室內(nèi)熱舒適度測試儀可快速準確地對室內(nèi)環(huán)境舒適度作出客觀評價，有利于改善和控制室內(nèi)環(huán)境也是很大程度的發(fā)揮節(jié)能減排、降低能耗的前提。室內(nèi)環(huán)境是人們生活中接觸頻繁的生活環(huán)境之一，良好的室內(nèi)環(huán)境可以潛移默化地使人們精神愉快放松，注意力集中，從而提高辦事效率。相反，冷熱不均的室內(nèi)環(huán)境會使人焦躁不安，難以靜心，甚至影響到身心健康。因此，室內(nèi)環(huán)境的舒適程度越來越受到人們的重視。

　　室內(nèi)熱舒適度測試儀用于計算室內(nèi)舒適度的預計熱指標PMV方程，但該方程涉及參數(shù)較多且有些參數(shù)不能直接測量獲得。因此，通過公式轉換來降低方程的復雜度，獲得了評價室內(nèi)熱環(huán)境舒適度的四個熱環(huán)境變量（空氣溫度、相對濕度、空氣流速及周圍表面平均輻射溫度）和兩個人為因素（人體新陳代謝率和服裝熱阻）。

　　其次，在室內(nèi)熱舒適度的評價方法上，區(qū)別于傳統(tǒng)的公式迭代計算方法來確定PMV指標值，RBF網(wǎng)絡的輸出精度高于BP網(wǎng)絡，因此，引入了遺傳算法優(yōu)化BP網(wǎng)絡的初始權重和閾值，優(yōu)化后的GA-BP算法達到了較好的預測精度。引入了模糊系統(tǒng)的方法，并結合神經(jīng)網(wǎng)絡方法，提出了將自適應神經(jīng)元模糊推理系統(tǒng)方法（簡稱ANFIS）應用于室內(nèi)熱舒適度評價建模上，該方法能融合神經(jīng)網(wǎng)絡的學習能力和模糊系統(tǒng)的推理能力，使得模型預測能力更加準確。

　　RBF網(wǎng)絡和ANFIS網(wǎng)絡都取得了相似的預測精度，BP網(wǎng)絡精度較差，而在訓練時間上，RBF網(wǎng)絡花費的時間短，ANFIS網(wǎng)絡由于包含眾多模糊規(guī)則而導致網(wǎng)絡訓練速度較慢。優(yōu)化后的GA-BP算法能快速收斂，提高了BP網(wǎng)絡模型的精度，但花費的時間較大。