بسیاری از معماران در هنگام پذیرش فناوری های ساختمان سبز با مشکلاتی مواجه می شوند و با مزایای ساختمان های سبز آشنا نیستند. این مطالعه داده کاوی دو مرحله‌ای را بر روی 354 پروژه ساختمان سبز در تایوان انجام داد تا مسائلی را در مرحله طراحی اولیه پروژه‌ها، مانند پذیرش فناوری، درجه‌بندی ساختمان سبز و هزینه‌های ساخت حل کند. این مطالعه قوانین انجمن را برای بررسی ارتباط بین انواع و درجه‌های مختلف ساختمان‌های سبز و پذیرش فناوری اتخاذ کرد. علاوه بر این، یک مدل پیش‌بینی مبتنی بر شبکه عصبی مصنوعی برای پیش‌بینی درجه‌ها و هزینه‌های پروژه‌های ساختمان سبز ساخته شد. نتایج نشان می‌دهد که انواع و درجه‌های مختلف ساختمان‌های سبز بر اساس فناوری‌های ساختمان سبز متفاوت است. به طور خاص، یک ساختمان سبز با درجه بالا تاکید بیشتری بر فناوری های ساختمان سبز تهویه مطبوع، کاهش CO ₂ و محیط های داخلی دارد. فناوری های ساختمان سبز تحت تأثیر انواع ساختمان ها، مقررات، هزینه ها، شرایط آب و هوایی یا محدودیت های جغرافیایی قرار دارند. این مطالعه همچنین نشان داد که دقت شبکه عصبی مصنوعی در پیش‌بینی گریدها و هزینه‌های ساختمان سبز می‌تواند به بالای 80 درصد برسد. روش سیستماتیک داده کاوی ساخته شده در اینجا می تواند به طور موثر به معماران و صاحبان ساختمان کمک کند تا زمان و هزینه های اولیه طراحی را کاهش دهند و میزان موفقیت پروژه های ساختمان سبز را بهبود بخشند. انتظار می‌رود که رویکرد پیشنهادی در آینده برای مناطق دیگر با اقلیم‌های مختلف یا ابزارهای رتبه‌بندی ساختمان سبز متناظر آن‌ها تنظیم شود تا کاربردهای مناسب‌تری ایجاد کند.