在分层通风设计中对热舒适性和通风性能的智能多目标优化

为什么你办公桌周围的空气很重要

我们大部分时间待在室内，但围绕我们的那股看不见的空气深刻影响我们的健康、警觉性和舒适感。供暖和制冷系统通常是零散设计的——一种工具用于预估环境，另一种用于降低能耗，第三种用于支持决策——使建筑运营者不得不通过反复试验来权衡利弊。这项研究展示了如何把这些环节缝合成一个“智能”设计流程，应用在一种有前景的系统上：分层通风，该系统将新鲜空气直接输送到呼吸区，而不是简单地搅动整个房间。

针对性输送新鲜空气，而非一刀切

传统系统常常将房间内空气混合，或从地面向上推动空气。分层通风则走不同路径：在约头部高度水平输送洁净、调节过的空气，使占用者更容易呼吸到更清新的空气，并且在许多情况下能耗更低。挑战在于舒适度、空气质量和供暖效率往往相互牵扯。改变送风喷流速度、出风口角度、空气温度、墙面温度，甚至人们的着装厚度，这三项目标可能会以复杂的方式共同改善或恶化。作者用典型办公室的详细计算机模拟，将结果转化为数据，教会智能系统这些因素如何相互作用。

教计算机预测舒适与新鲜度

基于50个经过仔细验证的模拟，团队训练了人工神经网络——一种松散模仿大脑的计算模型——以预测四项关键结果：人们的平均体感温度、空气被替换前的滞留时间、头部与脚踝之间的温差，以及供暖能效。他们接着让两种搜索方法——遗传算法和“哈里斯鹰”策略——自动调整这些网络的内部参数，使预测尽可能与模拟数据一致。类进化的遗传算法稍占优势，达到0.995以上的相关系数，意味着模型预测几乎与原始模拟结果重合。

寻找最佳折衷点，而非单一完美解

一旦计算机能够即时预测性能，作者就让一个多目标优化器探索数千种可能的设计设置。它并不追求唯一的最优答案，而是构建一个“帕累托前沿”来展示折衷：在这些运行点上，你无法在不牺牲至少另一项指标的情况下，进一步改善舒适度、空气新鲜度或温度均匀性。结果揭示了清晰的模式。当送风速度较快但不过于产生冷风（约1.18–1.20 m/s）、略微偏暖（约22 °C），且着装保温相当于轻便毛衣时，人们的体感最接近中性。较小的出风角度和更强的喷流能更快清除陈旧空气，从而提升新鲜度；而较大的出风角度和适中偏暖的墙面则有助于减轻顶部偏暖、底部偏凉的不良分层现象。值得注意的是，在这些相互竞争的解决方案中，供暖效率保持较高且几乎不变。

把一片选择云转成具体可行的方案

对设计师和设施管理者来说，一片同样优良的选择云仍然是个实际难题。为使结果可用，作者采用了一种名为VIKOR的决策方法，根据不同优先级对优化解进行排序。他们构建了十个具有代表性的“情景”。其中一个偏重纯舒适性——适合高管办公室或病房；另一个侧重快速空气更新，更适合诊所或人群密集的教室，以降低感染风险。其他情景则在舒适度、新鲜度和垂直温度均匀性之间取得平衡，适用于大礼堂、健身房或开放式办公室。每个情景都给出出风角度、风速、空气与墙面温度以及预期着装水平的具体范围，把抽象的优化转化为建筑运营者可以直接调整的简单参数。

这对日常建筑意味着什么

对非专业人士来说，结论很直接：我们不再需要靠猜测来实现舒适、健康且高效的室内空气。通过结合先进的预测工具、自动化搜索和透明的方案排序，这项研究为根据空间类型和优先级调校分层通风系统提供了路线图。在实践中，这可能意味着办公室里人们在不必过度加热的情况下感到舒适，病房中新鲜空气更可靠地到达病人，以及大型场馆中抑制“头部偏暖、脚部偏冷”的不适。该工作表明，智能化设计可以把通风改进这一抽象承诺，转变为在现实世界中可行的、可调节的设置。

引用: Hammouda, N.G., Ahmed, Z., Omar, I. et al. Intelligent multi-objective optimization of thermal comfort and ventilation performance in stratum ventilation design. Sci Rep 16, 6272 (2026). https://doi.org/10.1038/s41598-026-36233-7

关键词: 室内空气质量, 热舒适性, 分层通风, 节能建筑, 机器学习优化