自然通风建筑热舒适评价模型

针对自然通风建筑环境内预计平均热感觉指数PMV与实际热感觉投票值TSV有明显偏差的问题,总结分析了目前自然通风建筑热舒适评价模型的研究成果,介绍了PMV修正模型和适应性模型以及将二者结合的预测适应性平均热感觉aPMV模型。结果表明,3种评价模型均可预测自然通风建筑的热舒适性,但各有优缺点。虽然目前我国已有针对自然通风建筑的热舒适性评价标准,但PMV模型与适应性模型相结合的研究还不够,二者结合的作用机理尚不完全明确。如何利用已有的评价模型指导自然通风建筑的设计和运行,使之发挥更大的节能潜力是未来自然通风建筑热舒适性研究的方向之一。     

基于决策树模型的居住建筑人员热舒适预测

传统热舒适模型由于确定的变量引入降低了其预测精度,而神经网络等模型由于其复杂的运算规则限制了对模型的解释能力。通过引入分类应用中的经典CRT决策树方法,对夏热冬冷地区6个城市自由运行居住建筑中的人员热舒适及影响因素和权重进行了预测分析,建立了以城市为第一分类特征的热感觉预测决策树模型,解释了这些因素之间的内部逻辑,并较好地识别了影响热感觉的关键因素,从而为热舒适的预测评价和热环境营造提供了新的方法参考。     

室内热舒适评价方法探讨

从世界各国热舒适现场研究的实际情况出发,对PMV模型和适应性模型（Adaptive Model）的优势和不足之处进行了比较。PMV模型适用于评价装有中央制冷、采暖、通风的室内热舒适,对于自然通风的室内环境,它预测的热感觉比人体实际热感觉高。而适应性模型更强调人的适应性,人体通过适应机制调节自身的热感觉。热适应的累计可以解释不同生活环境下的人们热感觉不同。将ISO7730和Adaptive Comfort Standard（ACS）相结合,编制具有指导意义的标准,是一种很好的选择。     

基于神经网络的哈尔滨高校教室热环境特征模型研究

为了研究哈尔滨高校教室热环境特征模型和人体热舒适,笔者于2004年9月～2005年12月在哈尔滨进行了20次现场研究.在测量室内热舒适参数的同时,受试者填写对室内环境的热感觉和热舒适主观调查表.而后利用人工神经网络方法,建立了哈尔滨高校教室热环境特征和人体热舒适的BP神经网络评判模型,实现了对哈尔滨高校教室热环境内人体热感觉的智能化预测.现场研究结果验证表明,该模型预测的哈尔滨高校教室热环境内人体热感觉与实际主观调查吻合.     

基于自然通风建筑的热舒适模型研究

针对目前基于各地区人口、地域、气候特点的自然通风建筑热舒适标准不够完善的问题,系统介绍了国内现有的自然通风建筑热舒适评价模型,包括修正PMV模型、气候适应性模型及其修正模型,以期为今后的进一步研究提供参考。归纳的结果表明,利用自然通风建筑热舒适评价模型指导建筑设计以及空调、供暖设备运行,可以很好地发挥建筑节能潜力。国内热舒适研究样本充裕,但尚未建立可共享的完整的人体热舒适研究数据库,难以形成规范的热舒适评价体系。各类模型在用于评价自然通风建筑室内热舒适性时各有优缺点。后续研究应考虑误差修正,并注重PMV模型和适应性模型结合作用机理的探讨,最终形成能够综合展现人体热平衡理论和人体适应性理论相结合的更为全面的集总参数评价模型。     

夏季自然通风住宅老年人适应性热舒适评价研究

为探究自然通风住宅中老年人适应性热舒适的特殊性,在重庆市对6家养老机构和14个居民小区进行了现场研究。结果显示,在夏季热环境中,老年人的热感觉投票值偏低,不满意率也较低,可接受上限温度值偏高。采用预计适应性平均热感觉指数APMV模型预测老年人的热舒适投票值,得到老年人的自适应系数λ=0.55。建议老年公寓采用Ⅰ级指标(0APMV0.5)进行热舒适评价,得到对应的老年人可接受温度范围为22.70~27.78℃。     

厦门高校教室冬季热环境测试及热舒适预测

为考察冬季非空调环境下人体热感觉,对厦门某高校教室的热舒适度进行了现场测试.在测量室内外热舒适参数的同时,通过问卷调查得到了人体热反应样本.分析样本得出厦门高校教室冬季非空调工况下人体热中性温度和热期望温度分别为19.3和19.4℃.综合考虑温度、相对湿度、平均辐射温度、风速及服装热阻对坐姿轻度活动状态人体的热舒适影响,使用MATLAB软件进行非线性回归,得到非空调工况下热舒适预测方程.该预测方程与实测得到的人体热舒适投票两者结果有较高相关度,同时较大程度上反映了冬季非空调环境下人体热感觉的变异.     

