ساختمان های سبز (GB) به طور گسترده در کشورهای مختلف ترویج شده است. با این حال، ارزیابی پس از اشغال نشان می دهد که بسیاری از گیگابایت نمی توانند به خوبی اهداف مورد انتظار را برآورده کنند. برای غلبه بر عدم تطابق بین اهداف چندگانه GB، این مقاله یک روش ترکیبی کارآمد و هوشمند را با استفاده از BIM-DesignBuilder (BIM-DB)، بهینه‌سازی گرگ خاکستری (GWO)، جنگل تصادفی (RF) و الگوریتم ژنتیک مرتب‌سازی غیرمسلط II توسعه می‌دهد. NSGA-II) برای دستیابی به بهینه سازی پارامترهای طراحی. مدل BIM و ابزار شبیه سازی DB برای به دست آوردن نمونه داده ها از پارامترهای طراحی پاکت و سیستم تهویه مطبوع و چرخه عمر آنها استفاده شد.carbon emission(LCCE)، هزینه اقتصادی (EC) و میانگین رای پیش بینی شده (PMV). مدل RF برای دستیابی به پیش بینی با دقت بالا استفاده شد. GWO در بهینه سازی هایپرپارامتر استفاده شد. الگوریتم NSGA-II برای بهینه سازی چند هدفه برای به دست آوردن پارامترهای طراحی بهینه اعمال شد. یک مورد ساختمان نشان می‌دهد: (1) مدل RF عملکرد پیش‌بینی عالی برای LCCE، EC و PMV داشت. (2) BIM-DB می تواند برای به دست آوردن مجموعه داده های شبیه سازی ساختمان با خطای کم و قابلیت اطمینان بالا استفاده شود. (3) الگوریتم هوشمند RF-NSGA-II می تواند LCCE ساختمان را در کل چرخه تا 16.6٪ کاهش می دهد، EC در هر متر مربع را 2.0٪ کاهش می دهد و راحتی حرارتی را تا 18.3٪ بهبود می بخشد که نشان دهنده ارزش کاربردی خوب است. . این تحقیق روشی برای بهینه‌سازی چندهدفه ساختمان‌های سبز از دیدگاه ارائه می‌کندdata miningو راهنمایی برای انتخاب پارامترهای پاکت ها و سیستم های تهویه مطبوع ساختمان های جدید و موجود برای طراحی علمی تر و موثرتر ساختمان های سبز.