在对建筑景观格局的特征研究中,传统的研究方法主要集中在对建筑物的外形轮廓等信息进行获取,缺乏对隐含特征的提取和创造出拥有获取特征的建筑景观格局,其本质上是有监督的分类,只能利用提取出的特征对建筑的种类进行判定而不能利用这些特征进行整合并重绘。即使特征提取算法中的建筑重构相关研究仍需要人为提供建筑参数,面对大量不同的建筑物时便无法适应。由于缺乏对建筑群共同特征的提取与重构的方法,传统的建筑特征提取在一些关注景观空间分布形态如建筑格局对热环境影响的研究中,只能局限于有限的明显特征指标。对需要挖掘建筑隐含特征的研究诸如建筑景观构型与热岛效应的关联等尚无定论,更缺乏如何优化以达到最科学合理的建筑景观格局等研究结论。作为无监督学习的生成对抗网络有望利用AI手段提取出建筑景观格局中大量的隐含特征,实现传统方法无法实现的建筑景观格局生成。本文在生成对抗网络基础上,针对建筑景观格局的特点提出了一种新的生成对抗网络模型来更好实现建筑景观格局的生成。研究工作如下:1.分析生成对抗网络在建筑景观格局生成过程中存在的问题和原因,创新提出了一种新的网络模型来改善问题并验证了新型模型的优越性。2.针对建筑特征提取中存在的不足,在新型模型的基础上进一步创新提出了建筑格局特征分区、分割训练的改良方法,使得模型训练更加迅速且生成了更富有创造性的建筑景观格局。3.进行了新型模型在多种数据集上的实验来评估此模型的通用性。通过对机器学习领域经典数据集进行训练,依然得出了优秀的生成结果,验证了本文模型具有良好的通用性。4.进行实际应用,通过进一步对更复杂的建筑景观格局特征提取和重构,获得了目前尚未得到分类的优秀建筑景观格局。进一步证实了该模型对建筑特征提取重构的优越性,使优化建筑景观格局对环境等方面影响的研究成为了可能,值得继续研究。