随着我国大型公共建筑数量的迅速增加,建筑能耗也在持续增加,据统计建筑能耗占据总能耗的39%,这对我国的可持续发展战略产生许多不利的影响。其中建筑能耗主要是暖通空调系统消耗的能源,因此亟需建立准确的建筑房间数学模型,并优化暖通空调系统的控制系统,实现减少暖通空调系统的能源消耗。变风量空调系统凭借其显著的节能以及令环境舒适的优势已用于各个大型公共建筑。但大型公共建筑的多区域变风量空调系统是一个多变量、强耦合的复杂系统,亟需精准的建筑房间数学模型和先进的控制方法对多区域建筑房间室内温度进行控制。本文首先基于热容热阻的方法,根据能量平衡理论建立单房间温湿度耦合数学模型。该模型建立在复杂的建筑围护结构上,通过数学方法解除室内温湿度的耦合关系,将湿度作为一个单独的变量,并给出单房间温湿度耦合模型的精确解。通过MATLAB仿真软件,在给定建筑围护结构各参数和室内外环境参数的情况下,模拟墙体各节点以及室内温度的动态变化。然后将单房间温湿度耦合数学模型扩展到多区域建筑中,建立多区域房间温湿度耦合数学模型,通过数学方法求出多区域各房间的室内温度值,进而得到每个区域房间的室内温度动态变化。本文其次应用图论理论以及流体输配管网理论,通过对变风量空调系统进行抽象简化,对变风量空调系统主要部件的阻力特性进行建模,采用基本回路分析法（MKP）对变风量空调系统管网数学模型进行求解,从而求得到流经每个房间的空气流量。然后利用深度置信神经网络建立变风量空调系统的逐时送风量预测模型,并在相同的数据影响参数和训练数据情况下,将该计算结果与BP、Elman和模糊等传统神经网络预测变风量空调系统的逐时送风量进行比较。结果表明,深度置信神经网络的预测精度最高,平均绝对相对误差、均方根相对误差和决定系数分别为1.555%、0.789%和0.9975,由此说明本文建立的模型能够精确有效地预测变风量空调的送风量。最后,本文将模糊聚类算法与模型预测控制相结合,提出基于模糊聚类算法的多区域变风量空调系统的室内温度预测控制模型,在多区域VAV空调实验台上验证该模型的控制效果和多区域建筑模型在风量变化较大时的准确性。