室内空气品质改善与评价方法研究是改善居住环境质量研究与实践工作的基础,具有重要的理论与实际意义。目前常用的室内空气品质评价方法很多,大都需要构造隶属函数或白化函数,而隶属函数或白化函数设计不仅具有一定人为性,在某些情况下还会丢失较多的信息,各评价指标权值的确定往往也会带来一些人为因素。本文在结合模糊评价法与神经网络评价法优点的基础上,建立了基于模糊神经网络的室内空气品质评价模型,该模型不仅评价过程物理意义明确,还可根据评价结果进行室内空气品质排序。作者结合神经网络与遗传算法的优点建立了基于GA-BP的室内空气品质评价模型,该模型具有良好的逼近效果和很强的学习能力,能准确地反映室内空气品质状况,得到一个定量的指标,避免了评价过程中的人为干预。并且该模型具有很好的可移植性及良好的适应性,评价结果准确、直观。论文结合实际案例将模糊神经网络与遗传神经网络两个模型应用于住宅室内空气的评价,证明了模型的有效性和适应性;在分析室内空气品质各影响因素之间关系的基础上,提出了改善室内空气品质的措施;进行了基于GA-BP的室内空气品质预警机制研究,探讨了对室内空气品质的改善和预警的策略和方法,该预警机制为空调房间新风调节系统的自动化控制基础研究具有较大的意义。