随着建筑设计的发展,低能耗、高舒适度成为了建筑设计发展的方向之一。目前建筑能耗仍然十分庞大,其中又以公共建筑能耗为主。公共建筑的机械通风和空调系统带来巨大能耗的同时,在舒适度调节上的表现也不足以让所有人满意。目前,国内的学者在研究如何降低严寒地区的办公空间能耗的问题时,大多数人选择的研究方法都是从研究冬季如何进行保温和防寒来入手,对于其它季节的节能研究相对较为匮乏。而对于严寒地区来说,过渡季节和夏季有着较为丰富的自然通风资源。相比于夏热冬冷和夏热冬暖地区(如广州、北京、上海等地),严寒地区的过渡季节室外空气温湿度较为温和,自然通风所带来的节能收益更为可观。现有研究表明,自然通风是有效改善室内热舒适的手段。基于以上现状,本文提出在过渡季引入自然通风来解决高能耗、低舒适度的问题,建立一个基于LSTM算法的神经网络预测模型,提出一套模型预测控制策略,来进行有效的自然通风,并改善室内的热环境,提高热舒适度。本文提出了了一个基于LSTM算法的室内温度预测模型的建立方法。以当前和历史时刻的室内外温度和室内湿度序列作为输入,预测下一时刻的室内温度变化。随后在位于哈尔滨市双城区的黑龙江省工商学院2号教学楼进行为期一个月的实地测量,并使用测量数据建立室温温度预测模型。通过与真实值的对比,证明其预测结果较为准确,拟合度达到了98.7%。本文基于上述的室内温度预测模型,提出了一个用于严寒地区办公建筑的自然通风预测控制策略。并通过典型性研究,搭建了一个典型办公单元场地,在该场地内对上述自然通风预测控制策略进行验证。结果表明,相比于固定点温度控制法,自然通风预测控制下的房间室内温度波动幅度更小,处在舒适范围内的时间更长,房间室内热舒适性更好。通过建立室内温度预测模型,应用自然通风预测控制策略,提高了严寒地区办公建筑过渡季的室内热舒适性,降低了空调系统所带来的能耗。