建设低碳经济的重要环节之一就是建筑节能。作为经济稳定增长的发展中国家,我国的建筑能耗约占全国总能耗的三分之一。建筑能耗模拟与能耗预测可以有效指导建筑节能措施的实施。建立合理的室外气象参数计算模型,并获得建筑能耗用典型气象年逐时气象数据是建筑能耗模拟过程中不可缺少的环节。由于技术等原因,我国缺少记录完整的逐时气象数据。因此,定时数据逐时化和缺失数据填补是目前典型气象年研究中的重点。本文主要研究高斯过程回归算法在定时数据逐时化和缺失数据填补中的应用。依据高斯过程回归的基本原理,提出了基于高斯过程回归的气象数据逐时化算法及缺失值填补算法。并且通过对上海宝山台站气象数据的逐时化与填补研究,验证了该算法的有效性。首先依据高斯过程回归的基本原理,针对气象数据的四次定时记录与短期记录缺失的状况,分别提出了基于高斯过程回归的气象数据逐时化算法及缺失值填补算法框架。对温度与气压,设计了逐时化的两种复合协方差函数、缺失值填补的一种复合协方差函数,同时对协方差函数中的超参数进行确定,对所提出的气象数据逐时化算法及缺失值填补算法进行了细化。其次,将上述算法应用于上海宝山站的温度、气压、相对湿度数据逐时化与缺失值填补中,并将实验结果与三次样条插值方法结果进行对比。结果表明:基于高斯过程回归进行气象数据逐时化,复合协方差函数模型优于单协方差函数模型;此逐时化方法适合绝对量参数温度与气压,不适合相对量参数相对湿度;基于高斯过程回归的缺失值填补算法,对温度、气压以及相对湿度的填补结果均优于三次样条插值法的填补结果。最后本文对实验结果进行了确定性的描述,给出其95%的置信区间。实验结果表明本文提出的算法提高了气象数据逐时化及数据填补的精度。可以用于生成建筑能耗模拟所用的典型气象年逐时数据。