由于建筑能耗因子間存在非線性和高度冗余特性，傳統(tǒng)預(yù)測方法很難消除數(shù)據(jù)之間冗余和捕捉非線性特征，導(dǎo)致預(yù)測精度較低。為了提高建筑能耗預(yù)測精度，提出一種將主成分分析（ principal component analysis， PCA）和徑向基函數(shù)（radial basic function， RBF）神經(jīng)網(wǎng)絡(luò)相結(jié)合的建筑能耗預(yù)測方法（PCA－RBF）。利用PCA消除建筑能耗高維變量數(shù)據(jù)的相關(guān)性，并按累積貢獻(xiàn)率提取主成分，將主成分作為RBF神經(jīng)網(wǎng)絡(luò)的輸入進(jìn)行訓(xùn)練學(xué)習(xí)。通過PCA避免了模型過多的輸入導(dǎo)致的訓(xùn)練耗時長及預(yù)測精度較低的不足。通過將PCA－RBF模型方法應(yīng)用于某辦公建筑能耗的預(yù)測中，并與RBF神經(jīng)網(wǎng)絡(luò)及BP神經(jīng)網(wǎng)絡(luò)模型相比，實驗結(jié)果表明PCA－RBF模型方法能有效提高建筑能耗預(yù)測精度。