摘要：本文针对现代城市中越来越严重的热岛现象与能源问题，首先分析了北京市近60年的温度资料，可知60年来城区内的年平均温度升高了2．28℃，温度增幅为0．38℃／10a。而后综合考虑城市建筑热环境的各种影响因素，利用BP神经网络技术建立了城市尺度下针对建筑热环境（温度）的预测模型，并对以往的数学模型和计算方法进行了改进。在改进后的预测模型中，通过枚举法选择隐含层最佳神经元个数，用贝叶斯正规化算法进行了网络训练，结果表明：与BP神经网络基本的L-M优化算法相比，该算法有较高的泛化能力和准确性，更适合于这一问题的研究。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社