高校建筑作为学生校园活动的重要场所,由于人员密集、通风质量较差等问题所带来的高校建筑室内环境质量不佳,室内人员健康舒适问题频发,已受到社会的广泛关注。在此背景下,对高校典型建筑室内环境监测,以及相应的室内环境质量特征与预测分析,为实现校园建筑的绿色健康发展,进一步优化高校建筑室内环境质量具有重要的现实意义。基于此,本文开展了基于数据驱动的高校建筑室内环境特征及预测研究,其主要内容及其结论如下:首先,开展了高校建筑室内环境特征研究。采取现场调研与实测的方法,对某高校学生重点学习场所进行较大样本的室内环境多参数的监测分析。结合相关性分析等统计分析方法,得到不同季节室内环境参数的变化趋势与影响因素;结合聚类分析,得到反映室内环境特征的等级划分;结合理论计算,得到I/O比、渗透因子与贡献率等反映室内环境特征的重要信息。案例高校的分析结果表明,高校室内热湿环境总体维持在标准值范围内,而过渡季节的舒适度相对较差;高校室内CO2和TVOC浓度均与室内人数具有较强的正相关关系,且均主要来源于室内源,而PM2.5主要来源于室外源;声光环境方面,所测教室的平均照度值均满足标准的要求,但环境照度差异较大,室内照度均匀度存在不满足相关标准要求的现象;由于教室临街与教室分布密集等原因,造成教室室内声环境不佳,等效声压级高于标准规定,需进一步改善。其次,开展了高校建筑室内环境质量的综合评价。针对目前室内环境评价以单一指标为主的现状,本章节综合考虑室内热环境、空气品质、声光环境等单一指标特点,提出了基于客观权重法以及欧式距离法高校室内环境质量综合评价方法,并进行了案例分析。通过该方法的案例分析结果表明,该案例高校教室噪声与照度权重高于其他指标;综合评价结果与室内人员密度具有相关性等结论。最后,开展了基于数据驱动的校园室内环境的预测研究。基于室内环境监测数据特点,对不同类型的数据驱动型室内环境预测方法的基本理论进行总结,并归类为三种类别预测模型。以此为基础,选取某高校3间学习室作为分析案例,开展了室内环境的连续监测以及不同预测模型的对比分析,以得到效果最佳的预测模型。案例分析结果表明,由于不同模型的输入特性、以及不同算法的适应性的差异,当监测环境变量中存在预测变量与其他解释变量时,可利用变量之间的相关性进行预测,随机森林被证实为最佳预测模型。当只存在单一监测参数,基于其历史数据特征得到未来预测结果,自回归移动平均模型为最佳预测模型。