高校图书馆是学生重要的学习场所,作为高校建筑重要组成部分之一的图书馆建筑人流量大,包含照明系统耗能、空调系统耗能等多种耗能形式,能耗高,节能潜力大。因此,图书馆能耗预测研究有助于在保证使用者需求的基础上对建筑进行节能降耗。论文以西北某高校图书馆建筑为研究对象,主要研究内容如下:（1）确定了影响图书馆建筑能耗最主要的因素。在日和月的尺度上分析了图书馆室内人员和能耗数据,在不同的建筑能耗影响因素中确定了三个最主要的因素,即室内人员、空调的运行状态及图书馆的开放策略。能耗影响因素的确定可为预测模型的建立和节能策略的研究打下基础。同时,图书馆的日室内人员有很强的规律性,这有助于节能策略的研究。（2）建立了图书馆电能预测模型。由于不同因素对图书馆能耗的影响常常是非线性的且耦合的,采用LM神经网络模型对图书馆能耗进行预测可以满足对精度和速度的需求。使用MAPE、MSE以及拟合度R平方（R-squared）三个性能指标对该模型进行评价。同时,由于LM神经网络是在BP神经网络的基础上改进的模型,因此将BP神经网络能耗预测模型选为对照组与LM模型的准确程度进行对比。根据预测结果的对比发现,LM模型在图书馆建筑能耗的预测上较传统BP模型有一定优势。（3）对图书馆能耗预测模型进行了优化。使用分时预测法及相似日法对LM神经网络预测模型的准确性进行优化。考虑到高校图书馆日用电量在暑期与学期表现出的区别,使用分时的方法将数据划分成暑期与学期两部分,分别建立预测模型。建筑能耗受到多种因素的综合影响,这导致建筑日能耗存在不同模式,因此选择模糊聚类的方法选取相似日。利用选取后的数据建立新的预测模型,并与一般LM预测模型的预测结果进行对比。结果表明,优化后的LM神经网络能耗预测模型比一般LM神经网络预测模型更精确且离散点更少。（4）提出了图书馆节能运行策略。根据图书馆的特点与数据分析,分别从管理层面和技术层面对可能的节能策略进行探究。其中管理层面的节能策略主要包括对图书馆开放策略的改进。技术层面主要包含两个方面的改进,包括照明系统和空调系统。选取了合适的传感器对室内人员进行监测,并依据模糊控制构建了照明及空调系统的控制规则,可为图书馆节能运行提供指导。所建立模型的能耗预测结果表明,相似日LM神经网络分时预测模型的平均绝对百分比误差、均方误差和拟合度分别为10.81%、19.87和0.9525,模型具有更高的预测精度。同时节能策略的结果有效,可为图书馆节能优化运行提供依据和指导。