目錄	                                                                I
圖目錄	                                                                III
表目錄	                                                                VI
第壹章 緒論	                                                        1
第一節 研究背景與動機	                                                1
一、 研究背景	                                                        1
二、 研究動機	                                                        3
第二節 重要概念定義	                                                7
一、 建築風環境分析	                                                7
二、 風環境數位治理	                                                7
三、 治理機制	                                                        7
第三節 研究目的與問題	                                                8
第四節 研究架構與方法	                                                10
一、 研究架構擬定	                                                10
二、 研究方法建構	                                                13
第五節 研究限制	                                                        15
一、 研究範圍界定	                                                15
二、 數據獲取與質量	                                                16
三、 定位風環境數位治理之研究焦點                                       17
四、 端到端模型的訓練與評估限制	                                        18
第貳章 文献回顾：風環境分析與決策方法演變歷程	                        19
第一節 實踐經驗下風環境理論與佐證	                                20
一、 風水學理論下的建築風環境應用	                                20
二、 室外風環境舒適度標準評估	                                        24
三、 實踐經驗下風水學理論佐證	                                        30
第二節 電腦科學介入下分析與決策方法的演變	                        38
一、 街區風環境特徵之影響因素	                                        38
二、 風環境模擬與校正	                                                45
三、 基於模擬分析的決策提出	                                        52
第三節 數位治理下風環境分析與決策方法	                                58
一、 風環境數位治理的發展與應用	                                        58
二、 從分治法結合數理邏輯到端到端模型的演變	                        61
三、 風環境分析與決策過程中的關鍵技術	                                64
第叄章 研究方法：基於端到端訓練的風場預測模型	                        70
第一節 工作理論	                                                        71
一、 數據集構建	                                                        72
二、 端到端模型學習方法	                                                74
三、 端到端模型的訓練與優化	                                        75
第二節 操作流程	                                                        80
一、 建築、氣象與模擬數據獲取	                                        81
二、 數據預處理	                                                        88
三、 端到端的風場預測模型實現	                                        93
第三節 五個評估原則和具體指標建立	                                98
一、 信度	                                                        98
二、 效度	                                                        99
三、 效率	                                                        99
四、 效能	                                                        100
五、 穩健性	                                                        100
六、 小結	                                                        101
第肆章 課題探討：風環境分析系統的實現與測試	                        103
第一節 模擬模塊實現	                                                104
一、 模擬模塊框架搭建	                                                104
二、 風速模擬圖生成的核心代碼編寫	                                108
三、 模擬模塊的性能探討	                                                113
第二節 解析模塊實現	                                                120
一、 解析模塊框架搭建	                                                120
二、 風速與風壓模擬圖解析的核心代碼編寫	                                124
三、 解析模塊的性能探討	                                                132
第三節 人機介面探討	                                                139
一、 輸入與輸出內容需求差異	                                        139
二、 介面及功能設計與網頁搭建	                                        141
第伍章 結論及後續研究建議	                                        148
第一節 結論	                                                        148
第二節 後續研究建議	                                                157
參考文獻	                                                        158
圖目錄
圖 1-1 檢索結果VOS分析圖	                                        4
