新风负荷在大型公共建筑的空调能耗中占比较高,对新风负荷进行预测是降低建筑能耗、发展绿色建筑的有效途径。本课题分别针对商场类、旅店类、办公类三种不同类型的大型公共建筑,分析新风负荷对于建筑负荷影响的程度大小,利用层次分析法分析确定影响新风负荷变化的主要印象因素及权重大小,并基于神经网络预测新风负荷,主要研究内容如下:采用DeST软件分别对商场类建筑、旅店类建筑、办公类建筑进行建筑负荷模拟分析,通过对沈阳市佳兆业商场进行模拟分析得出,夏季新风负荷占总负荷36%,冬季新风负荷占总负荷83.5%;对沈阳市友谊宾馆模拟的显示结果,夏季新风负荷占总负荷35%,冬季新风负荷占总负荷62.3%;对抚顺办公楼进行模拟分析得出,夏季新风负荷占总负荷38%,冬季新风负荷占总负荷68.7%;可见新风负荷对于大型公共建筑负荷的影响程度是很大,因此从新风负荷角度入手对于降低建筑负荷能耗具有重要意义。采用层次分析方法,对影响新风负荷的因素进行权重分析,通过新风负荷的特点、相关资料以及专家调查问卷的方法,确定对于新风负荷的影响因素主要有室外温湿度、机组型号、室内人员数量、热扰量等,根据计算结果显示,对于新风负荷影响程度最大的因素为人员数量,达到27.65%,其次为室外温度和室外湿度,占比12.74%,因此选取这三种因素作为预测模型的输入参数会很大程度上提高模型预测精度。分析人工神经网络的适用性,比较各种神经网络算法的优劣,并根据大型公共建筑新风负荷动态变化特点,确定输入层参数、隐含层参数、各种权值阀值的数值等,建立Elman神经网络预测模型,将实际数据带入到模型中进行预测,预测结果显示绝对误差大部分在-0.5~0.5之间,相对误差大部分低于7.00%,并且预测结果在人员流量大幅度变化的时间误差最大,可以得出预测结果与层次分析法的计算结果一致,具有可行性。但是单一的预测模型容易出现收敛速度慢、陷入局限解的情况,影响结果的准确性。针对Elman神经网络容易陷入局限解的问题,提出采用遗传算法对原有模型进行优化的方法,通过不断地对模型权值和阀值的进行迭代,选取适应度最高的值带入到预测模型,预测结果显示绝对误差基本都可以控制在0.5以内,相对误差基本控制在5%以内,通过与原有的预测模型对比分析,可以看出优化后的Elman神经网络预测模型精确度更高,同时也满足新风负荷的特点,具有可行性。