室内舒适度评价是改善室内环境的前提,目前有关舒适度评价方法的研究主要可以归纳为两类:直接应用舒适度指标公式计算和对测量参数进行综合信息处理。参数多、动态变化性大是室内舒适度评价中的难点,而数据融合是信息处理和系统决策中的一种有效方法。本论文在深入分析室内环境特点和舒适度评价发展的基础上,利用数据融合理论讨论了模糊理论和神经网络用于室内舒适度评价中的可行性并对此提出了改进方案。模糊综合评价是质量评价中比较成熟有效的方法,具有很好的判断能力,但综合评价中指标权重一般人为给定,容易导致主观的片面性。针对这一问题,在模糊综合评判模型中,提出一种指标权重的改进方法,使用改进的层次分析法和灰关联分析法分别计算主观权重和客观权重,最终建立基于组合权重的模糊综合评价模型。研究模糊逻辑推理和神经网络的优缺点,并将它们有机结合构建模糊神经网络的室内舒适度评价模型,利用神经网络的自学习和自组织性能对网络参数进行优化调整。在HKCAN智能分布式系统下采集室内温度、相对湿度和光照度作为室内舒适度评价参数,仿真结果表明,模糊数据融合方法是一种有效的室内舒适度评价方法,提高了评价结果的可信度。