数据统计显示,近年来,全国能源消耗量急剧上升,因此节能减排作为国家的一项基本国策势在必行。为了实现供热行业的节能减排,集中对城市建筑进行供暖已经成为北方冬季供暖的主要应用形式。然而集中供热由多变量控制,运行情况复杂,所以存在内部关联性强,滞后性和非线性严重等缺点。因此,在供热系统运行中,对建筑热负荷进行短期预测至关重要。热负荷预测作为供热系统调控的前期工作,能够合理而高效的指导供热运行,提高供热系统的热效率,实现能源节约,对节能减排和环境保护意义重大。本文首先分析了影响室内温度的因素。采集未供暖时期的相关数据,包括室外温度、风速、日照、时间和室内温度,使用径向基神经网络(RBF)对这些数据进行分析研究,最终确定室外温度、风速、日照、时间都是室内温度的影响因素并且得到了它们对室内温度影响程度的大小。在分析了集中热负荷预测的特点和现状后,分别使用灰色预测、BP神经网络及灰色神经网络对北方某地供暖期间所采集的历史数据进行建模。通过大量历史数据的训练,确定出最佳的模型运行参数,以得到与实际供暖状况最契合的热负荷预测模型。然后运用MATLAB进行热负荷预测,并使用预测结果指导供暖。结果表明：在同等或近似条件下,使用灰色神经网络预测模型的预测结果对建筑供暖进行指导时,建筑室内温度更接近设定舒适温度。