当前,建筑能耗占全球最终能耗的40%,其中采暖、通风和空调（HVAC）系统占建筑总能耗的40%以上,尤其在非住宅建筑中,能耗比例可高达60%。随着城镇化快速发展与人民生活水平的不断提高,HVAC系统的能耗也日益增加,但传统HVAC系统运行方式并未根据室内环境动态、非均匀分布变化的实时特征进行调控,易造成舒适度不稳定和能源浪费。从室内环境动态需求和建筑节能的角度来看,传统HVAC系统控制方法似乎已经不再稳定可靠。本研究提出基于室内环境动态、非均匀分布预测的HVAC系统实时控制策略。通过对室内环境实时监测和快速预测,并采用自定义评价指标对室内环境进行实时评估,进而实现HVAC系统实时调控。本研究所提出的HVAC控制策略有助于营造“健康、舒适、节能”的室内环境。本研究主要通过有限室内环境监测和“降维线性”快速预测模型,对室内环境参数（二氧化碳浓度、温度和湿度）分布进行快速预测。“降维线性”快速预测模型包括基于人工神经网络的降维线性通风模型（LLVM-based ANN）、基于室内温度贡献率的降维线性温度模型(LLTM-based CRI（T）)和基于室内湿度贡献率的降维线性湿度模型(LLHM-based CRI（H）),可分别对室内污染物、温度和湿度的空间分布进行快速预测。之后通过污染物、温度和湿度的自定义评价指标（EV、ET、EH）对人员健康舒适和HVAC系统能耗进行综合评价,进一步用于HVAC系统的实时控制。同时,搭建了基于单片机设计的智能通风实时监控平台,控制逻辑得到有效利用,并提出了综合多种因素的HVAC系统智能调控策略。本研究分为两个阶段进行:（Ⅰ）快速预测模型和通风系统结合的可行性研究本阶段利用“降维线性”快速预测模型和单片机技术开发了实时监测通风控制系统,验证了“降维线性”快速预测模型与通风实时监控系统控制逻辑的可行性。验证采用小型通风环境舱系统（1.8 m3）,该系统包括:室内干冰污染源、基于单片机设计的监测设备和通风系统。首先通过LLVM-based ANN模型对室内环境的污染物浓度分布进行快速预测,并对预测结果进行了实验验证。之后通过紫峰（Zigbee）无线模块传输污染源（即干冰产生的二氧化碳）信息,并根据自定义通风评价指标（EV）进行通风评估,从而确定最优换气次数。之后通过通风控制系统对室内风机进行实时控制,在保证人员健康的同时节约系统能耗。其中,通风系统节约的能耗（特指风机能耗）最高可达到47%。（Ⅱ）基于快速预测模型对HVAC系统综合控制策略的研究之前研究,团队通过构建LLVM-based ANN和LLTM-based CRI（T）的快速预测模型,实现了换气次数（Air Changes Per Hour,ACH）和送风温度的优化调控。此部分研究,利用降维线性湿度模型（LLHM）和室内湿度贡献率(CRI（H）),以及热感指标（TS）,进一步建立了室内湿度快速预测模型。首先利用计算流体力学（CFD）方法构建了二氧化碳（CO2）、温度和湿度的预测数据库,其次采用LLVM-based ANN、LLTM-based CRI（T）和LLHM-based CRI（H）等快速预测模型对数据库进行扩充（降低数据存储成本）,实现室内CO2浓度、温度和湿度空间分布的快速预测。最后,根据自定义评价指标（EV、ET、EH）,综合考虑了室内环境质量和能耗之间的最佳平衡,由此得出最优HVAC系统控制策略。其中,HVAC系统总能耗最高可降低35%。