基于BP神经网络的过渡环境热舒适评判模型

突变环境下的人体热反应是由许多主客观因素所决定的,利用神经网络具有通过学习最佳逼近非线性映射的能力,将其应用于突变环境下人体热反应的研究,具有一定的可行性。本文通过局部非均匀环境与背景均匀环境之间的过渡实验,利用Matlab工具,分别建立了向热环境过渡和向冷环境过渡的整体热感觉以及头部执感觉的BP(Back Propagation)神经网络热舒适评判模型。经验证,该模型对不同工况过渡后的逐时热感觉预测较为准确,从而为非均匀环境与均匀环境之间过渡的热舒适模型的建立提供了一种可借鉴的方法。     

关于热感觉和热舒适与热适应性的讨论

系统地论述了人体热舒适研究的发展过程,讨论了热感觉、热舒适及热适应的定义,并分析了热感觉与热舒适的差异及与热适应性的关系,得出了人们对同一热环境有不同的热感觉及热舒适性,主要是由于人体的适应性产生的。     

基于神经网络的寒地高校冬季热舒适模型应用

本文利用神经网络训练并验证寒地高校冬季热舒适模型,分析寒地高校教学空间的热工情况。热舒适合理预测是创造满意热环境和建筑节能的重要基础。传统的热舒适评价主要以PMV评价指标模型为主。然而,根据一些学者的研究,该指标模型的计算过程十分复杂而且在操作中与实际情况有一定的偏差。随着计算机科学的发展,一些学者开始尝试使用机器学习模型建立热舒适预测模型。本文通过河北建筑工程学院的实地测试,利用神经网络训练和预测PMV评价指标,发现神经网络仿射模拟PMV计算值的误差较小。训练集的均方误差(MSE)为0.011,验证集的均方误差(MSE)为0.023。同时利用神经网络训练和预测实际热感觉投票值,整体准确率为84.8%,平均准确率为84.0%。根据预测结果,拟合出的热中性温度为23.5℃,热舒适范围为(y∈[-1, 1])[19.6℃,27.3℃]。与实际投票值的拟合结果基本趋同。     

青海乡域中小学教室内学生冬季的热舒适性

对青海乡域4所典型中小学校10间教室冬季室内温湿度、风速、黑球温度等热环境参数进行现场测试,同时对420余名青少年学生的衣着情况、热感觉评价等进行了主观问卷调查。对测试和调查结果进行统计分析,得到实测和预测热中性温度分别为13.8和14.5℃,热期望温度为16.2℃,90%的学生感到满意的舒适温度范围为15.8~18.7℃。在当地寒冷的气候条件、学生衣着习惯、心理期望及生理特性等因素影响下,中小学生形成了对偏冷环境的适应性,提出可利用适应性PMV模型(aPMV)对中小学生平均热感觉进行准确预测。可为乡域中小学教室冬季热环境设计提供依据。     

半室外空间内部水体对热湿环境的影响及热舒适性评价研究

建立了一套研究半室外空间内部水体对热湿环境影响及舒适性评价的方法,并以某实际工程为研究对象,采用该方法对半室外空间内部河道水体对热湿环境的影响进行了模拟分析。模拟结果发现,自然通风工况下该环境在夏季通风设计条件下部分区域的适应性平均热感觉指数可达到Ⅱ级舒适性要求,但是在河岸的角落出现热舒适性较差、仅达Ⅲ级舒适性的区域。对此,建议在热舒适性较差的区域增设局部通风设施(例如风扇等)来增强该区域的气流流动,从而实现改善局部热舒适性的目标。研究认为,将河岸角落区域的气流流速增强到0.6 m/s以上时,热舒适性指标即可以达到Ⅱ级要求。     

对PMV热舒适模型适用性的分析

PMV热舒适模型是目前广泛应用的室内热舒适评价模型,在其实际应用中有时会出现较大的预测误差.本文首先研究了PMV热舒适模型在实际使用中出现的预测误差,而后对其产生误差的各方面原因进行了详细分析,最后总结了PMV热舒适模型预测准确的应用范围.研究结果对提高室内热舒适和建筑节能具有一定的意义.     

