室外气象参数主要影响着建筑采暖、制冷能耗,不同地域的气候特征对暖通空调系统影响程度不一,通过准确的基础室外气象参数相关研究有助于评价、优化建筑节能设计方案,实现建筑节能和减少CO2的排放量。随着数据时代的发展,我国也在不断完善对室外气象数据的观测与统计,但也存在着太阳辐射数据记录不全的问题,导致许多地区挑选典型气象年（Typical Meteorological Year,TMY）和进行建筑能耗模拟分析缺乏相对应的太阳辐射数据。以室外气象参数分析为基础的建筑能耗预测研究有助于分析建筑能耗的变化情况,并为此制定合理的解决方案也是本研究亟需解决问题。因此,本研究主要包括以下几部分内容:（1）在建筑节能分析领域中,太阳辐射数据尤为重要,然而由于辐射数据的记录对设备仪器精度要求较高,检查维修复杂等原因,在我国太阳辐射站的数量不能匹配一般地面气象要素观测站。基于我国实际太阳辐射气象数据记录状况下,分别对不同记录精度太阳辐射数据（日值、月值和无辐射）的地区进行TMY挑选,并针对不同地区的适用性做了相关分析。对于逐时太阳辐射数据生成的研究主要采用统计模型法,在此基础上采用BP神经网络和遗传优化BP神经网络的算法对太阳辐射数据进行预测研究,针对不同地域的适用性也做了相关分析。（2）参照了我国现行公共建筑节能设计标准,以办公建筑为典型建筑,将各方法生成的TMY和逐时太阳辐射数据进行建筑能耗模拟,验证了太阳辐射缺失时本研究提出的TMY挑选方法和各类逐时太阳辐射数据预测模型的准确性,并为后续基于室外气象参数对建筑能耗预测分析做数据实验准备。（3）为探讨室外气象参数对建筑采暖、制冷能耗的影响,选取南北地区北京和广州典型城市TMY和30年气象数据进行能耗模拟。以常见的风机盘管暖通空调系统为例,对制冷机COP、锅炉BE和新风量采用敏感性分析的方法进行探讨,确定了系统不同设计参数的影响因子。采用相关性分析法对各类建筑采暖、制冷能耗影响气象因素进行分析,通过强相关性确定了室外气象参数预测建筑能耗的输入量。通过温度与能耗的对比确定了典型城市采暖、制冷平衡温度,并结合月最高和最低温度计算得到新的“度月温度”指标,为建筑能耗预测分析提供输入量,以提高预测精度。（4）通过主要建筑能耗室外气象参数影响因素的分析,选用机器学习中的BP、RBF和支持向量机等智能算法进行建筑能耗预测,并通过对智能算法的对比以及新参数指标的确定提高预测精度,提出一条较为完整的,适用于室外气象参数预测建筑能耗的预测方案。