跳到主要内容
检索

Huda Al Baz

1 篇关联报道

订阅更新
  1. Research Square

    研究团队用 Hypar.io 机器学习微气候模拟开罗苏丹·卡劳恩建筑群,称计算时间约减少 40% 且保持高预测精度

    该研究在埃及开罗历史城区的苏丹·卡劳恩学校建筑群提出一个融合环境模拟、基于 Hypar.io 平台的机器学习技术与遗产保护原则的混合框架,通过现场数据采集、几何建模与 AI 驱动预测模型考察自然通风、植被、遮阳系统与使用模式对室外热舒适的影响,并以预测平均投票值(PMV)、热不适小时数、室内环境质量和遗产保护标准评估干预效果,报告 AI 辅助模拟相比传统物理模拟可将计算时间减少约 40% 同时保持较高预测精度,并指出优化自然通风与临时遮阳等与保护兼容的被动策略在提升热舒适的同时不损害场地的历史与建筑完整性。

已读完全部报道