建筑为人们日常生活、学习、工作提供了干净、整洁的环境。随着社会的进步、发展,建筑不仅讲究外在艺术美,更讲究内部的舒适性和节能性。但舒适性与能耗有时存在一定冲突,需要用相应的策略进行协调优化。为此,本文提出了一种物联网环境下数据驱动的舒适性建模与控制策略。该研究主要涉及以下内容：第一,采用统计方法对建筑用电设备物联网系统收集的环境数据进行预处理,预处理之后的数据作为整个课题研究的数据支撑。第二,提出了一种数据驱动的二型模糊集模型的构建方法。与传统模糊方法相比,该方法中的二型模糊集理论处理不确定性的能力显著增强。将该方法应用于室内环境舒适性控制中,提出了基于热舒适性模型的室内环境调控策略。通过仿真实验证明了该策略对于特定房间内的热舒适性建模的有效性。第三,提出了一种数据驱动的多变量模糊系统模型的构建方法,该方法可以有效地解决传统模糊系统通常面对的规则爆炸问题。应用提出的单输入规则模块连接的神经模糊系统对特定房间内的冷热负荷预测,仿真结果证明了所提出的方法对于能耗预测问题的有效性和优越性。第四,针对高舒适与低能耗的追求目标,提出了一种多目标优化策略。该策略采用具有强搜索能力的遗传算法试图得到一组最优解集(又称Pareto最优解集),最后根据先验知识及实际应用背景提供一个最优解用于平衡相互矛盾的目标。