基于住宅特性的上海地区冬季夜间卧室渗透风换气次数分析

黄晨 卿湛媛 刘炜 王雪颖 蔡姣 邹志军 孙婵娟摘 要 由上海地區住宅冬季夜卧室门窗关闭体积分数现场检测结得到卧室渗透换气次数根据检测住宅问卷调结运用统计学相关分析和多元回归分析方法宏观分析住宅特性与冬季夜卧室渗透换气次数相关性。

研究结表明所检测上海地区冬季夜卧室渗透换气次数007~088 多数住宅仅靠渗透风量不能满足新风量要。

按影响强弱排序窗户类型门窗缝隙长、住宅类型渗透换气次数有显著相关性;利用现场实测5住宅实测样建立预测上海地区冬季夜卧室渗透换气次数多元线性回归模型渗透换气次数预测值与计算值平绝对分误差67%标准差005。

利用参与建模5实测样对模型进行验证模型预测值与计算值相对误差0%~%。

所建模型上海地区住宅冬季夜卧室渗透换气次数快速评估及建筑能耗预测提供参考。

关键词 渗透换气次数住宅特性; 相关分析; 多元回归分析; 示踪气体法图分类 83 献标志码 l Br lr R B Rlrr rg r g gG QG Z L G Xg 3 Z Z (l vr rr vr g r lg g 00093 ;l rr g vr Bg 0008 ;3l vl rrl grg gz rl vr gqg 0800 )br lr r rg r g r b r r br g rl blg r r lB rl qr rv rrl b rl rr lr r br rg r g r g rrl l ll rgr l rl lr r g rl blg r g rg rxl b 007 088 lr r l vl rqr r rl blgr g rrl b g lg r lrB 5 l ll lr rgr l r lr r g bl rl vrg rlv rrr b r vl bl rg rrr() 67% r v 005 l vl b r 5 l rlv rrr b r vl ll vl rg b 0% % l rv rr r r r lr r br g rl blg rg r gKr lr r; rl rr; rrl l; ll rgr l; rrg 渗透风量通常被定义通建筑孔隙或缝隙从室外引入室新风量[]。

随着我国对建筑节能要提高对建筑围护结构保温以及门窗气密性要不断提高建筑渗透风量显著降低导致如今住宅建筑门窗关闭室新鲜风量减少室空气品质降低。

因研究住宅渗透风量及其影响因素对提高室空气品质具有重要义也可上海地区建筑能耗计算提供基础。

量研究[6]表明渗透风量受建筑特性、建筑年代以及气候条件等多因素影响但采用样量统计分析渗透风量献较少。

能研究与信息08年 3卷期黄 晨等基住宅特性上海地区冬季夜卧室渗透换气次数分析很多研究通现场实测建筑气密性了建筑渗透风量

Kl[7]采用鼓风门对爱沙尼亚3户新建轻型单户独立式住宅气密性进行了现场检测发现住宅总层数和施工工艺水平对住宅气密性具有显著影响。

r等[8]利用全氟化碳示踪气体法实测计算得出日住宅多区房通风量方差分析结显示住宅类型、生活习性以及季节是换气次数差异主要原因。

李灏如[9]利用二氧化碳示踪气体法对北京某学生公寓夏季夜然通风进行实测研究发现由建筑物朝向不导致房通风量差异并不明显。

等[3]利用鼓风门检测得到50 压差下渗透风量并计算得到 压差下通建筑围护结构产生相气流孔隙面积即建筑物有效渗透面积再利用建筑面积和修正建筑高得到归化渗透面积通回归分析检验建筑年代、气候区域、建筑面积、建筑高等因素与归化渗透面积关性所建归化渗透面积回归模型可以释分布美国68%住宅渗透面积与这些因素关。

bükr等[0]采用方差分析法比较了爱沙尼亚005—0年建造8幢住宅能量、渗透风量及其影响因素影响因素包括建筑体积、占地面积、建筑年代、压实、窗墙比和框架长提出了基上述影响因素50 压差下渗透换气次数回归模型

由可见不地区、不住宅类型住宅渗透风量所受影响因素有所不因有必要对上海地区住宅渗透风量影响因素进行研究。

以单位通房围护结构渗透风量与房体积比值即渗透换气次数作研究目标通分析上海地区住宅 体积分数变化确定以冬季夜卧室门窗关闭体积分数变化作渗透换气次数计算依据利用对所检测住宅相关问卷调结运用统计学相关分析和多元回归分析方法采用软件研究渗透风量住宅特性关以获得反映住宅特性渗透风量模型

