航站楼作为旅客空陆交通的集散中心,容易在旅客流密度大区域出现碳浓度过高并影响旅客身体健康现象,故建立高精度的碳浓度预测模型来预测碳浓度未来变化趋势,并事先制定出碳浓度控制方案有其实际意义。由于航站楼内部人员流动性大、环境参数变化复杂,难以用机理模型精确的反映出碳浓度变化规律。为此,本文利用数据驱动方法对碳浓度时间序列建立组合预测模型,实现了对碳浓度变化趋势的精确预测,并提出将组合预测模型和模糊控制器相结合的航站楼碳浓度控制方案。本文研究的主要工作如下:首先,进行碳浓度数据采集系统设计,通过反复测试表明系统稳定性好、可靠性高、功耗低。其次,对从天津滨海国际机场T2航站楼H值机区采集的碳浓度数据进行数据特征分析,分析结果表明碳浓度数据序列具有非平稳性、非线性、低性噪比特征。然后,利用小波分析技术同基于PSO优化算法的SVR模型和ARMA模型预测方法相结合建立组合预测模型对碳浓度时间序列进行建模预测,并将其预测结果同单一SVR模型以及单一ARMA模型预测结果进行对比分析,其结果表明组合预测模型具有更高的预测精度。最后,设计模糊控制器并对其进行碳浓度控制仿真实验,并提出了将碳浓度组合预测模型和模糊控制器相结合的航站楼碳浓度控制方案。