1.一種基于多模態知識圖譜增強型基座模型的高大空間建筑非均勻室內環境優化設計決策方法，其特征在于，所述方法包括以下步驟：
2.根據權利要求1所述的方法，其特征在于，所述步驟s13中，信息提取包括實體抽取、關系抽取和事件抽取；所述實體抽取指應用命名實體識別方法基于bilstm-crf深度學習模型，利用上下文信息，從非結構化非均勻室內環境綠色性能數據集中提取特定的建筑綠色性能對象或概念；所述關系抽取指使用openie和bert關系分類模型或依存句法分析方法，識別上述非均勻室內環境綠色性能實體之間的關系；所述事件抽取指多個非均勻室內環境綠色性能實體的時空維度參數，通過ace事件抽取框架檢測，并基于深度學習模型識別非均勻室內環境綠色性能事件觸發詞和相關信息。
3.根據權利要求1所述的方法，其特征在于，所述步驟s21中，通過python的rdf工具包rdflib將非均勻室內環境綠色性能數據轉化為“實體-關系-實體”的rdf三元組，并將所述三元組儲存在圖數據庫中，用于后續的處理和查詢操作；
4.根據權利要求1所述的方法，其特征在于，所述步驟s24中，對提取的非均勻室內環境多模態數據進行預處理；對溫度、濕度、空氣流速、光照強度和能耗實時監測數值類結構化數據進行歸一化、降維處理；對項目信息、用戶需求、設計規范和標準以及政策文件文本類數據，基于自然語言處理模型，生成嵌入向量；對建筑照片、效果圖、總平面圖、平面圖、剖面圖、立面圖、細節大樣圖和優化模擬結果偽彩圖圖像類數據，利用resnet或cnn模型提取特征向量，對使用者行為視頻和建筑三維模型視頻類數據利用c3d網絡和lstm模型從關鍵幀中提取特征；
5.根據權利要求1所述的方法，其特征在于，在步驟s31中，通過社區檢測算法識別其中相互關聯的節點組，將知識圖譜分割成不同的社區；通過圖嵌入算法識別和添加缺失的關系或實體，增強知識圖譜完整性，輔助知識推理。
6.根據權利要求1所述的方法，其特征在于，在步驟s33中，基于所述契合非均勻室內環境綠色性能優化設計典型工程場景的多模態知識圖譜，在云端平臺，基于基座模型，訓練非均勻室內環境綠色性能知識表征賦能的增強型基座模型，發揮云端算力優勢，處理非均勻室內環境優化設計任務中涉及的多模態數據間的耦合關系，賦能基于設計者主觀經驗的決策模式。
7.根據權利要求1所述的方法，其特征在于，在步驟s41中，基于設計者輸入的綠色性能優化設計場景文本、照片資料，針對溫度、濕度、空氣質量、空氣流速參數，兼顧熱源分布、人員分布、使用場景限制因素，理解非均勻室內環境優化設計問題，回應高大建筑非均勻環境優化設計的典型問題；
8.根據權利要求1所述的方法，其特征在于，在步驟s42中，構建所述高大空間建筑數字孿生模型；通過云計算實時分析優化方案修改造成的參數和能耗變化，并結合vr、ar技術，實現優化設計方案的可視化對比，并支持多方人員對優化設計方案的實時協作調整。
9.一種電子設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于，所述處理器執行所述計算機程序時實現權利要求1-8任一項所述方法的步驟。
10.一種計算機可讀存儲介質，用于存儲計算機指令，其特征在于，所述計算機指令被處理器執行時實現權利要求1-8任一項所述方法的步驟。