ساختمان ها مقدار زیادی گازهای گلخانه ای تولید می کنند و انرژی زیادی را در طول چرخه زندگی خود مصرف می کنند [1]، به این معنی که صنعت ساخت و ساز مصرف انرژی بالایی دارد و بارهای زیست محیطی بالایی تولید می کند [2]. تحت روند جهانی حفاظت از محیط زیست و توسعه پایدار، بسیاری از معماران مصرف منابع زمین و آلودگی های ناشی از صنعت ساخت و ساز را مورد بررسی مجدد قرار داده اند. اتحادیه بین المللی معماران اعلامیه وابستگی متقابل شیکاگو برای آینده ای پایدار را در یک کنفرانس بین المللی در سال 1993 تصویب کرد و از معماران جهان درخواست کرد که توسعه زیست محیطی پایدار را به عنوان وظایف خود در نظر بگیرند و در مورد توسعه ساختمان های پایدار بحث کنند. به دنبال آن اعلامیه، ابزارهای رتبه بندی ساختمان سبز شروع به شکوفا شدن کردند. به عنوان مثال، انگلستان و ایالات متحده به ترتیب روش ارزیابی محیطی تأسیسات تحقیقاتی ساختمان (BREEAM) و رهبری در طراحی انرژی و محیطی (LEED) را برای ارزیابی ساختمان سبز توسعه دادند. تایوان در سال 1999 ابزار رتبه بندی ساختمان سبز را بر اساس معیارهای اکولوژی، صرفه جویی در انرژی، کاهش ضایعات و سلامت (EEWH) ایجاد کرد و هر ساله جلسات منظمی را برای بررسی سیاست ها و روندهای توسعه برگزار می کند. ساختمان های سبز

با بیش از 20 سال تجربه اجرایی، دولت تایوان قوانین و مقررات ساختمان سبز را وضع کرده است. بر اساس سیاست‌ها و قوانین، تعداد پروژه‌های ساختمان سبز اجرا شده توسط سازمان‌های خصوصی افزایش یافته است و حتی برخی از آنها برچسب‌هایی با درجه بالا کسب کرده‌اند [3]. با وجود این، عملکرد ساختمان‌های سبز همچنان با مسائل زیادی از جمله هزینه‌های بالا [4،5]، سیستم‌های پیچیده رتبه‌بندی ساختمان‌های سبز، درجات و هزینه‌های نامشخص [6] و عدم دانش و مهارت‌های کارکنان درگیر در ساختمان سبز مواجه است [[ 7]، [8]، [9]]. در نتیجه، معماران اغلب در طول مرحله طراحی اولیه پروژه های ساختمان سبز با مشکلات زیادی مواجه می شوند. علاوه بر این، به دلیل ارتباط پیچیده بین سیستم‌های رتبه‌بندی ساختمان‌های سبز و فن‌آوری‌ها، فاز طراحی زمان‌بر و زمان‌بر است [4،5، [10]، [11]، [12]، [13]، [14]). ، که نه تنها بر تمایل پرسنل برای مشارکت در پروژه های ساختمان سبز تأثیر می گذارد، بلکه موانعی را در تمرین و ارتقاء ساختمان سبز ایجاد می کند [[15]، [16]، [17]، [18]).

فناوری‌های ساختمان سبز (GBTs) به عنوان فناوری‌های پایداری تعریف می‌شوند که در طراحی و ساخت ساختمان ادغام می‌شوند تا ساختمان‌ها را پایدار کنند [19]. GBT ها شامل مواد پایدار [20]، تجهیزات [21]، روش های ساخت و ساز [9] و استراتژی های طراحی [19] هستند که در طول چرخه عمر ساختمان از نظر زیست محیطی پاسخگو و کارآمد هستند. با توسعه سیستم EEWH ، دولت تایوان در تعدادی از مطالعات در مورد GBT ها، از جمله سیستم های HVAC [22،23]، روشنایی و عایق صرفه جویی در انرژی [24] و سبز کردن سقف [25] همکاری کرد. پژوهشکده معماری و ساختمان وزارت کشور در سیستم ارزیابی اولیه EEWH شرکت کرد، یک سری مطالعات را از سال 1996 تا 2019 انجام داد و در تدوین راهنمای فناوری برای طراحی ساختمان سبز بر اساس اقلیم محلی و شرایط ساخت و ساز در کشور مشارکت داشت. تایوان [26،27]. راهنمای فناوری برای طراحی ساختمان سبز به دقیق ترین و نماینده ترین مجموعه GBT ها در تایوان تبدیل شده است [28].

به منظور بهبود بیشتر امکان‌سنجی عملی ساختمان‌های سبز، علاوه بر افزایش دانش و شناخت فن‌آوری شرکت‌کنندگان، تسریع در انتخاب GBT‌ها در مراحل اولیه طراحی، از جمله ارتباط بین درجات مختلف و انواع سبز ضروری است. ساختمان‌ها و فناوری‌ها، و روابط علی بین فناوری‌ها و درجه‌بندی‌ها و هزینه‌های ساختمان سبز. با توسعه فناوری اطلاعات، برخی از مطالعات مدل های پیش بینی را برای انتخاب اعتبار هدف و طراحی فناوری ساختمان سبز ایجاد کرده اند. به عنوان مثال، چنگ و ما [29] یک رویکرد استدلال مبتنی بر مورد (CBR) را برای ارائه مطالعات موردی پروژه‌های ساختمان سبز تایید شده مشابه و پیشنهاداتی در مورد اعتبارات هدف LEED پیشنهاد کردند. جون و چنگ [30] روشی را برای انتخاب اعتبارات هدف LEED بر اساس اطلاعات پروژه و عوامل اقلیمی ارائه کردند. با این حال، مطالعات موجود بیشتر بر پیش‌بینی انتخاب اعتبارات LEED هدف متمرکز بود و بحثی در مورد ترکیب پذیرش فناوری و همبستگی هزینه‌ها در سطوح مختلف ساختمان سبز وجود نداشت. به عبارت دیگر، در عمل، معماران هنوز در پذیرش GBTها و ارزیابی هزینه-فایده مشکل دارند [[31]، [32]، [33]، [34]].

از این رو، این مطالعه داده کاوی دو مرحله ای را بر روی ابزار رتبه بندی ساختمان سبز تایوان برای 354 موردی که از سال 2012 تا 2018 گواهی ساختمان سبز را دریافت کردند، انجام داد. ابتدا قوانین ارتباط داده کاوی را برای بررسی ارتباط بین انواع و درجه های مختلف ساختمان های سبز اتخاذ کرد. و پذیرش فناوری دوم، بر اساس فناوری‌های انتخاب شده، این مطالعه مدل پیش‌بینی درجه‌ها و هزینه‌های ساختمان‌های سبز را توسط شبکه عصبی مصنوعی (ANN) ایجاد کرد. مدل پیشنهادی می تواند به معماران، متخصصان ساخت و ساز و مشتریان در جمع آوری اطلاعات کافی در مرحله طراحی اولیه پروژه های ساختمان سبز کمک کند. علاوه بر این، همچنین می‌تواند عدم قطعیت زمان طراحی را کاهش دهد، تصمیمات کارآمدی در مورد پذیرش فناوری بگیرد و امکان‌سنجی پروژه‌های ساختمان سبز را ارزیابی کند.