圖 1-2 檢索結果柱狀圖	                                                5
圖 1-3 研究架構圖	                                                12
圖 2-1 風環境分析與決策方法演變過程	                                19
圖 2-2 最佳擇址示意圖	                                                21
圖 2-3 九宮八風圖	                                                22
圖 2-4 興寧市坭陂鎮湯一村進士第空拍圖	                                23
圖 2-5 建築表面受風參生正負壓示意圖	                                28
圖 2-6 柱體（a高3m；b高5m）尾流區漩渦分佈圖	                        31
圖 2-7 矩形單體建築周圍風流動圖	                                        31
圖 2-8 進士第空拍與模型掃描圖	                                        32
圖 2-9 進士第計算域與模型圖	                                        33
圖 2-10 夏季1.5m風速圖（a）與風速向量圖（b）	                        34
圖 2-11 冬季1.5m風速圖（a）與風速向量圖（b）	                        35
圖 2-12 夏季1.5m風壓圖	                                                35
圖 2-13 冬季1.5m風壓圖	                                                36
圖 2-14 都市邊界層垂直分層示意圖	                                39
圖 2-15 風攻角垂直都市街道之風場示意圖	                                43
圖 2-16 高度相同街道中氣流運動示意圖	                                44
圖 2-17 高度均等（a）和不均（b）的街道中氣流運動示意圖	                44
圖 2-18 建築佈局與主導風向示意圖	                                45
圖 2-19  CFD數值模擬過程	                                        48
圖 2-20 開放空間串聯示意圖	                                        54
圖 2-21 鈍體、流線體對空氣的阻力與表面附近的湍流相關圖	                55
圖 2-22 基於機器學習和深度學習演算法的中尺寸區域風速預測	        60
圖 2-23 人工智慧、機器學習與深度學習關係圖	                        61
圖 2-24 機器學習原理示意圖	                                        62
圖 2-25  LLM的工作原理示意圖	                                        64
圖 2-26  Naive RAG工作流程圖	                                        67
圖 2-27  Advanced RAG工作流程圖	                                        68
圖 2-28  Modular RAG工作流程圖	                                        69
圖 3-1 工作理論樹狀圖	                                                70
圖 3-2 操作流程樹狀圖	                                                71
圖 3-3 評估框架樹狀圖	                                                71
圖 3-4 訓練集、驗證集和測試集關係圖	                                73
圖 3-5  k-折交叉驗證示意圖	                                        73
圖 3-6 監督學習和無監督學習比對圖	                                74
圖 3-7  FNN絡示意圖	                                                76
圖 3-8  FCNN示意圖	                                                76
圖 3-9  ReLU示意圖	                                                77
圖 3-10  SGD示意圖	                                                78
圖 3-11 古榕巷平面圖	                                                80
圖 3-12 古榕巷改造前後實況比對圖	                                81
圖 3-13 改善後（a）與改善前（b）模型建構圖	                        82
圖 3-14 便捷式氣象站數據採集示意圖	                                83
圖 3-15 點1~6測量點位示意圖	                                        84
圖 3-16 夏季（a）、冬季（b）各點位實測平均風速數據比對圖	        85
圖 3-17 古榕巷計算域網格劃分示意圖	                                86
圖 3-18 古榕巷夏季（a）冬季（b）風玫瑰圖	                        86
圖 3-19 改善前夏季（a）冬季（b）和改善後夏季（c）冬季（d）風速圖	87
圖 3-20 夏季（a）、冬季（b）各點位預測值與實際值比對圖	                88
圖 3-21 三維建築模型和個測點空間訊息的二維圖像	                        89
圖 3-22 建築圖像預處理關鍵代碼	                                        90
圖 3-23 氣象數據清理相關代碼	                                        91
圖 3-24 時間訊息處理相關代碼	                                        92
圖 3-25 時間訊息處理相關代碼	                                        93
圖 3-26 端到端風場預測模型框架	                                        94 
圖 3-27 訓練集25（a）、50（b）、75（c）、100（d）組的損失變化	        95
圖 4-1 模擬模塊的實現與評估	                                        103
圖 4-2 解析模塊的實現與評估	                                        104
圖 4-3 輸入與輸出模塊的設計與探討	                                104
圖 4-4 模擬模塊流程圖	                                                107
圖 4-5 加載端到端模型的相關代碼	                                        109
圖 4-6 數據讀取與處理的相關代碼	                                        109
圖 4-7 創建初步風場的相關代碼	                                        110
圖 4-8 掩碼導入和尾流衰減參數設定的相關代碼	                        110
圖 4-9 使用向量化計算建築物影響的相關代碼	                        111
圖 4-10 應用影響到風場的相關代碼	                                111
圖 4-11 使用PHOENICS風格進行顏色映射的相關代碼	                        112
圖 4-12 風速模擬圖刻度條設置的相關代碼	                                113
圖 4-13 不同設備下的模擬模塊輸出結果	                                114
