本研究重点关注气候变化影响下建筑空间性能的预测和优化问题。众所周知,气候对建筑性能的影响是巨大的。其影响一方面体现在不同气候区下建筑性能的差别,另一方面体现在某地区不同时期下建筑性能的差别。前者在建筑实践和研究中已经得到了充分的重视,而后者往往被忽略。根据联合国政府间气候变化专门委员会的第五次评估报告,我国大部分地区在21世纪内平均温度升高幅度有可能达到5摄氏度至7摄氏度。剧烈的气候变化将给建筑性能带来不可忽视的影响。建筑的生命周期很长,其建造需要消耗大量的人力和物力。相关统计报告指出,建筑运行中消耗的能源以及产生的碳排放在所有生产生活部门中名列前茅,提高建筑性能对于节能减排、实现可持续发展具有重大意义。在气候快速变化的时代中,使建筑适应当地某时期的气候是远远不够的,还要使建筑能够适应变化着的当地气候。要达到这个目标,其中一个非常重要的方面是对建筑设计进行优化。预测气候变化下的建筑空间性能是进行设计优化研究的前提。本研究提出了一种基于参数化模拟的气候变化下建筑空间性能预测方法。本研究基于Python语言平台,开发了一个建筑模拟用未来气象生成工具。该工具能够从大气环流模型（GCM）中提取未来气象信息,使用国际上流行的“Morphing”计算方法生成建筑模拟用的气象文件。利用该工具,本研究对21世纪气候变化下中国各气候区的典型建筑空间性能进行了预测。经过对各大气环流模型用于预测中国各气候未来建筑性能的适用性进行评估,本研究选择GISS-E2-R大气环流模型为各气候区的典型地区批量生成了2020至2099逐年的建筑模拟用气象文件,并对几种典型建筑空间进行了参数化能耗模拟。结果表明,不同气候区的典型建筑空间在21世纪内的能耗变化趋势有很大区别。此外,本研究对几种被动式设计策略进行了敏感性分析。分析结果表明建筑设计策略对气候变化下建筑空间全生命周期能耗有重要影响,采用合适的设计策略利于提升建筑空间性能。在上述研究工作的基础上,本研究提出了一个多步骤的以气候变化下建筑空间全生命周期性能为目标的快速优化方法。该优化方法的分为三个主要的步骤:1、生成气候变化下建筑空间性能数据库;2、建立神经网络预测模型;3、进行多目标建筑性能优化。每个主要步骤中均包含了若干项工作。除了参数化建筑性能模拟在Rhino的可视化编程平台Grasshopper上执行之外,其余优化步骤均在Python平台上完成。本文对各个步骤所涉及的内容、相关工具以及注意事项做了较为详细的介绍。相较于典型气候下的建筑性能计算,气候变化下建筑空间性能的计算量要成倍地增加。因此,本研究在进行建筑空间性能多目标优化时,选择了神经网络作为代理模型,替代耗时的建筑模拟作为优化算法的适应度评估方法,旨在降低优化过程的时长,使这套优化方法具备应用于现实设计任务的潜力。最后,本研究以湿热地区的典型教室空间和多气候区下的典型办公空间为例进行建筑性能优化研究。优化后的设计方案的全生命周期建筑性能得到了显著提升,证明了本文建立的优化方法的有效性。从优化结果的对比分析中可得出,气候变化对非支配解集中的设计参数和相应的建筑性能目标值影响很大,说明在进行建筑设计和建筑性能多目标优化研究时,应充分重视气候变化的因素。