大型公共建筑中,办公类建筑是我国典型的高能耗建筑,且由于严寒地区气候影响,寒地办公建筑具有供暖时间长,采暖要求高的特点。据统计,寒地办公建筑在运行阶段的能耗强度要远高于普通住宅,而其在前期建筑材料的生产和运输、建造以及后期拆除的过程中,同样会消耗大量能源并伴随巨大的碳排放量。因此对于寒地办公建筑能耗及碳排放量的准确计算与性能预测对于我国办公建筑的节能减排具有重要意义。本研究以严寒地区办公建筑外墙典型构造作为研究对象,探究其在办公建筑中对能耗及碳排性能的影响。研究旨在建构寒地办公建筑能耗与碳排性能神经网络预测模型,精简模拟过程,提高预测效率,为建筑节能设计提供预测工具与数据参考。本文确定了寒地办公建筑能耗及碳排性能神经网络预测模型的结构。以严寒地区办公建筑外墙构造材料和厚度作为输入参量,以办公建筑年能耗量和碳排放量作为输出参量,设定隐含层神经元层数,确定神经网络的结构与训练流程。本文通过建立办公建筑信息模型,运用实测数据验证信息模型能耗模拟精确度。根据信息模型建模过程,将其合理划分为四种精细度模型。通过模拟计算结果的对比分析得到最优精细度模型,并以此作为建筑能耗和碳排放计算的信息模型建模标准。通过改变外墙构造参数模拟计算得到输出参量训练数据,基于模拟数据进行神经网络的训练与校正,得到基于外墙构造参数的建筑能耗和碳排性能预测模型。本文以长春市莲花山某办公楼为例,以项目实际图纸为蓝本,以最优精细度模型为标准,建立办公楼信息模型。通过能耗和碳排数据的训练和校正,确定神经网络预测模型,最后验证了BP神经网络算法构建的模型对建筑能耗和碳排性能的预测具有一定的高效性和准确性。通过建构符合寒地办公建特征的建筑能耗与碳排性能神经网络预测模型,可有效精简能耗和碳排放量的模拟计算过程,提升寒地办公建筑性能预测效率。