随着我国人口老龄化程度的不断加深,对养老建筑的需求量不断增加,老年人也在不断的追求高品质、高质量的养老居住环境。相比其他年龄段人群来说,老年人的生理机能逐渐衰退,身体免疫能力逐渐下降,新陈代谢减缓,使得老年人对居住生活环境要求较高。目前,我国对养老建筑室内热环境及老年人热舒适的研究相对较少,且老年人热舒适预测涉及的因素远多于经典室内热舒适评价涉及的因素,采用目前的室内热环境评价标准来评价和预测老年人的热舒适性存在明显偏差。如何多维度并且准确地评价老年人居室的热环境及预测老年人的热舒适性,已经成为营造良好养老建筑热环境亟需解决的问题。为此,论文从寻找预测老年人热舒适更加准确的方法为出发点,提出一种基于改进随机森林算法的老年人热舒适理论模型和方法。针对随机森林算法存在的不足,主要从两方面进行改进:一是对节点分裂算法进行改进,提出一种将CART算法和C4.5算法的节点分裂规则组合一起形成线性函数的混合算法,并根据这两个算法的预测精确率赋予决策树权重作为混合算法的适应性系数;二是对分类投票方式进行改进,即对森林中决策树进行分类时的投票能力强弱赋予相应权重,使决策树具有与其生长效果相应的投票能力。通过对随机森林算法的改进,以提高随机森林应用于老年人热舒适预测的算法适用性以及预测客观性,提供一种应用于多维度信息的老年人热舒适预测方法。以杭州市为例,运用本文提出的老年人热舒适预测方法进行研究,初步分析老年人热舒适影响因素。采用现场测试和主观问卷调查的方式获得杭州市养老建筑中的老年人热舒适的相关数据,构建杭州市老年人热舒适预测数据库。对构建的数据库进行预处理,包括连续数据离散化、离散特征赋值、类不平衡处理等,并通过相关性分析和特征重要性分析,精炼并形成老年人热舒适预测指标体系并确定各指标量化权重。通过交叉实验确定节点混合分裂算法的适应性系数,随后通过多次实验,以OOB误差率为评价准则获取该模型的最佳决策树棵数(ntree)和最佳随机特征变量值(mtry)。对数据进行类不平衡处理,以提升模型的分类性能。将本文模型性能与PMV模型、决策树算法、传统随机森林算法进行预测性能比较,结果显示本文模型在混淆矩阵分析、预测精确度、准确度和召回率等方面均有明显优势。本文研究能为老年人热舒适预测提供理论和方法参考,并为老年人热环境设计提供一定的指导。