圖 4-14 夏（a）冬（b）各點位預測值與實際值比對圖	                114
圖 4-15 模擬模塊與CFD模擬軟件改善後夏季風速模擬圖	                115
圖 4-16 模擬模塊與PHOENICS改善後冬季風速模擬圖	                        115
圖 4-17 夏（a）冬（b）各點位PHOENICS與模擬模塊預測值比對圖	        116
圖 4-18 系統模擬誤差大小與約束條件關係圖	                        116
圖 4-19 使用端到端模型和CFD模擬軟件的處理流程對比	                117
圖 4-20 模擬模塊與CFD模擬軟件改善前夏季風速模擬圖	                118
圖 4-21 模擬模塊與CFD模擬軟件改善前冬季風速模擬圖	                118
圖 4-22 夏（a）冬（b）各點位PHOENICS與模擬模塊預測值比對圖	        119
圖 4-23 系統預測精准度與數據集關係圖	                                119
圖 4-24 解析模塊框架	                                                122
圖 4-25 整體圖像顏色識別的相關代碼	                                124
圖 4-26 從整體圖像提取風速或風壓的相關代碼	                        125
圖 4-27 識別圖像中點位的相關代碼	                                125
圖 4-28 根據點位訊息提取風速或風壓數據的相關代碼	                126
圖 4-29 使用編程語言定義評估標準的相關代碼	                        127
圖 4-30 根據評估標準進行分析的相關代碼	                                128
圖 4-31 基於模版生成描述範例的相關代碼	                                129
圖 4-32 基於提示詞工程和分析結果的LLM提示詞生成相關代碼	                130
圖 4-33 調用Deepseek生成分析與決策結果的相關代碼	                131
圖 4-34 自由模式下問答過程的相關代碼	                                132
圖 4-35  風速模擬圖與點位訊息	                                        136
圖 4-36  風環境分析系統整體介面設計	                                141
圖 4-37  輸入格設置示意圖	                                        142
圖 4-38  解析模塊提示詞引導示意圖	                                143
圖 4-39  解析模塊自由模式設置示意圖	                                143
圖 4-40  解析模塊分析模式不同評估標準設置示意圖	                        144
圖 5-1 本研究結論與各課題與問題之關聯	                                149
表目錄
表 1-1 檢索詞彙表	                                                5
表 1-2 研究課堂與問題分類表	                                        9
表 1-3 都市風環境尺度表	                                                15
表 2-1 九宮八風理論中描述的風環境與人體關係表	                        22
表 2-2 蒲福風級對行人舒適度影響表	                                25
表 2-3 希繆的行人風舒適性評價標準	                                26
表 2-4  F.H. Durgin的行人風舒適性評價標準	                        26
表 2-5  M.J. Soligo等人的行人風舒適性評價標準	                        27
表 2-6  S. Murakami評估體系下的傳統建築的風舒適性評價標準	        27
表 2-7 冬夏季室外風壓標準	                                        29
表 2-8 傳統建築冬夏季風環境評估標準	                                30
表 2-9 經驗性與科學性風環境分析與決策方法差異分析表	                37
表 2-10 粗糙長度分類表	                                                40
表 2-11 不同地形分類下的的粗糙程度指數表	                        41
表 2-12 風環境特徵示意圖歸納表	                                        42
表 2-13 個別測量儀器和一站式儀器差異表	                                47
表 2-14 風環境優化方法表	                                        53
表 2-15 各地區風廊道建設標準表	                                        54
表 2-16 電腦科學介入下的風環境分析與決策流程劃分表	                56
表 2-17 特徵工程與特徵學習差異表	                                63
表3-1 端到端的風場預測模型超參數設置表	                                97
表3-2 評估指標的原則、定義、比對對象與測試指標	                        102
表 4-1 模擬模塊框架表	                                                108
表 4-2 模擬模塊信度測試統一輸入內容表	                                113
表 4-3 解析模塊框架表	                                                123
表 4-4 解析模塊信度測試統一輸入表	                                133
表 4-5 解析模塊生成結果比對表	                                        134
表 4-6 解析模塊與人工分析結果比對表	                                135
表 4-7 解析模塊面對不同生成軟件生成結果比對表	                        138
表 4-8 配置說明表	                                                145

一、期刊、雜誌
1.中共梅州市委宣傳部（2012）。客家民居·興寧卷，9。
2.王雪鬆、曹宇博（2012）。“藏風聚氣”與傳統村鎮風環境研究——以重慶偏岩古鎮為例。建築學報，S2，21-23。
3.王偉武、王頔和黎菲楠（2020）。建築形態參數對街道型風道通風潛力影響分析。西部人居環境學刊，3，69-76。
4.王瑞利、江松（2015）。多物理耦合非線性偏微分方程與數值解不確定度量化數學方法。中國科學: 數學，45(6) ，723-738。
5.任超、袁超、何正軍、吳恩融（2014）。城市通風廊道研究及其規劃應用。城市規劃學刊，(3)，52-60。
6.江哲銘、陳念祖、周伯丞、李彥頤、連憶菁（2008）。水準導風板對室內自然通風之效益研究。建築學報，(64)，83-102。
7.李德仁、邵振峰（2018）。論物理城市—數字城市和智慧城市。地理空間資訊，16(9)，1-4，10。
8.李曉君（2018）。物理環境分析在多尺度城鄉規劃中的應用方法研究。共用與品質——2018中國城市規劃年會論文集，843-852。
9.李大宇、米加寧、宋麗麗（2024）。從孔德到哈耶克：社會機制研究的方法論。公共管理學報，21(1)，14-28+168。
10.汪德華（1994）。古代風水學與城市規劃。城市規劃匯刊，（1），19-25+62。
11.宋昆、易林（1998）。陽宅相法簡析。風水理論研究，70-88。
12.宋文芳、李丹、周紅（2024）。基於風環境模擬的居住區規劃優化研究——以江西省宜春市某居住區規劃方案為例。可持續發展，14(7)，1899-1909。
13.尚廊（1998）。中國風水格局的構成、生態環境與景觀。風水理論研究，26-32。
14.邱英浩、吳孟芳（2010）。不同街道尺度對環境風場之影響。都市與計畫，37(4)，501-528.
