低矮建筑物高度较低,建筑物表面风荷载易受到周围复杂的建筑环境干扰影响。对于区域内建筑物数量较多的大型低矮建筑群,在小建筑间距下,建筑群内的遮挡效应显著,导致建筑物风荷载出现缩减特征。然而,现有低矮建筑群干扰效应研究表明,对于建筑物数量较少的小型低矮建筑群,在小建筑间距下,其风荷载可能大于大型低矮建筑群结果,甚至大于单体建筑物结果。此时若仍按照大型低矮建筑群的干扰风荷载特征对其设计风荷载进行折减,则会造成安全隐患。目前对小型低矮建筑群的风荷载干扰作用机理研究较少。此外,建筑群风荷载的影响因素多,对于每一种可能工况均开展风洞试验或者数值模拟研究,将消耗大量时间和经济成本,因此如何充分利用有限的建筑群风洞试验样本,预测目标建筑群风荷载也是一个急需解决的问题。针对上述研究不足,本文主要内容和创新性成果总结如下:（1）以一排三列小型平屋面低矮建筑群为研究对象,开展风洞试验,研究建筑间距和来流风向对建筑群风荷载的干扰影响,并与已有小型高层建筑群和大型低矮建筑群的干扰机理进行对比分析。结果表明:当来流风向为斜风向时,在小建筑间距下,上游建筑物对下游建筑物风荷载遮挡效应显著。当来流风向为正交风向,建筑群沿风向串联布置时,在建筑间距比0.4＜S/W≤1.0范围内（S为建筑净距,W为建筑物迎风宽度）,下游建筑物阻力系数随着建筑间距增大先快速增大,再迅速减小,并在S/W=0.7处出现局部峰值。在该特殊建筑间距下,下游建筑物表面测压点风压时程会于随机时刻发生突变,具有非平稳特征,而建筑物整体风力系数时程较为平稳。进一步采用大涡模拟方法模拟建筑物周围流场,发现上述干扰现象是由于建筑群内出现了特殊的时均非对称尾流导致。该非对称尾流具有两种模式,并于两建筑物之间的间隙内随机切换,每种模式的持续时间不固定,但两种非对称尾流模式的偏流方向沿来流风向对称。上述时均非对称流态在以往小型高层建筑群和大型低矮建筑群流态研究中均未被观察到。（2）利用大涡模拟方法,分析建筑物长宽比及高宽比,对一排三列串联低矮建筑群非对称流态特征和建筑物阻力系数局部峰值的影响,参数化分析结果说明建筑物长宽比和高度比的影响显著。当建筑物高宽比为0.4,长宽比小于1.0时,迎风建筑物和中心建筑物之间的非对称尾流转为对称尾流,中心建筑物阻力系数随间距的变化曲线中无局部峰值出现。另外,建筑物周围的非对称流态特征对建筑物高宽比变化更加敏感,当建筑物高宽比接近0.8时,小型低矮建筑群内的非对称流态特征消失。（3）在少量建筑群风洞试验数据用于预测目标建筑群极值风荷载时,针对建筑群训练数据有限,无法直接构建有效的建筑群极值风荷载预测模型的问题,提出了结合半监督回归（SSR）,极限学习机（ELM）和计算流体动力学（CFD）的建筑群极值风荷载SEC机器学习预测方法。SEC方法通过两方面措施来提高建筑群极值风荷载预测模型精度:其一,利用SSR方法扩充现有的有限训练样本数量;其二,引入CFD模拟的建筑群平均风荷载作为预测模型输入变量,利用平均风荷载和极值风荷载间较强的线性关系,来增强预测模型中输入变量和输出变量的线性映射关系。SEC预测模型训练完成后,可直接应用于与训练样本同类型建筑群的目标建筑群极值风荷载预测,无需进行重复训练。最后,以一排三列低矮建筑群风洞试验数据,对SEC方法的适用性进行验证。结果表明当建筑群训练数据较少时,SEC方法预测模型的精度高于直接基于少量样本训练的预测模型的精度。当预测目标的建筑群工况位于建筑物极值风荷载与建筑群干扰因素（建筑间距和来流风向等）呈现局部强非线性变化特征的范围内时,SEC方法的优势更为显著。（4）根据风洞实验多次采样结果,采用直接基于极值概率分布方法和无偏估计算法,研究了一排三列建筑群屋面极值风荷载分区方案和各分区全风向最不利极小值风压系数随建筑间距的变化规律。并考虑作用在围护结构表面各位置脉动风荷载不完全相关性的极值风压系数面积折减效应,给出了不同建筑间距下,建筑群屋面各分区的最不利面积平均极小值风压系数的设计建议值与目标折减附属面积的折减函数,可供该类建筑群围护结构抗风设计参考使用。