随着社会的进步和科技的发展,能源消耗在逐年加剧。为达到建设可持续发展社会的目标,绿色建筑以其低能耗、以人为本、因地制宜和环境友好的特点而广受欢迎。在绿色建筑中,建筑的智能化需要充分利用并发挥智能控制系统的作用,使其可以通过控制理论、通信技术和建筑设计等方法,对家居安防、室内环境、家电控制和用户位置进行监测和控制。为了充分满足绿色建筑中用户的需求,降低其使用智能控制系统的学习成本,本文基于机器学习理论开发了绿色建筑智能控制系统,论文的主要研究内容如下；(1)设计智能控制系统的整体架构和各子系统的具体功能,实现家居安防、室内环境、家电操作、室内定位等目标,为用户提供健康、安全、舒适的工作居住环境。(2)对于绿色建筑中环境因子的控制,使用灰色关联度分析了影响满意环境参数设定的主要因素,以这些因素作为模型的输入量,分别以支持向量机(SVM)和K最邻近(KNN)算法建立了预测模型,使用改进型的自适应粒子群算法(APSO)和改进型的自适应遗传算法(AGA)对预测模型的关键参数进行了优化,并比较了上述模型的整体预测效果；(3)当有多个用户在使用智能系统时,系统能够区分不同用户的身份,并针对不同的行为偏好提供相应的服务,本文基于改进型三边定位算法开发了相应的定位引擎,可以实现用户在室内的区域级定位,其定位误差范围在1.5米至3米以内。(4)对于绿色建筑中家用电器的智能控制,使用了基于习惯的时空推理(STCBR)模型,通过观察并记录用户操作相关家用电器的时间分区和空间分区,通过行为集的交和并运算,建立相关的习惯体,并以习惯体对家用电器进行控制。(5)为了提高系统响应速度,节约消耗能源,系统的后台运算部分使用了嵌入式电脑,前端部分使用基于Android平台开发的应用程序。(6)获取监控摄像头中MJPEG格式的视频流,同时能够对运动的视频进行追踪并录制,并具备了手动录制视频的功能。系统测试结果表明,本文设计的智能控制系统可以发挥较好的环境参数预测功能,同时能够向用户提供合适的家电控制服务,符合绿色智能建筑的设计要求。