随着世界能源与环境问题的日益加剧,节约能源和保护环境已成为了各国政府的重要工作之一。建筑能耗在所有的能源消耗中占世界总能耗的1/5左右。我国的建筑系统的能源消耗占能源消耗总量的1/3以上,在全部的建筑系统的能源消耗中其供暖能耗又占60%左右,因此建筑的供暖能耗浪费最为严重,而且其节能的潜力巨大。对于目前现有的建筑供暖系统大多缺乏先进的调控手段以及自动化水平不高,不仅降低了用户的热舒适性,还造成了能源的浪费。建筑供暖系统是一个具有大惯性、大滞后的复杂非线性系统,建筑室内温度与围护结构、室外环境及供暖设施所提供的热量等存在着一定程度的非线性关系,利用机理建模难度较大,涉及参数众多,预测结果也有较大误差。通过利用人工神经网络良好的非线性逼近能力以及不依赖模型本身的特点,选择了 BP(Back Propagation)与RBF(Radial Basis Function)人工神经网络的方法,根据采集到K时刻的建筑室温、K-T时刻的建筑室温、K时刻供回水温差、控制状态、室外温度以及光照分别对建筑K+T时刻的室温进行建模和预测。通过仿真对比研究表明,RBF神经网络相对于BP神经网络的预测更加稳定,其均方差低于BP神经网络10.5%,更适合于建筑室内温度的预测。在对室温预测的基础上,需要对建筑的室温进行合理的调节。本文结合大连某高校建筑供暖实际情况设计了专家控制器,首先对建筑供暖控制策略进行了分析,针对不同建筑的不同供暖需求,采取分时供暖的策略;针对室温控制大惯性、大滞后的特点,采取利用室温预测模型与模糊控制相结合的调节方法;同时为保证供暖的安全,设计了一系列的保护策略。然后基于无线通讯技术设计了建筑供暖专家控制平台,该平台具备远程监控、故障及紧急事故处理等功能,大大提高了建筑供暖的自动化水平,保证了供暖的舒适与安全。最后经过实际实验分析,利用专家控制能够及时对室内温度进行调控,减少了超调,实现合理用热,平均节能率可达9.23%,具有良好的经济和社会价值价值。