Con la mejora de la capacidad de carga del metro en China, las personas en las grandes ciudades tienden a viajar en metro. La carga de estos metros es enorme durante las horas pico de la mañana y la tarde. Junto con el aumento en el número de turistas de verano, la calidad ambiental térmica en las estaciones de metro tempranas disminuirá gravemente. Por lo tanto, es necesario analizar los factores que afectan el ambiente térmico en las estaciones de metro y establecer un modelo de cambio de ambiente térmico. Esto ayudará a respaldar la predicción y análisis del ambiente térmico en estos espacios subterráneos limitados. Para lograr una modelización en línea relativamente precisa y rápida, este documento propone un método de modelización del ambiente térmico basado en una Red Neuronal de Enlace Funcional de Vector Aleatorio (RVFLNN). Este método de modelización tiene las ventajas de una velocidad de modelización rápida y resultados de predicción relativamente precisos. Una vez que los datos preprocesados se introducen en esta RVFLNN para el entrenamiento, el modelo del ambiente térmico de la estación de metro se establecerá rápidamente. Los resultados del estudio muestran que el modelo térmico basado en el método RVFLNN puede predecir efectivamente la temperatura dentro de la estación de metro.