在用PMV评价人体是否舒适时,代谢率是影响其预测准确性的一个重要因素。但在热舒适现场研究中,代谢率依然靠查表获得。这些表格多为ISO 7730和ISO8996,因其数据来源于欧美成年男性,能否适用于我国办公人群尚且存在争议;而且我国也缺乏办公人群代谢率数据;虽然已有学者对代谢率预测模型进行了研究,但模型的精度尚不能满足研究所需。针对以上研究不足,本文探索了代谢率获取新途径,对我国不同年龄段的办公人群进行了代谢率测试,分析了加速度、心率等数据与代谢率的相关性,建立了基于机器学习的代谢率预测模型。主要研究内容和结果为:首先,通过测量中国151名20-70岁的脑力办公者在平躺、静坐休息等18种活动下的代谢率、心率和加速度,建立了我国办公人群的代谢率数据库。同时基于心率和加速度数据建立了代谢率预测模型,其中以心率联合腕部、腰部和脚踝三个部位的加速度计模型效果最好,不同算法的预测精度为K近邻（95%）、XGBoost（95%）、随机森林（94%）、支持向量机（89%）和逐步回归（87%）。其次,K近邻的三部位加速度计联合心率预测模型对平躺、静坐休息等18种活动下的代谢率预测误差为-5%+10%,对看电视和擦窗户的高估相对严重,对其余活动的代谢率预测误差都在±5%以内。从整体来看,腕部模型的误差最大,其次是踝部,误差最小的是腰部模型;腕部加速度计的依从性很好,对如写字等有明显手臂类活动预测效果很好;腰部模型因为靠近人体质心对大多数活动预测效果都很好;踝部加速度计对走步类活动的预测效果较好;这说明在选择加速度计部位时要根据具体的活动类型来确定。心率对腕部模型准确性提升帮助最大,对其他部位的加速度计模型来说,加入心率后预测误差并没有明显降低。最后,考虑到跟踪办公人群的可行性,选择了精度为93%的腰部模型和K近邻算法作为预测办公人群现场代谢率的模型。通过对办公人群实时且连续的代谢率特征进行分析后发现:办公人群在办公时平均代谢率为1.3met,在办公建筑和住宅建筑内的平均代谢率分别为1.5 met和1.8 met,都要高于现有热舒适现场研究的推荐值。且现实情境中代谢率是动态变化的,因此建议热舒适现场研究中采用实时且连续的代谢率值。本文所获得的代谢率基础数据及代谢率预测模型,能够为热舒适研究提供支持;代谢率的精确获取不仅有助于营造更舒适的室内物理环境,而且有利于节约暖通空调所耗费的能源。