facade pattern中文的問題，透過圖書和論文來找解法和答案更準確安心。 我們查出實價登入價格、格局平面圖和買賣資訊

機器學習導入永續建築設計流程－以參數立面日光設計和性能最佳化為例

為了解決facade pattern中文的問題，作者林權萱 這樣論述：

建築中的日光對於室內人員的舒適性、健康，以及建築物能源消耗有重要的影響，因此早期階段的日光設計決策對於建築的整體永續性發展至關重要。然而，在建築早期設計階段中實現日光評估仍面臨著許多挑戰。例如，過去經常採用的日光模擬評估方法計算量龐大並且十分耗時。為了在設計早期階段快速獲取有關建築日光性能的資訊以輔助決策，最近的研究開始使用機器學習、建築最佳化演算等方法來改善日光評估流程。透過機器學習可以開發日光預測模型快速進行評估，然而目前的模型訓練方法極大地限制了日光模型的應用範圍。建築最佳化演算可以在眾多設計備選方案中快速探索最佳解決方案，而其過程仍需大量計算且時間成本高昂。為了提高建築實務進行日光評

估的可行性，本研究以辦公建築立面設計為研究對象。首先，本研究以不同的機器學習方法開發了一種創新的日光預測模型，這些模型透過中介特徵進行訓練，使模型可以不受設計參數的限制而擴展模型的應用範圍。接著，將預測模型整合至最佳化流程中，進行了包含採光性能、能源消耗和使用者熱舒適的多目的最佳化評估，並演示了決策流程。整體而言，整合了參數化平台、機器學習和最佳化演算法等技術，探討快速進行評估、設計最佳化和簡化預測流程的可能性。在開發日光預測模型方面，結果顯示分析表面上的DA和ASE小時值都得到了良好的預測，成功再現了不同立面的日光分佈情形，表明了採用中介特徵的模型轉譯訓練方法對於擴展應用範圍的有效性。不同的

學習方法中，以RF和GBDT所訓練之模型有最佳的預測表現。此外，使用日光預測模型可以節省約90%的評估時間。在最佳化評估方面，結果顯示，Pareto解決方案包含了三個性能指標權衡後的結果，設計人員可以在可視化決策流程中輕易的比較最佳方案的性能和設計樣式。而整合預測模型的最佳化流程能夠在一日內完成評估，展現了可觀的時間優勢和可行性。為了實現更好的軟體相容性，本研究也開發並簡化了流程，設計人員只須導入設計模型並定義少量參數即能進行日光預測，使設計和評估之流程及工具相容性大為提升。整體而言，雖然預測模型至今仍存在一些限制，目前的研究成果對於透過機器學習模型快速預測、擴展模型應用範圍的方法、快速最佳化

評估和設計決策方法，已經取得了重大進展。

從複層植栽設計探討微氣候調適概念對濱海小學校園規劃之影響

為了解決facade pattern中文的問題，作者劉邦辰 這樣論述：

近年來全球氣候條件變遷，氣候異常導致環境越來越嚴苛，聯合國於2015提出的永續發展目標(SDGs)決議，成為至2030年全球參考的準繩。關於探討改善都市熱島效應及熱舒適性的議題已有大量的研究成果，其中也包含校園內的議題，但是關於偏鄉地區校園的環境議題較少被研究。國內永續循環校園計畫於2019年邁入第五階段轉型後，以校園探索計畫讓各校園能了解自身校園的議題，從物理環境、硬體設備，到以校園自身議題回應到SDGs。本研究從旁參與並觀察近年大手牽小手的永續校園探索計畫，發現有些校園位於濱海地區，面臨嚴峻的物理環境的課題，這些校園因周遭環境較空曠，面對氣候變遷議題受到較大影響，因此本研究選擇以台灣西部

濱海校園為研究對象，探討關於濱海校園在開放空間中運用複層植栽設計的策略，以及論述如何回應SDGs。在研究方法部分，從文獻回顧分析關於校園研究方法、中小學校園規劃的空間分布、植栽對改善微氣候的效益，其次是將SDGs與校園硬體連結，應用到校園規劃的層面，選擇SDG13氣候行動、SDG15陸域生態做為開放空間策略的對應指標，篩選冬季受到較嚴苛風環境影響的八所案例校園，透過ENVI-met軟體模擬方式去分析校園環境現況課題，探討植栽策略的改善效果，以回應SDGs。針對校園開放空間設計各種複層綠化不同情境的植栽策略，在校園案例實證的分析上，研究結果顯示可以有效調節微氣候，大幅改善校園開放空間的風速與舒適

度。