本文研究了建筑能源建模和几何特征提取，提出了一种基于多尺度原型表示学习的方法，显著提高了能耗估计的准确性。通过零样本学习和机器学习技术，验证了建筑能耗预测的有效性，并展示了在城市生成和规划中的应用潜力。

本文探讨了在建筑能源建模中使用基于物理信息的去噪自编码器（PI-DAE）填补缺失数据的方法，强调了物理知识在提高预测可解释性和实际应用性方面的重要性。同时，介绍了结合经典算法与现代神经网络的自动驾驶车辆轨迹预测方法PTNet，展示了其在数据需求和预测准确性上的优势。

本文介绍了一种基于物理信息的去噪自编码器 (PI-DAE) 在商业建筑中填补缺失数据的方法，通过引入物理知识实现更可解释的预测，有效解决建筑能源建模中的缺失数据问题。