建筑环境特别是居住环境质量受到越来越多的重视,办公或居室内的温度、湿度、空气品质、噪声水平等等都是人们关注的问题。但是由于建筑环境中的信息来源复杂,信息格式并不一致,影响了对建筑环境信息进行分析、评价、控制。降低建筑能耗,提高建筑环境的智能控制水平的有效途径之一,就是研究一种可以广泛运用的分析建筑生态与节能效果的信息融合处理方法,并对其进行智能控制,形成相应的反馈实施措施,从而形成一整套对建筑环境信息进行融合、评价、控制的体系。本文的主要研究内容是体系中的信息融合方法的研究。首先对建筑环境的综合评价与分析进行了研究,得到对建筑环境信息进行分析的各类方法,并根据建筑环境中信息来源复杂的特点,提出利用信息融合的方法进行数据分析。其次对信息融合方法进行探讨。在分析了信息融合的层次结构和关键问题后,研究了信息融合的各种模型与算法,通过各种算法特点的比较,得出在分析建筑环境信息中,利用神经网络技术具有较大的优势。最后,本文重点研究了室内客观环境质量评价方面,建立了神经网络模型,找到了室内空气温度、室内空气相对湿度、人体活动量(即新陈代谢率)、衣着情况(即衣服热阻)、平均辐射温度、风速等参数与人体对空调环境的不同需求(即室内PMV值)之间的复杂关系,并利用简化模型的计算数据代替实测数据对该网络进行训练,从训练结果中可以看出网络的输出值与期望值很接近,表明利用神经网络进行信息融合是可行的。