本文从建筑节能的角度出发,基于商业建筑结合地源热泵和太阳能,建立太阳能耦合地源热泵季节性蓄热地板供暖系统。该系统在非供暖季利用集热板收集太阳能再通过地埋管储存在土壤中,供暖季再将土壤中的热量通过地埋管传递给建筑负荷端,实现太阳能源的充分利用以及对土壤温度恢复的改善。同时,为提高建筑地板供暖系统室内的热舒适性,针对系统使用神经网络预测算法对建筑室内温度进行预测,并优化预测算法以得到更精确的室内温度预测值。最后,结合预测的温度值和实时天气气象API数据,提出一种新型的控制策略。本文的研究内容和成果如下:首先,使用TRNBuild建立建筑负荷动态模型,根据规范选取设计参数值对设备进行选型;对太阳能耦合地源热泵季节性蓄热毛细管网地板供暖系统,提出两种基于不同控制策略的运行方式,利用TRNSYS搭建动态仿真模型,根据仿真结果对比两种不同运行策略的太阳能耦合地源热泵地板供暖系统的能效、对土壤的影响以及室内热舒适性。其次,由于地板供暖的热滞后性,为提高室内热舒适性,选用TRNSYS模拟供暖季2880h的12个因素作为输入量,室内温度为输出量,利用MATLAB搭建单隐含层LM-BP神经网络室内温度预测模型;再次,针对LM-BP初始权值和阈值的随机选取的弊端,使用遗传算法优化LM-BP神经网络,得到GA-LM-BP神经网络室温预测模型。经过优化后的LM-BP神经网络R~2为0.952218,R为0.96296,MAE为0.71693;LM-BP神经网络R~2为0.93267,R为0.97217,MAE为0.82964。因此GA-LM-BP神经网络相比传统LM-BP神经网络而言,具有更高的预测精度且收敛速度快稳定性好,能更精确地预测建筑室内温度值。最后,在优化后的GA-LM-BP神经网络的基础上,针对传统控制方法难以解决的地板供暖的时变性和滞后性的特点,在神经网络预测控制的基础上加入前馈补偿气象API数据,利用GA-LM-BP神经网络建立预测控制模型,前馈补偿、反馈校正以及滚动优化步骤的数据使用DMC阶跃处理,提出一种具有前馈-反馈结构的神经网络预测控制算法。