随着我国经济社会的快速发展，社会的能耗问题日益突出，公共机构作为社会能源消耗的重要群体，其能耗的分析与预测尤其重要。公共机构能耗影响因素众多，除去便于统计的人数、建筑面积、车辆数目等因素还包括能耗管理制度、用能方式、财政拨款等其他非确定因素给能耗分析带来一定难度。本文依据天津市公共机构能耗统计平台历史数据对天津市公共机构能耗进行了分析和预测，主要工作有以下几个方面。1）对天津市公共机构概况进行分析，从公共机构数量、组成等方面得出近年来的变化趋势。分析了公共机构能耗种类及支出类型，得出公共机构能耗的特点：非营利性、缺少控制动因和相对稳定性。从影响公共机构能耗的因素包括：建筑面积、公用车辆数量、用能人数、公共机构类型等方面对天津市2005至2010年公共机构的能耗数据进行了详细描述。公共机构总能耗趋于稳定变化不大，人均能耗逐年降低。2）确定影响公共机构能耗的影响因素。影响公共机构能耗的因素众多，不仅包括建筑类型、暖通结构、照明系统等硬件设施还包括非确定性因素。本文根据获得的能耗数据，运用灰色关联理论对现有能耗指标进行灰色关联分析，得出影响公共机构电耗的关键指标有：建筑面积、用能人数、编制人数和机构类型。3)建立基于遗传神经网络的公共机构能耗分析模型。公共机构能耗组成具有高度的非线性特点，而人工神经网络具有很好的非线性、自学习与自适应能力，并且适用于处理多变量系统和很好的容错能力，选取BP神经网络进行能耗的预测。BP神经网络自身的缺陷，初始权值选择的盲目性会导致网络陷入局部最小，而基于遗传学与自然选择的遗传算法拥有全局寻优的能力，选取遗传算法对BP神经网络进行优化。通过遗传算法初始种群的生成，选择、交叉和变异操作确定神经网络的初始权值和阈值，并训练了网络结构，克服了BP神经网络的缺陷。4）运用MATLAB语言完成能耗预测模型的仿真，选取100组天津市公共机构的能耗统计数据对遗传神经网络进行训练，验证模型的有效性，并将模型与标准BP神经网络进行比较，得出该模型优于标准BP神经网络，并运用模型对5家公共机构的能耗进行了预测。