绿色建筑设计核心原则在于不影响建筑使用人员的舒适度的前提下降低建筑能耗,其中室内热环境的设计和优化控制是绿色建筑研究领域的主要方向之一。而作为室内热环境设计及评价的重要内容,建筑室内温度不仅仅与室内人员热舒适感觉评价水平高度相关,同时也是建筑能耗控制中所需考虑的重要因素。建筑室温模拟能为建筑室内热环境评价、调控、节能提供重要参考。多种机理的共同作用造成了室内温度的变化过程与周围环境因素之间呈现出复杂的非线性关系,并带有缓慢性、滞后性、易受外界影响等特点,这使得对其进行全因素分析模拟变得十分困难。目前对建筑室温变化的分析模拟主要包含机理模型分析和数据驱动模型分析两类大方向,在实际应用中,传统机理模型存在复杂机理应用中关键因素及数据缺失问题,而数据驱动模型则存在适应性差、模拟精度低等问题。本文基于数据驱动的思路,构建了三类建筑室温模拟模型。分别是基于改进的灰色预测OGM(1,N)构建的建筑室温模拟模型,基于Elman神经网络的建筑室温模拟模型,以及灰色预测和神经网络组合构建的建筑室温模拟模型。其中基于灰色预测和神经网络组合的建筑室温模拟模型数学结构上同时具有灰色系统对贫信息的优势处理能力和神经网络系统的自适应性。本文所构建的建筑室温模拟理论模型在应对传统数学模型中因为输入条件不足而构成的贫信息问题,以及在有限的工程信息条件下探究各环境因素与室内温度间关系等方面具有理论创新意义。案例研究,以杭州地区某办公建筑室为案例,对室内温度、室外气候参数进行实测。基于实测数据,采用本文构建的三种室温模拟模型进行室温预测,通过从实际效果的比较中验证该模型在小数据条件下对室内温度建模,探究室内温度与各环境因素间的潜在联系是可行的。案例研究中的实测数据验证结果显示,本文所构建的三种建筑室温模拟模型中,灰色预测与神经网络组合模型的拟合度最高、精度最高,对数据变化有着更好的适应性和鲁棒性,可在小数据条件下对实际中建筑室内温度中短期变化给出较为准确的预测,为建筑热工环境设计及能耗控制策略优化提供参考。