15.周永章、王俊、左仁廣、肖凡、沈文傑、王樹功（2018）。地質領域機器學習、深度學習及實現語言。岩石學報，34(11)，3173-3178 。
16.邱英浩、陳智仁、劉天祥（2019）。街道尺度與建築配置對室內自然通風效益之影響。建築學報，108，59-79。
17.胡玉峰（2004）。自動與人工觀測數據的差異。應用氣象學報，15(6)，719-726。
18.逄金玉（2011）。“智慧城市”——中國特大城市發展的必然選擇。經濟與管理研究，(12)，74-78。
19.洪波、林波榮（2013）。基於實測和模擬的居住社區冬季植被優化設計研究。中國園林，30(9)，104-108。
20.孫鐵鋼、肖榮波、蔡雲楠、王耀武、吳昌廣（2016）。城市熱環境等量評價技術研究進展及發展趨勢。應用生態學報，27(8)，2717-2728。
21.俞布、賀曉冬、危良華、陳亮、周雯（2018）。杭州城市多級通風廊道體系構建初探。氣象科學, 38(5)，625-636。
22.高雲飛、程建軍、王珍吾（2007）。理想風水格局村落的生態物理環境電腦分析。建築科學，23(6)，19-23。
23.徐四維、陳濱、樊新穎、宋曉明、王世博 (2020)。經典著作中建築風環境描述的科學詮釋及實證。製冷與空調，34(3)，289-296。
24.孫雨欣、黃仕元（2023）。緩解熱島效應與空氣污染的城市通風廊道規劃研究。地理科學研究，12(6)，808-818。
25.陳宏、劉沛林（1995）。風水的空間模式對中國傳統城市規劃的影響。城市規劃，(4)，18-21+64。
26.張伯寅, 桑建國, 吳國昌（2004）。建築群環境風場的特性及模擬——風環境模擬研究之一。力學與實踐，26(3)，1-9。
27.陳柳欽（2011）。智慧城市：全球城市發展新熱點。青島科技大學學報(社會科學版)，27(1)，8- 16。
28.崔文芊、王紹源（2013）。論萊布尼茨的數理邏輯成就及成因。江西社會科學，(6)，32-36。
29.莊智、餘元波、葉海、譚洪衛、謝俊民（2014）。建築室外風環境CFD模擬技術研究現狀。建築科學，30(2)，108-114。
30.陳浩曦、劉汶霖（2023）。基於 CFD 模擬技術下的風水學研究——以興寧市的進士第為案例。2023跨域創新設計整合國際研討會論文集。
31.溫昕宇（2010）。室外風環境CFD模擬在社區規劃建設中的應用。環境科學，29，113-114。
32.程敬麗、鄭敏、樓建晴（2012）。常見的實驗優化設計方法對比。實驗室研究與探索，31(7)，7-11.
33.曾穗平、田健、曾堅（2019）。基於 CFD 模擬的典型住區模組通風效率與優化佈局研究。建築學報，(2)，24-30。
34.閔妍濤、冷爍、胡振中、林佳瑞、於言滔（2022）。基於知識驅動的建築風環境災害評估平臺研究與實現。基於知識驅動的建築風環境災害評估平臺研究與實現。第八屆全國 BIM 學術會議論文集，21-26。
35.楊巧蘭，李平，夏冬，楊永宏，黃照亮，李靈熹（2024）。裙樓對住宅社區室外風環境影響的數值模擬分析。中山大學學報，63(3)，38-47。
36.劉明海、石芬（2023）。高層建築外廊行人風環境研究。流體動力學，11(2)，36-44。
37.樊顏搏、熊亞選、李想、田曦、楊洋（2024）。基於遺傳演算法的建築用能多目標優化應用進展。綜合智慧能源，46(9)，69-85。
38.Alsadi, N., Gadsden, S. A., Yawney, J. (2023) Intelligent estimation: A review of theory, applications, and recent advances. Digital Signal Processing, 135 (30), 103966.
39.Beranek, W.J. (1984). Wind environment around single buildings of rectangular shape and wind environment around building configurations . HERON, 29(1), 1-31.
40.Blocken, B., Stathopoulos, T., Carmelie,t J., Hensen, J.L. (2011). Application of computational fluid dynamics in building performance simulation for the outdoor environment: An overview. Journal of Building Performance Simulation, 4(2), 157-184. 
41.Blocken, B. (2014). 50 years of computational wind engineering: Past, present and future. Journal of Wind Engineering and Industrial Aerodynamics, (129), 69 -102.
42.Barresi, A. (2023). Urban Digital Twin and Sustainable Urban Planning. Techne, 25, 78-83. 
43.Bai, X., Gu, S.,  Liu, P., Yang, A., Cai, Z., Wang,J., Yao, J. (2023). RPNet: Rice plant counting after tillering stage based on plant attention and multiple supervision network. The Crop Journal, (11), 1586-1594.
44.Cover, T.M., Hart, P.E. (1967). Nearest neighbor pattern classification. IEEE Transactions on Information Theory, 13(1), 21-27. 
45.CLaesen, M., Moor, B.D. (2015). Hyperparameter Search in Machine Learning. arXiv preprint, arXiv: 1502.02127 .
46.Chen, H.X., Chien, C.H., Liu, W.L., Yen, A.Y.N. (2025). Assessing Wind and Fire Hazards in World Heritage Cities Using Digital Methods— A Case Study of Gu Rong Alley Historical District in Quanzhou City. Springer Nature.
