房间空调器实际运行过程中的能效是空调器持续节能的重要考核指标,为研究房间空调器长效运行性能特性,采用BP神经网络进行新机器的性能预测分析,获得在多因素影响下选择成本最优的空调长效性能的设计方法。BP网络的学习样本来自于旧机器实验室测试数据及房间空调器在真实运行工况下的在线监测动态衰减数据,通过对大量样本数据的学习,分析影响长效运行性能各因素的权重,确定长效运行性能的优化策略。对26台使用中的房间空调器进行性能进行测试,85%的样本作为数学模型的训练样本,15%的样本作为模型验证样本,结果表明,采用小样本训练的BP神经网络预测的长效综合评价值误差均在5%以内,预测结果收敛;经过对BP神经网络的权重分析,时间加权后的高温制冷性能、额定制冷性能、低温制热性能、额定制热性能归一化值所占决策权重分别为0.187、0.203、0.312、0.298。为验证BP网络的正确性,建立房间空调器在线性能监测系统软硬件及长效性能分析预测软件平台,通过大量和长期在用空调的实测数据,验证和优化BP网络。基于以上基础数据,进一步提出大数据关联规则挖掘模型应用于空调器长效分析的研究思路,应用于多因素影响下空调长效特性的优化设计。