在建筑能耗大幅上升的背景下,降低建筑能耗迫在眉睫。随着国民生活水平的提高,室内空气品质日益受到重视。自然通风是建筑内人员改善室内空气品质的重要手段之一,开窗通风不仅会对室内空气质量、室内热湿环境产生极大影响,还会大幅改变建筑能耗,近年来逐渐被各国学者所重视。多位学者对开窗的影响因素进行了分析,并建立了相应的开窗预测模型。现存的开窗模型普遍存在着算法单一、模型复杂程度高且预测准确率低的问题,实用价值较低。我国高校建筑的总能耗巨大,高校人均能耗远高于我国人均用能水平,具有较高的节能潜力。而目前大部分高校宿舍没有统一的机械通风系统,只能靠自然通风改善室内空气品质,室内空气品质无法得到有效保障。本文对天津某高校宿舍内人员的开窗行为、室外环境参数及室内环境参数进行了一个完整供暖季的监测,对传统Logistic开窗预测模型进行优化,在简化输入参数的同时调整了模型的判定临界值,提出了预测准确度高且更具实用价值的新型Logistic回归模型。同时,本文首次将平均贝叶斯网络、LDA（Linear Dominant Analysis）、QDA（Quadratic Dominant Analysis）、SVM（Support Vector Machine）算法引入开窗行为的研究中。结果表明,平均贝叶斯网络和SVM算法在开窗行为预测中具有极高的应用价值,模型预测准确度均达到80%以上。在提出具有高准确度的开窗预测模型的同时,本文还采用K-means聚类和系统聚类算法提出了更适用于能耗模拟中的自然通风模型。随后本文将提出的聚类模型导入Energy Plus能耗模拟软件中,并对天津市某高校学生宿舍在采用自然通风、不带热回收装置的机械通风和带热回收装置的机械通风三种工况下的建筑采暖能耗进行了分析和对比研究。结合模拟结果和测试数据可以发现,现有开窗模式下的自然通风不仅无法有效改善宿舍内部的空气品质,还会大幅增加建筑的采暖能耗。而带热回收的机械通风系统不仅具有最好的通风效果,而且建筑采暖能耗最低,具有较高的推广价值。