47.Durgin, F.H. (1997). Pedestrian level wind criteria using the equivalent average. Journal of Wind Engineering and Industrial Aerodynamics, 66(3), 215-226.
48.Glorot, X., Bordes, A., Bengio,Y. (2011). Deep Sparse Rectifier Neural Networks. AISTATS, 315-323.
49.Guo, P.、Ding, C.、Guo, Z.、Liu, T.(2022). Coupling CFD Simulation and Field Experiments in Summer to Prove Feng Shui Optimizes Courtyard Wind Environments: A Case Study of Prince Kung’s Mansion in Beijing. Buildings, 12(5), 629.
50.Gür, M., Karadag, I. (2024). Machine Learning for Pedestrian-Level Wind Comfort Analysis. Buildings , 14(6), 1845.
51.Gao, Y., Xiong, Y., Wang, M., Wang, H. (2024). Modular RAG: Transforming RAG Systems into LEGO-like Reconfigurable Frameworks. arXiv preprint, arXiv:2407.21059.
52.Hargreaves, D.M., Wright, N.G. (2007). On the use of the k-ε model in commercial CFD software to model the neutral atmospheric boundary layer. Journal of Wind Engineering and Industrial Aerodynamics, 95(5), 355-369.
53.Holtzman, A.、Buys, J.、Du, L.、Forbes, M.、Choi, Y. (2019). The Curious Case of Neural Text Degeneration. arXiv preprint, arXiv: 1904.09751.
54.Hertwig, D., Gough, H.L., Grimmond, S., Barlow, J.F., Kemt, C.W., Lin, W.E. et al. (2019). Wake Characteristics of Tall Buildings in a Realistic Urban Canopy. Boundary-Layer Meteorol, 172, 239-270 .
55.Janowski, T. (2015). Digital government evolution: From transformation to contextualization. Government Information Quarterly, 32(3), 221-236.
56.Wei, J., Wang, X., Schuurmans, D., Bosma, M., Ichter, B., Xia, F., Chi, E., Le, Q., Zhou,D. (2022). Chain-of-Thought Prompting Elicits Reasoning in Large Language Models. arXiv preprint, arXiv: 2201.11903 .
57.Kármán T (1912). Ueber den Mechanismus des Widerstandes, den ein bewegter Körper in einer Flüssigkeit erfährt. Nachrichten von der Gesellschaft der Wissenschaften zu Göttingen. Mathematisch-Physikalische Klasse , 509-517.
58.Kitous, S., Bensalem, R., Adolphe, L. (2012). Airflow patterns within a complex urban topography under hot and dry climate in the Algerian Sahara. Building and Environment, 56, 162-175.
59.Kim, B., Lee , D.E., Sri Preethaa, K.R., Hu, G., Natarajan, Y., Kwok, K.C.S., (2021). Predicting wind flow around buildings using deep learning. Journal of Wind Engineering and Industrial Aerodynamics, 219, 104820 .
60.Kandpal, N., Deng, H., Roberts, A., Wallace, E., Raffel, C. (2023). Large language models struggle to learn long-tail knowledge, in International Conference on Machine Learning. PMLR, 15696-15707.
61.Lawson, T.V., Penwarden, A.D. (1975). The effects of wind on people in the vicinity of buildings. Proceedings of the Fourth International Conference on Wind Effects on Buildings and Structures.
62.Liu, Y., Hui Qin, H., Zhang, Z., Pei, S. Jiang, Z., Feng, Z., Zhou, J.(2020). Probabilistic spatiotemporal wind speed forecasting based on a variational Bayesian deep learning model. Applied Energy, 260, 114259.
63.Lewis, P., Perez, E., Piktus, A., Petroni, .F, Karpukhin, V., Goyal, N., Küttler, H., Lewis, M., Yih, W., Rocktäschel, T., Riedel, S., Kiela, D. (2021). Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks. arXiv preprint, arXiv: 2005.11401.
64.Liu, J.F.、Symons, C.T.、Vatsavai, R.R. (2022). Persona-Based Conversational AI: State of the Art and Challenges. arXiv preprint, arXiv: 2212.03699
65.Lv, S.X., Wang, L. (2022). Deep learning combined wind speed forecasting with hybrid time series decomposition and multi-objective parameter optimization. Applied Energy, 311, 118674.
66.Li, S., Li, H. (2023). Digital Twin of Interwoven Urban Systems: A New Approach to Future Resilient and Sustainable Cities. Applied Sciences, 13(17), 9696.
67.Li, Y. ,Chen, H., Yu, P., Yang, L. (2025). A Review of Artificial Intelligence in Enhancing Architectural Design Efficiency. Applied sciences, 15(3), 1476.
68.Ng, E., Yuan, C., Chen, L., Ren, C. (2011). Improving the wind environment in high-density cities by understanding urban morphology and surface roughness: A study in Hong Kong . Landscape and Urban Planning, 101(1), 59-74.
