1.一种基于智能算法及能耗综合优化的城市建筑群设计方法，其特征在于，城市建筑群设计方法包括以下步骤：S1：建立城市建筑群形态信息和城市建筑群能源消耗数据库；通过调研获取城市形态基本信息、能耗数据、气象数据，建立城市建筑群形态信息和城市建筑群能源消耗数据库；所述形态信息包括样本建筑群的类型、密度、平面轮廓，能源消耗数据包括建筑群消耗的水、电、燃气；S2：利用数据挖掘技术分析提取影响城市能耗的城市建筑群形态驱动因子；S3：挖掘真实环境中能耗与城市形态的关联性；S4：结合智能算法和计算机仿真模拟，对真实环境下能源驱动的城市建筑群形态与理想环境下仿真模拟的城市建筑群形态进行分析、比对与评估；S5：利用集成算法最终构建一套高能效城市建筑群形态与能耗耦合作用框架和运算平台；所述S2具体是：S2.1：利用数据挖掘技术分析提取影响城市能耗的城市建筑群形态驱动因子；首先提取城市建筑群形态有关的数据x，通过下式表示x：x＝￡(a、b、c、d、e、f、g、h、i)；其中：a为建筑密度、b为建筑间距系数、c为天空视域因子、d为平面布局、e为垂直布局、f为建筑朝向、g为住宅功能类型、h为办公楼住宅功能类型、i为商场功能类型、￡为映射函数；S2.2：能耗数据为水、电、燃气的消耗量，统一换算成国际能源单位焦耳,根据城市建筑群能源消耗数据库统计，分别提取城市建筑群形态有关的数据对应能源单位J，使其转换为数学计算；进而提取能耗有关能量y，通过下式表示y：y＝λ(β、γ、α)；中β代表建筑群消耗的水，γ代表建筑群消耗的电，α代表建筑群消耗的燃气，λ为映射函数，y的单位为焦耳；所述S3具体是：S3.1：挖掘真实环境中能耗与城市形态的关联性；用皮尔逊相关系数来表示城市形态和能耗之间的相关性系数r，通过下式表示r：n为样本量，X i 为城市建筑群形态有关数据i样本数值，Y i 为能耗有关能量数据i样本数值； 为X样本平均数， 为Y样本平均数；r描述的是两个变量间线性相关强弱的程度,r的绝对值越大说明各变量之间的线性关系越强，越接近线性关系,该算法可由Python或SPSS完成，以量化两者的耦合关系；提取r对应的城市建筑群驱动因子φ，驱动因子φ对应的城市建筑群形态有关数据为X i ，能耗有关能量数据为Y i ，其中φ作为自变量对应的r值范围为：0.5≤∣r∣≤1。
2.根据权利要求1所述的一种基于智能算法及能耗综合优化的城市建筑群设计方法,其特征在于，所述S4具体是：S4.1：在S1的基础上建立研究区域计算机模型；通过Grasshopper下的ladybug和honeybee插件、GIS，进行理想环境下仿真模拟；S4.2：利用驱动因子作为评价分级的输入参数，以高能效城市形态设计为目标，计算评估中，层级聚类分析评估方法可采用purity评价法，评估计算机模拟效果接近真实比例，通过下式表示Purity：其中N代表总的样本个数,Ω＝{r 1 ,r 2 ,…,r k }表示所有真实环境下形态驱动因子与能耗的关联性划集合，r k 表示第k个聚类的集合，C＝{c 1 ,c 2 ,…,c j }表示理想环境下形态驱动因子与能耗的关联性划分集合，c j 表示第j个聚类的集合；Purity结果越接近1表示层级聚类结果越好，计算机模拟效果越接近真实；该计算过程可由Python或SPSS编程计算完成；选择C对应的城市建筑群驱动因子，其中C作为自变量对应的Purity值范围为：0.5≤Purity≤2。
3.根据权利要求1所述的一种基于智能算法及能耗综合优化的城市建筑群设计方法,其特征在于，所述S5具体是:S5.1：高能效城市建筑群形态与能耗耦合作用智能算法原理；S5.2:通过设定评价标准因子，利用Grasshopper下的ladybug和honeybee插件、GIS，所述评价标准因子为能耗数据Q，舒适度为P,通过下式表示综合优化结果：MinQ+MaxP＝￡(A 1 ,A 2 ,…,A z )；其中MinQ代表最低城市建筑群能耗，MaxP代表城市建筑群最佳舒适度，(A 1 ,A 2 ,…,A z )代表z种符合标准的城市建筑群形态，￡为映射函数；S5.3：利用集成算法最终构建一套高能效城市建筑群形态与能耗耦合作用框架和运算平台，通过不断地调整城市形态参数进行自动迭代计算，最终得出设计结果；S5.4：综合优化结果，输出最优的建筑密度、建筑间距系数、天空视域因子、平面布局、垂直布局、建筑朝向、建筑类型。
