建筑耗能是我国总耗能中占比最大的一部分，对其进行规律验证与预测具有非常重要的意义。提出了一种基于门控循环单元（GatedRecurrentUnit,GRU）神经网络预测建筑耗能的方法，充分挖掘数据中的深层特征关系。将采集到的原始数据输入到输入层，对数据进行预处理。利用DGRU层对特征信息进行提取，进而实现序列分析。通过序列信息和回归层获得预测结果。为验证方法的有效性，采用BGD2（BuildingDataGenome2）数据集进行仿真验证，结果证明此方法可以很好地预测建筑耗能。