我国能源与环境问题日益突出,建筑能耗在社会总能源消耗中占到21%,绿色可持续发展已成为社会发展的主流方向。传统建筑设计方式具有主观性,缺乏科学性,最终的建筑设计方案并不能保证节能需求。因此为提升建筑节能效率,有必要结合当地气候与环境资源,在参数化分析基础上进行高效的节能设计。本文在结合敏感性分析方法的同时利用机器学习代理模型,以天津地区的办公建筑为研究对象,提出建筑初步设计阶段中基于敏感性分析的建筑优化设计策略,并与整体优化进行对比,验证了敏感性分析和比较的必要性。首先通过阅读建筑节能优化设计相关文献,总结归纳出在建筑初步设计阶段影响节能的变量,构建了两个寒冷地区的办公建筑能耗模型。然后针对每个建筑研究对象在建筑初步设计阶段,依托于参数化设计grasshopper平台建立建筑能耗的参数化模型。并结合蒙特卡洛方法,对建筑设计变量进行超拉丁方采样,利用BP神经网络对获取的数据集进行训练,得到高拟合建筑能耗预测模型。然后利用建好的能耗预测模型,在不同的全局敏感性分析方法下对建筑有关节能的被动设计变量进行敏感性分析,最终得到有关建筑各个参数及与其参数间交互作用对建筑性能的影响规律,为最终建筑方案的重点优化设计方向提供理论基础。建筑能耗模型A排名前三的变量为窗户类型,层高,照明功率密度,但是气密性在总建筑负荷中的影响比在峰值负荷中要大。而在建筑能耗模型B中长宽比,高度,屋面保温层厚度才是影响最大的参量。并且对不同敏感性分析方法的计算成本和敏感性排序进行综合分析比较,寒冷地区办公建筑能耗模型首选Morris方法进行敏感性分析。最后应用NSGA2多目标遗传算法与预测模型结合的方式,针对本文提出的基于敏感性分析的优化设计策略,并与整体优化设计策略进行比较。通过对优化过程以及pareto最优解集分析,前者的解集的分布度会降低,但是优化结果几乎相同,并且优化成本大大降低,这为以后的基于参数化分析的建筑性能优化设计提供新的行之有效的参考。