吐鲁番地区民居人体适应性热舒适评价研究

为了解我国干热干冷气候下人体适应性热舒适的特点,采用传统热舒适现场研究方法,对吐鲁番地区冬、夏两季人体热感觉与操作温度及湿感觉与相对湿度的关系进行了回归分析,运用适应性PMV(aPMV)模型中提出的自适应系数λ量化计算了2个季节人体的自适应水平,得到了冬、夏季λ分别为-0.49和0.53,冬季λ值与《民用建筑室内热湿环境评价标准》提出的λ值基本相同,而夏季差异较大。建议对干热干冷地区室内热湿环境进行评价时,应选用不同的λ值,以避免出现偏差。     

均匀和不均匀热环境下热感觉、热可接受度和热舒适的关系

对30名受试者采用问卷调查的方式,研究了均匀热环境和不均匀热环境下人体全身热感觉、热可接受度和热舒适的关系。结果显示,在均匀热环境下,全身热感觉、热可接受度和热舒适具有较强的线性相关关系,可接受范围涵盖了(0,1.5)的热感觉投票和"舒适"与"稍有不适"标度范围内的热舒适投票;在不均匀热环境下,全身热可接受度与热舒适密切相关,而全身热感觉与热可接受度和热舒适出现分离,热感觉不均匀度是其原因。综合考虑全身热感觉和热感觉不均匀度的影响,提出了综合评价模型。经验证,该模型适用于全身热状态为中性偏热的均匀和不均匀热环境。     

北疆地区高校教室夏季自然通风热舒适性研究

以石河子大学一内廊组合的典型教学楼为例,采用室内外热环境参数测量、主观问卷调查结合的方式对该建筑夏季自然通风条件下教室热舒适性进行研究。得到北疆地区教室夏季自然通风实测热中性温度为27. 07℃,高于PMV/PPD模型预测热中性温度26. 57℃。建立适用于严寒地区高校教室自然通风热舒适评价数学模型,并且验证Griffiths模型可以准确预测该地区室内热舒适温度,预测值为27. 32℃(G=0. 5℃~(-1))。实测80%热不满意率对应的TSV范围为-1. 8～0. 90,微宽于ASHRAE 55标准中规定的-0. 85～0. 85。并对比3种标准下的热适应性模型,比较热舒适范围的差异性。     

沈阳市商场冬季室内热舒适的模糊分析

对沈阳市冬季商场室内热环境状况进行了实地调查，建立了基于自适应性模糊神经网络的人体热舒适模糊评判模型,对采集到的数据进行了模糊推理和网络训练，总结出了关于人体热舒适的模糊推理规则。由仿真结果可知，模糊评判模型输出值与热感觉投票值吻合较好，为客观评价和预测人体热舒适提供了一种方法和思路。     

夏热冬暖地区商场冬季室内热舒适研究

以广州某大型综合商场为研究对象,采用问卷调查和现场测试相结合的方式,对商场冬季室内热舒适性进行了调查研究,并对调查测试结果进行了统计回归分析。研究结果显示:商场冬季室内实测热中性温度为19.4℃,90%满意度热舒适温度范围为16.1~22.7℃;而根据PMV计算得到的室内热中性温度为16.8℃,90%满意度热舒适温度范围为13.3~20.4℃;PMV模型预测的热感觉比现场问卷调查得到的平均热感觉MTS要高,与实际感觉存在一定偏差。基于实测热舒适数据,进一步分析了室内热中性温度与室外空气温度的相关性,确立了商场冬季室内热中性温度与室外空气温度的近似线性关系,建立了商场冬季室内热舒适气候适应性模型。     

ACO-BP模型在某实验室热舒适预测中的研究

以热舒适指标PMV作为空调控制系统的控制目标,能够很大程度上实现舒适与节能的统一。基于此研究了一种蚁群神经网络预测分类模型,并给出了详细的设计步骤和部分Matlab设计代码,最后采用某大学实验室数据库中的夏天数据集进行了验证。结果表明,采用蚁群算法对BP神经网络进行整定后,不仅克服了BP算法容易陷入局部最优的缺点,也加快了蚂蚁的收敛速度,提高了热舒适预测分类的准确性。     

基于心理-生理适应的热舒适投票预测

以不同热经历背景的南北方受试者为研究对象,进行了心理(主观感受)-生理适应性实验。在实验数据的基础上,量化分析了心理-生理适应对热舒适投票的影响。采用相关分析法和主成分分析法提取主观感受输入变量和皮肤温度输入变量,建立了可适应冷环境和可适应热环境的人工神经网络模型。用实验获得的数据训练该模型,结果表明,可适应冷环境和可适应热环境的预测准确率分别为65%和61%。