Lehrstuhl für Architekturinformatik (Prof. Petzold)
Advisor:
Petzold, Frank (Prof. Dr.)
Referee:
Petzold, Frank (Prof. Dr.); Thuerey, Nils (Prof. Dr.)
Language:
en
Subject group:
ARC Architektur
Keywords:
deep learning; cwe; wind simulation; cfd
Translated keywords:
Deep-Learning; CWE; Windsimulation; CFD
TUM classification:
ARC 045
Abstract:
The dissertation examins ways of integrating urban scale wind simulations in the early stages of urban planning. It outlines the requirements for such simulation tools to be successfully integrated into the design process without disurpting it. Based on these criteria, the dissertation prooposes a surrogate model for urban scale wind simulations that utilizes novel deep learning methods. The dissertation introduces a prototypical implementation of the model and provides an in depth analysis of its performance.
«
The dissertation examins ways of integrating urban scale wind simulations in the early stages of urban planning. It outlines the requirements for such simulation tools to be successfully integrated into the design process without disurpting it. Based on these criteria, the dissertation prooposes a surrogate model for urban scale wind simulations that utilizes novel deep learning methods. The dissertation introduces a prototypical implementation of the model and provides an in depth analysis of i...
»
Translated abstract:
In der Dissertation werden Methoden zur Integration von Windsimulationen auf Stadtebene in die frühen Phasen der Stadtplanung untersucht. Sie definiert die notwendige Anforderungen, damit solche Werkzeuge erfolgreich in den Entwurfsprozess integriert werden können, ohne ihn zu unterbrechen. Auf der Grundlage dieser Kriterien wird in der Dissertation ein Surrogat-Modell für städtische Windsimulationen entworfen, das innovative Deep-Learning-Methoden verwendet. Die Dissertation stellt eine prototypische Implementierung des Modells vor und liefert eine detaillierte Analyse seiner Leistung.
«
In der Dissertation werden Methoden zur Integration von Windsimulationen auf Stadtebene in die frühen Phasen der Stadtplanung untersucht. Sie definiert die notwendige Anforderungen, damit solche Werkzeuge erfolgreich in den Entwurfsprozess integriert werden können, ohne ihn zu unterbrechen. Auf der Grundlage dieser Kriterien wird in der Dissertation ein Surrogat-Modell für städtische Windsimulationen entworfen, das innovative Deep-Learning-Methoden verwendet. Die Dissertation stellt eine prototy...
»