理
8.2.4 探测系统两种模式的数据描述
8.2.5 检测系统中的预测技术
8.2.6 模型训练和参数调谐
8.3 研究结果
8.3.1 城市建筑设计和能耗数据
8.3.2 天气数据
8.3.3 模式1下的模型评价和结果比较
8.3.4 模式2下的模型评价和结果比较
8.4 本章小结
8.4.1 主要结论
8.4.2 意义与启示
8.4.3 局限性和未