رشد روزافزون شهرنشینی و چالش‌های اقلیمی، ایجاد محیط‌های شهری پایدار را به موضوعی مهم در سالهای اخیر تبدیل کرده است. طراحی فضای پایدار بدلیل تأثیر آسایش حرارتی در فضای باز شهری بر احساس آسایش و رضایت شهروندان و همچنین استفاده بهینه از شرایط محیطی در ایجاد آسایش و صرفه‌جویی انرژی اهمیت زیادی داشته است. پیش‌بینی دقیق آسایش حرارتی و شرایط حرارتی محیطی در مناطق شهری با روشهای مختلف، بهبود برنامه‌ریزی شهری و مدیریت انرژی را تسهیل مینماید. بررسی مطالعات پیشین نشان‌دهنده توانایی بالای مدل‌های یادگیری عمیق در بهبود پیش‌بینی‌های آسایش حرارتی است. در این مقاله یک روش ترکیبی مبتنی بر یادگیری عمیق برای پیش بینی شاخص جهانی اقلیم حرارتی ارائه شده است. در این مقاله بعد از پیش پردازش مجموعه داده، مدل های قبلی که دقت بالایی داشته اند اموزش داده شده و مورد ارزیابی قرار گرفتند. سپس سه مدل با بالاترین عملکرد برای مدل ترکیبی انتخاب شده و پیش‌بینی‌های هر سه مدل برای مجموعه تست تولید و برای اطمینان از یکپارچگی ابعاد، پیش‌بینی‌ها به آرایه‌های یک‌بعدی تبدیل شدند. در نهایت پیش‌بینی نهایی از میانگین‌گیری پیش‌بینی‌های سه مدل محاسبه شد. مجموعه داده های واقعی مربوط به شهر مشهد برای ارزیابی عملکرد مدل پیشنهادی و اموزش و آزمایش روش های استفاده شده در مدل ترکیبی بکارگرفته شد. معیارهای استاندارد پیش‌بینی عددی شامل ریشه میانگین مربعات خطا، میانگین مطلق خطا و ضریب تعیین برای ارزیابی مدل پیشنهادی محاسبه شد. نتایج ارزیابی نشان داد که مدل ترکیبی عملکرد بهتری در پیش‌بینی شاخص جهانی اقلیم حرارتی در مقایسه با روش های پیشین ارائه می‌دهد.