69.Mittla, H., Sharma, A., Gairola, A. (2018). A review on the study of urban wind at the pedestrian level around buildings. Journal of Building Engineering, 18, 154-163.
70.Ma, X., Gong, Y., He, P., Zhao, H., Duan, N. (2023). Query rewriting for retrieval-augmented large language models. arXiv preprint, arXiv: 2305.14283.
71.Mussabayev, R., Mussabayev, R. (2023). Comparative Analysis of Optimization Strategies for K-means Clustering in Big Data Contexts: A Review. arXiv preprint, arXiv: 2310.09819.
72.Marvin, G., Raudha, N. H., Jjinggo, D., Nakatumba-Nabende, J. (2024). Prompt Engineering in Large Language Models. Data Intelligence and Cognitive Informatics, 387-402.
73.Oke, T.R. (1998). Street design and urban canopy layer climate. Energy and Buildings, 11, 103-113.
74.Ouyang L., Wu J., Jiang X., Almeida D., Wainwright C. L., Mishkin P., Zhang C., Agarwal S., Slama K., Ray A., Schulman J., Hilton J., Kelton F., Miller L., Simens M., Askell A., Welinder P., Christiano P., Leike J., Lowe R.（2022）Training language models to follow instructions with human feedback. arXiv preprint, arXiv: 2203.02155.
75.Peng, W., Li, G., Jiang, Y., Wang, Z., Ou, D., Zeng, X., Chen, E., Xu, T., Xu, D. (2023). Large Language Model based Long-tail Query Rewriting in Taobao Search. arXiv preprint, arXiv:2311.03758.
76.Rosenblatt, F. (1958). The perceptron: A probabilistic model for information storage and organization in the brain. Psychological Review, 65(6), 386–408.
77.Richards, P., Hoxey, RP. (1993). Appropriate boundary conditions for computational wind engineering models using the k-ε turbulence model . Journal of Wind Engineering and Industrial Aerodynamics, 46-47，145-153. 
78.Soligo, M.J., Irwin, P.A., Williams, C.J., Schuyler, G.D. (1998). A comprehensive assessment of pedestrian comfort including thermal effects . Journal of Wind Engineering and Industrial Aerodynamics, 77- 78, 753-766. 
79.Silver, D., Huang, A., Maddison, C. J.,et al. (2016). Mastering the game of Go with deep neural networks and tree search. Nature, 529 (7587), 484-489.
80.Shen, J., Gao, Z., Ding, W., Yu, Y. (2017). An investigation on the effect of street morphology to ambient air quality using six real-world cases. Atmospheric Environment, 164, 85-101.
81.Shariatpour F., Behzadfar M. (2022). Digital Twin: A Step Towards Smart City Planning, Design, and Management. Engineering, Environmental Science. Computer Science Soffeh, 32, 93-106. 
82.Sutcliffe, R. (2023). A Survey of Personality, Persona, and Profile in Conversational Agents and Chatbots. arXiv preprint, arXiv: 2401.00609.
83.Shooshtarian S., Gurmu A., M.Sadick A. (2023). Application of natural language processing in residential building defects analysis: Australian stakeholders' perceptions, causes and types. Engineering Applications of Artificial Intelligence, 126, 107178.
84.Turing, A.M. (1950). Computing Machinery and Intelligence. Mind, 49,  433-460.
85.Tominaga, Y., Mochida, A., Yoshie, R., Kataoka, H., Nozu, T., Yoshikawa, M., Shirasawa, T. (2008).AIJ guidelines for practical applications of CFD to pedestrian wind environment around buildings. Journal of Wind Engineering and Industrial Aerodynamics, 96(10-11), 1749-1761.
86.Tompson, J., Schlachter, K., Sprechmann, P., Perlin, K. (2022). Accelerating Eulerian Fluid Simulation With Convolutional Networks. arXiv preprint, arXiv:1607.03597 .
87.Wieringa, J. (1992). Updating the davenport roughness classification . Journal of Wind Engineering and Industrial Aerodynamics, 41(1-3), 357-368.
88.Wang H, Zhou Y, Chan C,Wong W.O. (2004). Flow structure around a finite-Length square prism. proceedings of the 15th Australasian Fluid Mechanics Conference , 13-17.
89.Willmott, C.J., Matsuura, K. (2005). Advantages of the mean absolute error (MAE) over the root mean square error (RMSE) in assessing average model performance. Climate Research, (30), 79–82.
90.Wang, Z., Hong, T., Piette, M.A. (2020). Building thermal load prediction through shallow machine learning and deep learning. Applied Energy, 263, pp. 114683 .
91.Wang, S.Y., Ou, H.Y., Chen, P.C., Lin, T.P. (2024) Implementing policies to mitigate urban heat islands: Analyzing urban development factors with an innovative machine learning approach. Urban Climate, (55), 101868.
