整合建筑信息模型与机器学习预测基础材料化阶段的碳排放：针对中国35个公共建筑的案例研究

由于显著的能源消耗和环境影响，识别建筑基础施工在设计阶段的碳排放特征至关重要。本研究旨在建立一个基于过程的碳评估模型，采用建筑信息模型（BIM），计算中国无地下空间建筑基础的材料化阶段碳排放，并通过相关分析识别影响排放的因素。这五个因素包括建筑功能类型、建筑结构类型、基础面积、基础处理方法和基础深度。此外，本研究开发了几个基于机器学习的预测模型，包括决策树、随机森林、XGBoost和神经网络。在这些模型中，XGBoost表现出相对较高的准确性和最小的误差，基于测试组反馈可实现206.62的均方根误差（RMSE）和0.88的决定系数（R2）。研究揭示了每栋建筑基础每平方米的碳排放具有显著变异性，范围从100到2000 kgCO2e/m2，展示了在建筑设计阶段优化碳排放的潜力。此外，材料对总碳排放的贡献显著，占78%至97%，这表明在设计阶段利用BIM技术优化碳减排工作具有重要机会。