方案设计是建筑设计的灵魂,建筑体量是概念方案设计阶段的重要设计内容,对后续建筑方案深化乃至整个建筑设计过程都具有很大影响。伴随着对于建筑方案设计效率与效果要求的不断提高,对于新型建筑设计工具的需求也不断提升。为更好地辅助建筑师进行方案创作,本研究立足于人工智能技术最新研究进展,尝试引入深度学习来驱动建筑概念方案体量生成设计。研究旨在以智能化技术手段初步实现建筑体量生成设计自动化;以人机协作的新型工作方式辅助建筑师进行概念方案体量设计,拓展方案探索广度,提升设计效率与设计效果。研究从建筑体量设计与建筑生成设计两方面展开研究,分别对其瓶颈问题进行总结梳理,并解析了深度学习驱动技术的特征与优势。研究通过对概念方案体量设计中的数学逻辑进行分析,引入深度学习技术驱动建筑概念方案体量生成设计,构建了相应的深度神经网络模型,并总结提出了深度学习驱动建筑概念方案体量生成设计的流程框架。在此基础上,研究针对概念方案体量设计的关键问题提出了三条技术实现路径。为进一步辅助建筑师完成建筑概念方案体量生成设计相关工作,研究基于所提出的深度神经网络模型,提出了平台系统构建框架,并整合主要技术平台,开发了智能化建筑概念方案体量生成设计平台系统——QDG-system。研究对平台系统完成数据训练所需的方案数据库从分类方法、构建流程及其选用方法三方面展开了深入探索。该研究分别针对基于图像翻译的建筑体量基础生成设计、基于图像补全的建筑体量深化生成设计与基于风格迁移的建筑体量深化生成设计三条技术实现路径展开重点研究,详细论述了各技术路径的实现原理,开发了相应的深度神经网络驱动程序。研究分别对各驱动程序的算法原理、程序框架、条件参数与控制参数等方面展开了系统解析;分别阐述了各驱动程序的训练与使用方法;并总结提出了各技术路径下功能实现的设计流程。研究还结合具体设计案例分别对各技术路径及平台系统展开应用与验证,通过对各路径的设计过程及生成结果进行系统分析,最终得出本研究所提出的设计方法及平台系统具有较好的设计效果与设计效率。此外研究还结合使用者SUS量化分析问卷调研验证了平台系统与设计方法的可用性。希望本研究能为建筑智能设计、计算性设计理论方法及其技术工具开发等相关领域研究提供有益的启示和参考。