社區生活資訊情報站論文書籍站
朝陽科技大學 建築系建築及都市設計碩士班 郭柏巖所指導 陳旻婕的 集合住宅能源計算基準與標示之研究 （2021），提出總樓地板面積英文關鍵因素是什麼，來自於集合住宅、單位面積耗電量、建築能源模擬、建築能效、建築碳排密度。
而第二篇論文國立成功大學 建築學系 鄭泰昇所指導 吳宛霖的 衍生式設計結合建築性能最佳化於建築初期階段草案自動生成研究 （2021），提出因為有 衍生式設計、自動生成、最佳化運算、建築資訊模型、人工智慧的重點而找出了 總樓地板面積英文的解答。
集合住宅能源計算基準與標示之研究
為了解決總樓地板面積英文 的問題，作者陳旻婕 這樣論述：
近年來社會大眾對於減碳議題及綠建築相關內容有所關注。2020年經濟部能源局統計我國住宅部門電力消費佔18.5%僅次於工業部門55.6%，顯示住宅部門耗電及節能對於台灣的重要性。歐盟在2002年率先實施建築能效標示制度（EPBD），而我國也為了推動建築能源效率認證，於2020年發展出台灣建築能效評估系統TBERS(Taiwan Building Energy-Efficiency Rating System)，本研究在TBERS架構下之R-BERS系統(Building Energy-Efficiency Rating System for Residential Buildings)做為住宅
類建築評估使用，對新建住宅制訂建築能效認證制度，可達到有效管理建築節約能源，並與世界各國的發展趨勢接軌。本研究因集合住宅設計多樣化，且評估案件面積規模不同，因應不同集合住宅評估案，量身制定該評估案之R-BERS評分尺度基準，所以必須擬出R-BERS照明及空調耗電密度基準，供不同集合住宅，住宅專用分區評估案使用，運用建築動態耗能分析eQUEST軟體，進行集合住宅住戶專用分區之全年耗能模擬，共進行45種不同參數設定之研究，其模擬成果與近年住宅耗能統計資料接近，具有一定之信賴度，也發現其模擬不同格局一房到五房之EUI分布皆呈現右偏分佈。最終選擇集合住宅三房型的空調與照明EUI基準，作為台灣R-BER
S評估法中的「非透天集合住宅」住戶專用分區之評量尺標。本研究挑選14個近年拿到綠建築標章及候選綠建築之集合住宅或社會住宅案例進行R-BERS評估，在這14個案例中R-BERS評估等級皆可達4級以上，並探討其建築規模與碳排總量關係，也為了了解目前建商提供住戶以毛胚屋形式的照明EL空調EAC皆=0.9時，公共區域照明及空調進行評估，可拿到評估1級的方式，以Case8為例原設計評估等級2級，設定15種不同方案之住宅及公共分區固定式設備進行評估，方案6配合住戶烹飪習慣以瓦斯爐台進行設定，先暫且不考量高層建築消防廚房防火區劃的問題，加上一般普遍建商提供的公共區域固定式設備，以瓦斯爐台1級、瓦斯熱水器2級
、有保溫材之熱水管設定、地下室採用有標章風機及使用動力回生的永磁馬達電梯，此時評估等級可達1級。而假使要提升評估等級到1+級，以現有的住戶照明、空調採毛胚屋形式是無法達成的，必須在住戶內提供能效等級佳的空調設備，才有機會拿到評估1+級。以上15個方案設定，主要是為了提升建築節能及減碳的效果，可供未來新建社會住宅與集合住宅評估時，政府單位或建商挑選相關設備挑選時有所參考。
衍生式設計結合建築性能最佳化於建築初期階段草案自動生成研究
為了解決總樓地板面積英文 的問題，作者吳宛霖 這樣論述：
近年來，在建築設計方面導入人工智慧的案例越來越多，由參數模型、自動化衍生設計、建築性能模擬和目標優化組成，已成為輔助建築師設計的有效工具，本研究探索設計初期階段，利用數位工具輔助自動化量體草案衍生的最佳化方案，以及應用在建築設計實務流程的可能性。 現有的設計方法流程為透過基地分析（如：動線分析、植栽分析、環境分析、建蔽率、容積率及高度限制）後，由人工生成多種配置方案後，進行對比並選擇其中一種方案後進行修改，並在最後進行環境模擬分析。傳統流程的缺點在於線性作業，無法同時配置多種方案，較容易陷入單一設計思維中，無法模擬一同列入配置考量。本研究聚焦在建築設計初期階段的設計方法流程，以建築
初期草案自動化衍生為目標，整合衍生式工具進行最佳化之建築設計方案自動生成。 本研究結合Rhino Grasshopper及Revit應用，將基地分析的限制條件參數化，連接量體生成模組，並將環境模擬提前加入參數應用，透過優化生成多種方案配置後挑選修改，在利用Revit inside Rhino導入Revit中進建築資訊模型整合，以利於設計初期草案之進行。 本研究以成功大學旺宏館設計案進行測試，透過參數調整來設定基地限制，加入植栽保留區域、預期預留空地區域及建蔽率、總樓地板面積、樓層高度等限制，透過grasshopper插件Evomass來生成建築量體，以參數設定來限制量體生成
的範圍、量體個數及單元量體的最大最小值，此外，並結合建築性能模擬，設定優化目標，透過懲罰或獎賞進行運算優化，此優化算法利用Evomass中的SSIEA進行優化運算，生成符合基地限制、設計者需求及性能模擬目標的量體草案配置。本研究透過案例驗證，標的多種量體方案，再由設計師進行挑選後修改。修改後的量體可透過Revit inside Rhino插件，將原有在Rhino生成之量體於Revit中創建可供建築資訊模型（BIM）使用之模型，達到與BIM平台的結合，以利後續在建築設計上BIM協同作業的進行。 本研究實證的結果，透過建築師訪談、回饋與分析，顯示加入自動化草案生成後的建築初期設計方法流程，
可優化生成較佳的方案或是提供新的設計想法，因提前加入環境模擬優化，可在建築設計初期階段快速提供可行性草案分析，使建築師有更多的時間能投入細部設計及修改方案，可作為未來建築師事務所導入人工智慧共同協作之參考。