在建筑设计过程中,需要对建筑是否达到节能标准进行判断,通常会运用模拟软件进行能耗模拟计算。要进行建筑能耗模拟一般需要一整年与能耗相关气象参数的逐时数据,对于长期的气象数据而言,它应该具有典型性。南海地区大部分岛礁属于极端热湿气候区,建筑物常年暴露在高温、高湿和高盐环境中,建筑耗能巨大,而当地没有可以用于建筑能耗模拟的气象数据,所以针对南海地区进行典型气象年生成方法的对比研究十分必要。首先,本文通过从NOAA和TRMM获取南海地区气象数据,将所获得的气象数据转化成可读格式,通过机器学习使用随机森林算法处理非线性回归关系得到了精度较高的辐射预测模型,模型精度:训练数据0.963、测试数据0.743,用该模型补充了南海地区8个站点16年的总辐射数据,并分析了南海地区的气象特征,发现各岛礁具有群岛尺度的气象规律。其次,本文针对南海地区数据较完整的7个站点,分别运用Sandia法、Danish法和Festa-Ratto法三种算法,使每个站点均得到三种典型气象年生成结果。对每个站点的三种结果,通过评价指标气象参数(空气温度、露点温度、风速和水平日总辐射)月均值、标准差值和CDD差值的分析比较,进行南海地区典型气象年算法适应性评估,综合各指标评价结果,发现Festa-Ratto算法较Sandia法和Danish法而言考虑较全面,是生成南海地区典型气象年的适用算法。最后,本文对辐射逐时化模型和常规气象参数逐时化方法进行分析,选用CP&R统计模型对总辐射数据进行逐时化,选用Gompertz函数进行直散分离,选用三次样条插值法对其他数据进行逐时化。通过Python语言,分别对C-P&R统计模型、Gompertz函数模型和三次样条插值法的编写程序,将所选的典型气象年数据批量处理,实现各气象数据的逐时化并分析逐时化数据特征。分别用三沙市、马尼拉对照组和太平岛、斯里巴加湾对照组进行气象参数分析和能耗模拟,发现两组对照组中典型气象年的代表性气象参数数据差别均较大,并且建筑全年总能耗与空调负荷量差值也很大。因此,对于南海地区建筑能耗模拟的准确性而言,本文中针对南海地区各站点挑选典型气象年用于南海地区建筑能耗模拟,所做工作十分必要,优于以往直接使用临近站点数据,建议南海地区今后可采用本文所生成典型气象年数据进行建筑能耗模拟。