随着我国经济的快速发展与城市人口的不断增多,高密度住宅区的数量与规模也在迅速增加,住宅区内的环境问题日益突出,其中风环境是面临的主要问题之一。人行高度处的风速在居民的日常生活中起着重要作用,会对室内外的热舒适性、能源消耗与污染物扩散等产生影响,进而威胁居民的健康与舒适。因此,如何对住宅区的风环境进行优化设计,是现阶段亟待解决的问题。本文提出了一种基于“参数化建模-Open FOAM模拟-机器学习”框架的住宅区风环境优化设计方法,研究住宅区形态对夏季通风与冬季防风的影响,机器学习被用于建立预测模型。研究主要分为3个部分:首先,基于参数化平台Grasshopper建立住宅区模型,本文选择5类形态要素（地块方向、建筑高度、建筑长度、建筑交错与建筑架空）,通过形态要素的取值变化生成若干个住宅区案例,各形态要素的取值范围由样本数据的统计结果确定,并且符合武汉当地的建设工程规划管理技术规定。其次,使用Open FOAM软件对住宅区模型的室外风环境进行模拟,采用4个优化目标（夏季-适宜风速区域占比、夏季-风速的离散度、冬季-静风区面积比和冬季-风速的离散度）来评估住宅区的室外通风效率,获得一个包含设计变量与优化目标的数据集。最后,将数据集中的数据分为训练集和测试集两部分,使用机器学习方法对训练集中的数据进行学习,之后用测试集对学习结果进行验证,使用误差评价指标对预测模型的预测值与数据集中的实际值之间的差距进行评价,选择具有最佳预测性能的模型。研究结果表明:（1）优化后的住宅区在夏季通风与冬季防风方面均有较大提高。与第1代优化目标取得的最大（小）值相比,夏季-适宜风速区域占比的最大值提高了16.8%,夏季-风速的离散度的最小值降低了0.345,冬季-静风区面积比的最大值提高了17.6%,冬季-风速的离散度的最小值降低了0.328。（2）机器学习方法可以用来提高风环境预测的效率与准确度。在6种机器学习模型中,极限梯度提升具有最佳预测性能。（3）本文基于影响住宅区风环境的5类形态要素,从3个方面提出风环境优化设计策略,分别为:综合考虑夏季通风与冬季防风、以夏季通风为重点、以冬季防风为重点,设计者可以根据实际需求进行选择。