本发明涉及温度、湿度、空气清净度以及空气循环(Heating,Ventilation,Air‑conditioningand Cooling,HVAC)的控制系统的智能控制方法，具体是一种基于广义互熵(generalizedcorrentropy,GC)损失函数的长短期记忆神经网络(Long Short‑term Memory,LSTM)和深度强化学习(Deep Reinforcement Learning,DRL)算法的HVAC控制系统。该方法包括的步骤如下：采集室外环境温度、室内环境温度和电网的电价信息，对采集到的数据进行预处理，使用室外环境温度历史数据预测未来多步的室外环境温度，基于未来室外温度值、室内环境温度和电网电价信息利用DRL的深度确定性策略(Deep Deterministic Policy Gradient,DDPG)算法控制HVAC系统的功率输出。本发明能实时智能控制HVAC系统以减少用户成本并且保证用户的满意度，具有较高的实际工程应用价值。