1.一种基于人工神经网络的室内通风性能预测方法，其特征是，包括：
2.根据权利要求1所述的一种基于人工神经网络的室内通风性能预测方法，其特征是，所述室内通风影响因素包括自然通风时的第一室外温度、第一室外风速、第一空气过滤器过滤效率，机械通风时的第二室外温度、机械通风系统通风量、第二室外风速、第二空气过滤器过滤效率，所述室外颗粒物影响因素包括室外颗粒物种类、室外颗粒物粒径大小、室外颗粒物浓度。
3.根据权利要求2所述的一种基于人工神经网络的室内通风性能预测方法，其特征是，所述分别获取第一历史数据以及第二历史数据具体包括：
4.根据权利要求3所述的一种基于人工神经网络的室内通风性能预测方法，其特征是，所述获取待预测建筑物室内空气渗透速率与室内压差之间的对应关系具体包括：
5.根据权利要求3所述的一种基于人工神经网络的室内通风性能预测方法，其特征是，所述获取待预测建筑物室内空气渗透速率与室内压差之间的对应关系具体包括：
6.根据权利要求3所述的一种基于人工神经网络的室内通风性能预测方法，其特征是，所述在待预测建筑物室内空气渗透速率与室内压差之间的对应关系下，对待预测建筑物预设时长内室内某一类型通风性能参数在每一项影响参数下进行实际测量，获取每一项影响参数的实际数据以及在每一项影响参数下室内该类型通风性能参数的实际数据具体包括：
7.根据权利要求6所述的一种基于人工神经网络的室内通风性能预测方法，其特征是，所述基于第一历史数据以及第二历史数据，分别对前馈神经网络模型和递归神经网络模型进行训练，根据前馈神经网络模型和递归神经网络模型的训练结果，选择前馈神经网络模型或递归神经网络模型，作为该类型通风性能参数对应的预测模型具体包括：
8.根据权利要求7所述的一种基于人工神经网络的室内通风性能预测方法，其特征是，所述根据通过lmbp算法修正前馈神经网络模型和递归神经网络模型各层的权值和阈值具体包括：
9.根据权利要求1-8任意一项所述的一种基于人工神经网络的室内通风性能预测方法，其特征是，所述根据前馈神经网络模型和递归神经网络模型的训练结果，选择前馈神经网络模型或递归神经网络模型，作为该类型通风性能参数对应的预测模型之后，还包括：
10.一种基于人工神经网络的室内通风性能预测系统，其特征是，包括：