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°C，温度增幅为0.38°C/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：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，更适用于这一问题的研究。