表征真空玻璃热性能的最重要参数-传热系数很难在线测量,因为它会随着时间的推移而增加,从而降低隔热性能。确定真空的热传递需要详细了解它们不同元素的热特性,这一领域存在一系列标准和指南。总体的热性能既可以通过详细的二维数值方法确定,也可以通过符合欧洲或国际标准的测量来确定。首先,我们研究基于真空玻璃传热机理的软测量智能建模方法,以获取真空玻璃性能数据。该方法保证了智能建模的可行性,为基于软测量的智能建模预测真空玻璃隔热性能参数提供了理论依据。研究并开发了一种有效的方法来模拟通过真空玻璃的传热。基于先进的数值模拟技术,利用计算流体动力学软件对传热过程进行了分析,并将仿真结果用于指导和分析非稳态测试方法。这种方法保证了加热板的中心进行一维传热,非受热面中心的温度测量具有实际意义,对于研究智能化保温性能建模和预测是必要的。其次,我们应用神经网络方法对真空玻璃的传热系数进行了预测。基于MATLAB软件,建立了神经网络智能模型,并对传统的BP神经网络进行了优化。采用遗传算法对自变量进行降维。然后,利用思维进化计算算法对初始权值和阈值进行优化。利用优化后的BP神经网络智能模型对真空玻璃隔热层传热系数进行预测,平均绝对误差为0.0076。第三,提出了基于最小二乘支持向量机（LSSVM）的真空玻璃隔热在线预测模型。数值模拟实验验证了RBF神经网络和LSSVM技术的智能模型可以在没有热源的情况下监控玻璃在真空下的中心温度。基于RBF和LSSVM神经网络,提出了预测与真空玻璃热源无关的横向中心温度的方法,以保证模型的预测精度,并且精度很高。最后,我们还研究了真空玻璃寿命预测的新方法,该方法的目的是基于模糊理论对真空玻璃的寿命进行预测。该方法基于预测技术的随机性,吸收了观测值的模糊性和随机性,使预测结果更符合实际,更适合真空玻璃寿命的分析。因此,该方法具有很强的实用性。