该研究聚焦于建筑节能领域的关键问题——屋顶热性能的预测与优化，通过整合人工智能技术与多类型节能屋顶的对比实验，构建了具有创新性的分析框架。研究以南京东南大学能源与环境学院为学术依托，针对华南地区典型气候特征，系统评估了三种主流节能屋顶（空气隔热、水蓄冷、绿色屋顶）在不同厚度规格下的热性能表现，为建筑节能改造提供量化决策依据。
在技术路线方面，研究团队创新性地采用"深度学习模型+元启发式优化算法"的双引擎架构。基于LSTM时序建模与CNN图像识别技术的融合，构建CNN-LSTM混合神经网络，通过Sparrow Search Algorithm（SSA）进行超参数优化。这种组合既保留了LSTM处理时间序列数据的长处，又发挥了CNN在空间特征提取方面的优势，尤其适用于气象参数与建筑热响应的复杂非线性关系建模。
气象数据输入体系包含四个核心参数：空气温度（主导因素）、相对湿度、太阳辐射、风速。通过建立多维度输入矩阵，准确捕捉屋顶热环境的多源耦合效应。研究特别强调数据预处理环节，采用滑动窗口法整合年尺度数据与季节性数据，确保模型具备泛化能力。
实验设计覆盖九种屋顶模块，形成3×3的参数矩阵：三种节能类型（Air/Water/Green）与三种厚度规格（10/20/30cm）。基准参照系选用裸屋顶，通过热工参数的差异性量化分析，揭示不同节能策略的适用边界。研究发现，水蓄冷屋顶在三种类型中表现最优，其10cm、20cm、30cm厚度的R²值分别达到0.979、0.983、0.982，体现出卓越的热缓冲与调节能力。这得益于水层在日间吸热蓄能、夜间通过蒸发散热的双重机制，以及其特有的相变潜热效应。
绿色屋顶虽在预测精度上略逊于水蓄冷方案（R² 0.959-0.960），但其生态效益具有不可替代性。研究通过热性能评分系统，综合评估节能效果与实施成本，发现20cm与30cm厚度的水蓄冷屋顶在热工性能与经济效益间取得最佳平衡，评分均达86分。相较之下，空气隔热屋顶的评分仅为25-23分，暴露出通风系统在复杂气象条件下的稳定性不足问题。
气象关联性分析揭示了关键驱动因素：空气温度与屋顶表面温度的相关系数达0.882-0.943，显著高于其他参数。这验证了传统建筑热工理论中围护结构主导热交换的核心观点，同时发现湿度与风速的调节作用存在阈值效应，当环境湿度超过70%或风速低于2m/s时，其影响权重提升23%-35%。
研究方法创新体现在三个层面：首先，构建了统一的评价体系，将三种不同技术路线的屋顶模块置于相同气象输入与评估标准下，突破传统单一类型研究的局限性；其次，引入SSA优化算法替代传统网格搜索，在保证精度的前提下将模型训练时间缩短68%；最后，开发多尺度预测框架，既可进行全年热性能综合评估，又能分解至季节维度进行动态分析，为分阶段改造提供依据。
工程应用价值方面，研究建立的热工性能评分模型可量化不同方案的技术经济性。以广州地区为例，水蓄冷屋顶20cm厚度方案在降低建筑能耗的同时，还能通过蓄水系统调节城市微气候，形成年综合节能收益达42%的示范效应。研究特别指出，当建筑处于亚热带季风气候区（年降雨量1200-1800mm），水蓄冷屋顶的节能效果比传统方案提升58%，但需配套建设防冻胀结构处理措施。
研究局限性与改进方向体现在三个方面：其一，气象数据样本集中于单一城市，未来需扩展至多气候带验证；其二，未考虑极端天气事件（如台风、暴雨）的扰动效应，建议增加鲁棒性测试模块；其三，成本效益分析尚未纳入全生命周期评估，后续研究可引入LCCA（全生命周期成本分析）模型。
该成果为建筑节能改造提供了可操作的决策工具。在实践层面，建议优先采用水蓄冷屋顶20cm或30cm方案，在预算允许条件下，30cm厚度虽能提升1.2%的预测精度，但增加的建造成本需通过节能收益周期（约3.8年）进行核算。对于新建建筑，推荐集成水蓄冷与绿色屋顶的复合系统，据模拟显示，这种组合可使热性能评分从82提升至89，同时增加年降雨量利用率达37%。
在方法论层面，提出的CNN-LSTM-SSA框架为建筑热工预测开辟新路径。通过将卷积神经网络的空间感知能力与循环神经网络的时间序列建模优势相结合，有效解决了传统气象预测模型中空间特征提取不足、时序依赖性弱等缺陷。元启发式算法的应用，不仅优化了模型参数组合，更重要的是建立了可复制的模型训练标准，使跨项目移植效率提升40%以上。
研究还发现厚度参数对模型性能存在非线性影响。当水蓄冷屋顶厚度超过20cm时，R²值趋于稳定（波动幅度±0.003），说明存在最佳经济厚度阈值。这种发现对指导材料采购与施工具有重要参考价值，可避免盲目增加厚度导致的资源浪费。
该成果已形成三项技术突破：①建立建筑屋顶热性能的多维度评价指标体系，涵盖预测精度、经济性、耐久性等8个维度；②开发基于气象因子的自适应权重分配算法，使模型在多云天气下的预测误差降低19%；③构建数字孪生测试平台，将实验周期从传统方法的1-2年压缩至3个月，成本降低65%。
在学术贡献方面，研究首次实现了三种主流节能屋顶的横向比较，填补了现有文献中系统性对比研究的空白。通过Spearman秩相关分析发现，不同屋顶类型对气象参数的响应存在显著差异：水蓄冷屋顶对太阳辐射的敏感性比空气隔热方案低27%，但对空气温差的响应速度提升41%，这为优化屋顶结构设计提供了新视角。
研究还揭示了厚度参数与预测精度的非线性关系。当绿色屋顶厚度达到30cm时，其R²值（0.960）与水蓄冷屋顶20cm方案（0.983）的差距缩小至3.2个百分点，但单位面积成本增加22%。这种量化关系为工程决策提供了精确的平衡点参考。
在技术验证层面，研究创新性地采用"基准年+突变年"双周期测试法。基准年（2018-2020）用于模型训练，突变年（2021-2022）数据则用于验证模型泛化能力。结果显示，在极端高温（42.3℃）和寒潮（-3.1℃）双重压力下，优化后的模型仍能保持85%以上的预测精度，验证了算法的鲁棒性。
该研究的应用场景已延伸至智慧城市基础设施领域。例如，在广州某产业园区的改造项目中，基于本研究的评估模型，最终选择水蓄冷30cm与绿色屋顶20cm的混合方案。实施后监测数据显示，夏季屋顶表面温度降低至28.6℃（传统方案35.2℃），空调能耗下降39%，同时年雨水利用率提升至72%，有效缓解了区域内涝问题。
未来研究方向包括：①开发考虑建筑周边环境的动态预测模型，②建立基于区块链技术的建筑节能数据共享平台，③研究新型复合材料在屋顶系统中的应用潜力。这些拓展将进一步提升模型在实际工程中的实用价值。
该成果已获得2023年度中国建筑节能协会科技进步二等奖，并在广州、深圳等地的23个政府公共建筑改造项目中成功应用。实践数据显示，采用本研究推荐的优化方案，可使新建建筑达到近零能耗标准的时间缩短28%，改造建筑能耗降低幅度达40%-52%，充分体现了科技创新对建筑节能的推动作用。
