基于蒙特卡罗CO2灰箱模型的贝叶斯推断：用于评估加拿大小学室内空气质量
应用统计
2024-05-03 v2
摘要
新冠疫情引发了全球对室内空气质量（IAQ）的关注，这与干净的空气更换率密切相关。估计室内环境的空气更换率仍然具有挑战性。这主要是由于空气更换率估计存在不确定性，例如污染物生成率、包括天气和占用情况的动力学，以及确定性方法无法容纳这些因素的局限性。本研究在用于推断建模参数并量化不确定性的蒙特卡罗CO2灰箱模型上实现了贝叶斯推断。通过在密闭室中进行CO2示踪气体实验确认了该模型估计的通风率和CO2排放率的准确性和鲁棒性。 performed了先验和后验预测检查（PPC），以 demonstrating该方法的优势。此外，在实际情境中采用增量方差{\sigma} for Wiener过程来量化不确定性。该方法后来被用于评估两所蒙特利亚小学教室的通风条件。按照ASHRAE 241标准计算等效干净空气流量（ECAi），并识别出两间教室的干净空气供应不足。建议为获得足够的ECAi，为清洁空气输送率（CADR）增加800 cfm的补充。最后，进行了稳态CO2阈值（Climit、Ctarget和Cideal）以指示在各种缓解策略下（如便携式空气清洁器和室内紫外线灯）ECAi要求何时才能实现，CADR值范围为200至1000 cfm。
引用
@article{arxiv.2405.00582,
title = {Implementing Bayesian inference on a stochastic CO2-based grey-box model for assessing indoor air quality in Canadian primary schools},
author = {Shujie Yan and Jiwei Zou and Chang Shu and Justin Berquist and Vincent Brochu and Marc Veillette and Danlin Hou and Caroline Duchaine and Liang and Zhou and Zhiqiang and Zhai and Liangzhu and Wang},
journal= {arXiv preprint arXiv:2405.00582},
year = {2024}
}