92.Wang, Z.、Huang, T.、Wang, Y.、Dai, S.(2024). Evaluation of the Impact of Courtyard Layout on Wind Effects on Coastal Traditional Settlements.  Land, 13(11), 1813.
93.Yazid, A.W.M., Sidik, N.A.C., Salim, S.M., Saqr, K.M. (2014). A review on the flow structure and pollutant dispersion in urban street canyons for urban planning strategies. SIMULATION: Transactions of The Society for Modeling and Simulation International, 90(8), 892-916.
94.Youngkyu, S., Sangnam, P., Hyerngdu, Y., Myungsuk, Y. (2022). Urban WindField Mapping Technique for Municipal Environmental Planning: A Case Study of Cheongju-Si, Korea. Atmosphere, 13(11), 1805.
95.Zhen, M., Zhou, D., Bian, G, Yang, Y., Liu, Y. (2018). Wind environment of urban residential blocks: a research review. Architectural Science Review, 62(5), 1-8.
96.Zhang, Y., Li, Y., Cui, L., Cai, D., Liu, L., Fu, T., Huang, X., Zhao, E., Zhang, Y., Chen, Y., Wang, L, Luu, A.T., Bi, E, Shi, F, Shi, S. (2023). Siren’s song in the ai ocean: A survey on hallucination in large language models. arXiv preprint, arXiv:2309.01219.

二、書籍
1.王琦、楊毅遠、江季（2025）。深度學習詳解。北京市：人民郵電出版社。
2.朱佳仁（2006）。風工程概論。臺北市：科技圖書。
3.邱澤奇（譯）（2005）。社會研究方法（原作者：Earl Babble）。北京市：華夏出版社，原出版年1975。
4.阿斯頓·張、紮卡裏C. 立頓、李沐、亞曆山大J. 斯莫拉（2023）。動手學深度學習。人民郵電出版社。
5.金志安（1993）。金氏地學粹編（歸厚錄陽基章）。臺北市：臺灣翔大。
6.周志華（2016）。機器學習。北京市：清華大學出版社。
7.郭璞（2018）。劉江東家藏善本葬書（雜篇）。北京市：九州。（原著出版年：東晉）
8.陳爽、張長倫、黎銘亮（2022）。深度學習中的優化演算法研究。人工智慧與機器人研究，11(4)，448-462。
9.楊清江（2004）。泉州舊城歷史名人故居。福建：泉州市南建築博物館。
10.劉尚培、項海帆、謝薺明（譯）（1992）。風對結構的作用風工程導論（原作者E. Simiu、R.H. Scanlan）。上海市：同濟大學出社。
11.劉建軍、章寶華（2006）。流體力學。北京市：北京大學出版社。
12.Allard, F. (1998). Natural Ventilation in Buildings: A Design Handbook. Routledge.
13.Bertalanffy, L.V. (1968). General System Theory: Foundations, Development, Applications. New York: George Braziller.
14.Banham, R. (1969). The Architecture of the Well-Tempered Environment. London: Architectural Press.
15.Cormen, T.H., Leiserson, C.E., Rivest, R.L., Stein, C. (2022). Introduction to algorithms (Fourth Edition). Cambridge, Massachusetts London, England: The MIT Press.
16.Creswell, J.W. (2014). Research Design: Qualitative, Quantitative, and Mixed Methods Approaches (4th ed.). SAGE Publications.
17.Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep learning. MIT Press.
18.Gonzalez, R.C., Woods, R.E. (2018). Digital image processing. New York： Pearson. 
19.Howard, L. (1833). Climate of London deduced from metrological observations . London: Harvey and Dorton Press.
20.Hempel, C.G. (1965). Aspects of Scientific Explanation and Other Essays in the Philosophy of Science. New York: Free Press.
21.Hawkes, D., McDonald, J., Steemers, K. (2002). The Selective Environment: An Approach to Environmentally Responsive Architecture. London: Taylor and Francis.
22.Jaakko, K., Aki, L., Caterina, M. (2007). ECONOMICS AS ROBUSTNESS ANALYSIS. University of Pittsburgh.
23.Mondy, R.W., Sharplin, A., Holmes, R.E., Flippo, D. (1986). Management: concepts and practices. Boston: Allyn and Bacon.
24.Simiu, E.，Scanlan, R.H. (2011) . Wind Effects on Structures: Fundamentals and Applications to Design. Dover Pubns.
25.Weill, P. , Ross, J. W. (2004). IT Governance: How Top Performers Manage IT Decision Rights for Superior Results. Harvard Business School Press.
