随着我国城区建筑规模的快速扩大,城区建筑能耗所引起的能源消耗问题逐渐加剧,而且能源过度的消耗会导致温室效应、雾霾等一系列环境问题。由于建筑能耗的不确定性较强,而且引起建筑能耗的不确定性的因素种类较多,所以研究多种关键因素对建筑能耗不确定性的影响对节能减排,提高城市生活质量具有指导性意义。本研究基于构建的地理信息系统,通过建筑能耗模拟甲台与统计分析编程语言的结合,实现了对天津科技大学泰达校区建筑能耗模型的自动化构建工作,并且提出了一整套基于城区建筑群的正向不确定性研究方法。其中包括地理信息系统数据库的构建、自动化建模、机器学习模型的选取、不同机器学习模型的比较性研究、基于城区蔓建筑的二维蒙特卡洛正向不确定性分析。首先,提出了构建城区地理信息库所需的数据类型和构建方法,构建出完整的地理信息数据库,为之后的研究奠定数据基础。其次,在构建好的地理信息数据库上通过计算机语言完成建筑能耗模型的自动化建模,通过R语言实现城区建筑群的自动化建模。然后,通过五种机器学习模型,对训练集进行训练,并通过引入验证集,对机器学习的预测效果进行比较,结果表明自适应回归样条法和自助自适应回归样条法最适用于建筑能耗模拟的预测,拉丁超立方抽样法能表现出良好的收敛特性。在拉丁超立方抽样法下,抽样100次时可以保证训练模型的准确性。最后,通过两种适用于本研究的机器学习模型,对天津科技大学泰达校区四类建筑,进行二维蒙特卡洛正向不确定性分析,分别考虑了认知不确定性与随机不确定性对建筑能耗数据的影响。研究分别从全年制冷能耗、全年供暖能耗、全年用电能耗三个角度进行分析,并且对能耗不确定性的原因进行了分析,给出相应的节能改造措施建议。结果表明随机不确定性对能耗结果的影响比认知不确定性的大;认知不确定性对宿舍制冷能耗的影响最小;对冬季供暖能耗来讲,随机不确定性对教室的影响向较大;认知不确定性对办公建筑的全年用电能耗的影响整体都较大。本研究对城区既有建筑群的能耗分析奠定研究基础,同时促进了智慧城市、建筑信息化模型等领域的发展,为我国的节能减排工作提供理论指导。