新方向：CFD-AI污染预测

绝大数人需要在密闭的室内环境中度过他们人生90%的时光。呼吸新鲜空气应当被视为一种人权。世界卫生组织2018年五月份的空气污染报告指出，全世界90%的人呼吸不到新鲜空气。严重的空气污染可以导致中风，肺癌，心脏病等疾病。此外，据估计全世界每年有7百万人死于空气污染。

世界卫生组织总干事Tedros Adhanom博士指出：

“无论贫穷还是富贵，没人能逃过空气污染的魔爪。空气污染的危害堪比新型烟草，是被忽视的公共卫生事件。”

设计合理的通风系统对营造健康的室内环境至关重要。

人工智能、CFD、通风模型

根据室内环境监测装置的实时反馈，精准快速地对室内环境进行预测，对通风系统的设计控制至关重要。数值仿真（如CFD）被广泛用于室内环境模拟（比如空气流向和污染物扩散），可以进一步用于通风系统的设计。但是，直接使用CFD对通风系统进行仿真相当耗时。

为了对通风系统进行有效的在线控制，可以对建筑物进行多种通风系统的预设计。根据通风系统的控制算法评估结果，选择能够提供最佳室内环境的设计模型，以相对较小的通风率满足污染物浓度的质量要求。

通风系统评估的控制算法很大程度上依赖于CFD仿真提供的数据集，比如污染物浓度。在最近的研究中，我们提出了一种可靠的“超实时仿真”预测模型，该模型利用CFD并结合人工神经网络，进行通风系统的在线控制。该模型根据室内污染物监控设备获得的检测结果可以快速有效地预测室内的污染物分布。

该模型为减少数据的存储，对数学模型进行了“降维打击”。即使用特征平均数对高维数据进行表达，实现数据的降维处理。依靠低维数据和人工神经网络加速，可实现“超实时仿真”预测，为通风系统控制算法提供必要的数据输入。最终，选择最佳的通风模式，实现通风系统的在线控制。

通风在线控制系统中使用的CFD计算和快速预测模型

研究成果

我们的研究进行了大量的实验，然后通过CFD来对比空气二氧化碳的浓度。随后进行了大量的CFD计算，考虑各种不同的通风条件，形成一个离线数据库。然后基于这些数据对人工神经网络进行训练。

这些结果可以快速预测空气质量等环境条件，误差小于10％。结合有效的通风评估，预测结果可用于进一步的通风优化。

例如，在真实的室内环境中，通过通风自动控制，可以使室内污染物浓度最大降低30％，使能量消耗最大降低50％。综上所述，基于CFD的人工神经网络模型将使“人工智能通风系统”成为可能，可以实现通风在线控制，以改善室内空气质量，同时降低能耗。

在相同污染源和通风率的条件下，对自下而上的通风设计模型进行二氧化碳浓度分布仿真的结果比较：（a）CFD结果（b）降维LVM结果

工作展望

为了进一步改进现有模型并促进实际应用，未来的研究应考虑更多因素。

首先，应进一步研究温度分布的影响，并改进评估方法。其次，考虑采用物源示踪技术，以快速识别和导入环境参数。但是，结论性结果不会受到太大影响，因为现阶段的研究对当前模型的每个步骤都进行了仔细验证。

本文素材来自“Building and Environment”杂志上的题为“Ventilation controlstrategy using low-dimensional linear ventilation models and artificial neural network”文章中的研究。这项工作由中国广州大学土木工程学院的Shi-Jie Cao和Chen Ren进行。