本发明涉及一种基于数据驱动高斯学习技术的建筑物冷热负荷预测方法，包括以下步骤：S1，获取建筑冷热负荷的数据集以及影响冷热负荷的多种特征数据集；S2，运用主成分分析方法对训练的数据集进行数据处理，并提取设定数量的主成分；S3，构建建筑冷热负荷的高斯回归过程预测模型，基于训练集数据对构建的高斯回归过程预测模型进行训练从而达到优化模型的目的，并在最终的预测模型结果中给出预测估计区间；S4，基于主成分分析后的数据集以及采用优化后的高斯过程模型，预测建筑冷热负荷并给出预测估计区间。与现有技术相比，本发明具有能够实现较为精确的预测等优点。