随着经济的快速发展,人们对舒适的居住环境越来越重视。一般来说,改善室内热舒适水平也会导致住宅建筑能耗的增加,而寻求建筑节能与室内热舒适之间的动态平衡已成为人们关注的焦点。我国根据不同的气候条件划分了五大气候区,并根据各自的气候特点制定了相应的建筑节能设计标准或相关法规。我国现行的建筑设计标准和规范都只适用于某一地区,局限性较大。本研究争取通过建立建筑仿真软件和遗传算法相结合的方法,寻求通用的建筑设计方法来克服设计标准和规范的局限性,使之能够适用于不同的气候区域。NSGA-Ⅱ是目前应用最为广泛的多目标优化算法。本研究优化了建筑各朝向的窗墙面积比、建筑朝向、建筑外墙与屋面构造、室内空调及采暖温度设定值以及HVAC系统类型等10个参数。据此构建了同时考虑五个气候区20个典型城市建筑能耗和室内不舒适度时数的优化数据库。通过对最优解的分析,北方地区严寒地区的建筑能耗大幅度降低38.37%,室内不舒适度时数可减少61.5%。最后,为应用数据挖掘技术建立了一个典型的数据集。通过比较和分析线性回归(LR)、卡方自动交互检测法(CHAID)、穷尽卡方自动交互检测法(exhaustive CHAID)、反向传播神经网络(BPNN)、径向基函数网络(RBFN)、分类回归树(CART)、支持向量机(SVM)7种数据挖掘算法的精度,找到了可用于快速预测建筑能耗和室内不舒适度时数的数据挖掘模型。结果表明,BPNN模型具有最高的精度和最佳的适用性。建筑能耗和室内不舒适度时数的预测准确性分别达到98.14%和97.72%。