تصمیم گیری در مورد مقاوم سازی سبز ساختمان های موجود بر هر دو دانش صریح و ضمنی متکی است و کارایی و قابلیت اطمینان آن نیاز به بهبود دارد. رویکردهای هوشمندی که بتوانند به اندازه کافی از اطلاعات متنی پروژه‌های موجود استفاده کنند، برای ارائه استراتژی‌های مناسب‌تر برای مقاوم‌سازی سبز مورد نیاز هستند. این مقاله یک رویکرد تصمیم‌گیری را با ترکیب استدلال مبتنی بر مورد (CBR) و جنگل تصادفی (RF) توصیف می‌کند، که می‌تواند موارد مشابه را از پایگاه داده حاوی 109 پروژه مقاوم‌سازی سبز شناسایی کرده و اقدامات قدیمی را اصلاح کند. یک مطالعه موردی پروژه عملی نشان می‌دهد که اقدامات تجدیدنظر شده بهسازی می‌تواند شدت مصرف انرژی (EUI) را تا 37 درصد کاهش دهد. رویکرد پیشنهادی فرآیندهای CBR را بهینه‌سازی و استاندارد می‌کند و راهنمایی‌هایی را برای مقابله با مشکلات تصمیم‌گیری مقاوم‌سازی سبز نیمه‌ساختار یافته ارائه می‌کند، در نتیجه توسعه پایدار و مدیریت هوشمند در زمینه ساخت‌وساز را ارتقا می‌دهد. نمونه اولیه سیستم پس از گسترش پایگاه داده موردی توسعه و ترویج خواهد شد.