建筑能耗数据具有非平稳和非线性特征;单一预测模型很难对其进行精准预测;提出一种用于建筑能耗短期预测的新型混合模型;利用互补集合经验模态分解方法(CEEMD)将波动性较大的能耗数据分解为一组本征模态函数和一个残差序列;基于反向学习、差分进化算法并引入控制参数λ对鲸鱼优化算法(WOA)进行改进;有效解决算法早熟收敛与陷入局部最优等的问题;提出改进算法UWOA(upgradedwhaleoptimizationalgorithm);利用UWOA优化Elman神经网络的权值与阈值;优化后的Elman神经网络对本征模态函数和残差序列进行预测并集成;得到能耗预测值;应用CEEMD-UWOA-Elman混合模型对上海某大型公共建筑能耗进行短期预测;结果显示混合模型获得很好的预测效果;