三、技術及研究報告
1.內政部建築研究所（2015）。都市地區風環境流通效應影響評估分析研究。內政部研究所協同研究報告。新北市：內政部建築研究所。
2.郭建源（2017）。集合住宅外部環境風場與室內自然通風互制效應分析研究。內政部建築所自行研究報告。新北市：內政部建築研究所。
3.鄭元良、何友鋒（2010）。都市社區外部空間熱氣流通評估及都市設計指引之研究。內政部建築研究所協同研究報告。新北市：內政部建築研究所。

四、學位論文
1.王鵬躍（2023）。基於機器學習的城市住區建築佈局設計方法研究（博士論文）。北京市：北京建築大學。
2.朱斯坦（2015）。城市建築空間風場形態研究——採用武漢市夏季典型氣象日的氣象參數（博士論文）。武漢大學城市系統工程學系。
3.巫溢涵（2021）。基於代理模型的城市街區通風優化方法研究—以廣州為例（博士論文）。武漢市：武漢大學城市規劃學系。
4.吳國棟（2021）。自然通風導向的城市公共建築形體與空間組織設計研究（博士論文）。南京市：東南大學建築學。
5.冷爍（2023）。基於多尺度建模與數據驅動的建築運維期風環境分析應用（博士論文）。北京市：清華大學土木工程學系。
6.梅碩俊（2019）。風壓和熱壓作用下高密度城市通風和擴散模擬（博士論文）。武漢市：武漢大學熱能工程學系。
7.張少偉（2022）。多尺度城市風環境特性的 CFD 數值模擬與實驗研究（博士論文）。蘭州市：蘭州大學環境科學與工程·環境科學系。
8.Jeng H.E. (1992). A Dialogical Model for Participatory Design, A Computational Approach to Group Planning(Doctoral dissertation or master's thesis). Mekelweg: Technology University of Delft.


五、網絡訊息
1.中央氣象臺（2024）。http://www.nmc.cn/
2.中國知網（2024）。https://tra.oversea.cnki.net/index/
3.百度地圖（2016）。百度歷史全景地圖（具體時間2016年10月）。https://quanjing.baidu.com/#/
4.世界氣象組織 (2018)。儀器和觀測方法指南——第五卷觀測系統的質量保證與管理。世界氣象組織官網。取自https://library.wmo.int/records/item/68725-n-a?language_id=13&back=&offset=1
5.世界氣象組織 (2021)。儀器和觀測方法指南——第三卷觀測系統。世界氣象組織官網。取自https://library.wmo.int/zh/records/item/68721-n-a?language_id=8&back=&offset=10692
6.李宏毅（2024a）。生成式AI導論——生成式AI是什麼？。取自：https://www.youtube.com/watch?v=JGtqpQXfJis
7.李宏毅（2024b）。80分鐘快速瞭解大型語言模型。取自：https://www.youtube.com/watch?v=wG8-IUtqu-s&t=4752s
8.交通部中央氣象署（2024）。知識與天文——氣象儀器全書。交通部中央氣象署官網。取自https://www.cwa.gov.tw/V8/C/K/Encyclopedia/inst/index.html
9.福建省文物局（2022）。福建省文物局關於福建省第二批省級考古遺址公園名單的公示。取自：http://wwj.wlt.fujian.gov.cn/zwgk/tzgg/gggs/202205/t20220519_5914562.htm
10.臺灣博碩士論文知識加值系統（2024）。https://ndltd.ncl.edu.tw/cgi-bin/gs32/gsweb.cgi?o=d
11.廣東省人民政府地方誌辦公室、梅州市人民政府地方誌辦公室（2021）。“天圓地方”的客家圍龍屋。廣東省情網資料。取自http://dfz.gd.gov.cn/zjgd/content/post_3223515.html
12.Elsevier. Scopus (2024). Retrieved from https://www-scopus-com.ezproxy.lib.tku.edu.tw/search/form.uri?display=basic#basic.
13.Lawrie, L.K., Drury B.C. (2022). Development of Global Typical Meteorological Years (TMYx). Retrieved from https://climate.onebuilding.org/
14.SMU City Perspectives team (2022). Cooling Singapore 2.0: A step towards becoming a climate resilient and regenerative city. Retrieved from  https://cityperspectives.smu.edu.sg/article/cooling-singapore-20-step-towards-becoming-climate-resilient-and-regenerative-city

六、規範與指標
1.中華人民共和國住房和城鄉建設部（2012）。中華人民共和國國家標準GB50009-2012建築結構荷載規範。北京市：中華人民共和國住房和城鄉建設部。
2.中華人民共和國住房和城鄉建設部、國家市場監督管理總局（2019）。綠色建築評價標準。北京市：中國建築工業
3.北京市品質技術監督局，北京市規劃委員會（2022）。DB11/938-2022綠建築設計標準。北京市：中國建築工業出版社。
4.香港綠色建築議會（2021）。綠建築環評新建建築2.0版。香港市：建築環境評估協會有限公司。
5.香港特別行政區政府規劃署（2024）。香港規劃標準與準則（第十一章：城市設計引導）。香港市：香港特別行政區政府規劃署。
6.Ferziger, J.H., Perić, M., Street, R.L. (2020). Computational Methods for Fluid Dynamics(4th. edition). Berlin: Springer Verlag.