渗透换气次数及其住宅特性确定方法 研究背景研究数据03年3月至0年月国室环境与儿童健康调(lrl)上海地区课题组对上海地区5户庭进行住宅 浓现场跟踪检测结[]。

测试程对住宅人员活动进行限制即检测程会出现人员外出进入、室走动以及开关门窗等引起体积分数变化行。

图展示了具有代表性夜门窗关闭卧室、客厅和室外体积分数 三种变化情况。

白天由室人员存各种活动行各室体积分数存定波动对应图活动状态。

夜客厅体积分数由人员离开而降低而卧室由室人员进入稳定睡眠阶段人体释放量稳定对应图稳定睡眠段。

卧室稳定睡眠段体现了夜门窗关闭卧室三种型体积分数变化规律。

由建筑气密性不渗透换气次数与室人员释放量共作用致使居室体积分数变化规律也有所不。

图()说明室外渗透换气次数较逐渐稀释了室人员释放量使得体积分数变化开始下降而逐渐稳定;图(b)说明室外渗透换气次数较不足以稀释室人员释放量使得体积分数开始上升而逐渐稳定;而图()说明渗透换气次数正稀释室人员释放量使得室体积分数直处稳定状态。

因以夜卧室门窗关闭情况下体积变化稳定睡眠段作研究对象且由冬季夜晚室外温低人们习惯睡眠关闭卧室门窗选择冬季作研究季节研究住宅特性对渗透换气次数影响。

渗透风量根据体积分数变化计算通风量方法即示踪气体法。

常见示踪气体法有三种上升法、下降法、脉冲法[]。

三种方法遵循示踪气体质量守恒原理可用式()表達即Vτ(τ)+Q(τ)((τ))()式V测试房空气体积3;(τ)房空气体积分数;τ;单位释放量3·;室外体积分数;Q室通风量渗透风量3·。

图 上海三型庭 各居室二氧化碳变化g g rb x r r r l g l研究段有稳定释放(τ)渗透风量假设理想稳定状态Q(τ)Q不随变化。

根据研究对象特选择上升法和脉冲法由式()获得上升法和脉冲法计算得到渗透换气次数表达式分别如式()、(3)所示即上升法τV{V[(τ)]}()稳定法V(—)(3)式测试房换气次数QV;—房体积分数值。

单位居住人员人体释放量可根据rl等[3]提出式()进行计算即0R··075·05756(03RQ+077)()式R呼吸商无量纲;单位体表面积人体新陈代谢率·(睡觉期般取0 ·[5]);居住人员身高;居住人员体重kg。

影响R因素较多其包括年龄检测卧室入住人员不仅有儿童还有成人但各种不因素对R影响不般07~0对释放量计算结影响甚微呼吸商统取值083[]。

身高和体重由问卷卧室实际入住人员信息确定。

利用式()便可计算得到实际入住人员总释放量。

由室外体积分数变化很取计算段室外体积分数值。

卧室体积分数变化与图()或图(b)情况相似卧室稳定睡眠段上升或下降可采用上升法[式()]利用夜体积分数实测结采用差分迭代法[6]计算渗透换气次数;当卧室体积分数变化与图()情况相似卧室稳定睡眠段体积分数直处稳定则可采用脉冲法[式(3)]计算渗透换气次数

3 基信息获取利用调问卷方法获取了庭及住宅特性基信息。

庭基信息包括庭成员身高、体重、各房居住人口数以及入室检测月份等。

住宅特性主要分门窗特性和建筑特性两类。

门窗特性包括门窗缝隙长(假设上海地区门窗关闭情况下缝隙宽近似相缝隙长数据由检测员现场测量门窗开口周长获得)、窗玻璃层数、窗框类型门窗开启方式、窗户朝向;建筑特性主要包括住宅位置、住宅类型、建筑年代、各房面积、层高、居住楼层、建筑周边情况等。

问卷检测结束由检测员入户发放住户当面填写问卷现场回收。

调历月。

不季节现场检测上海地区5户住宅根据问卷调夜卧室门窗开启情况从筛选出冬季夜卧室门窗关闭有效样30。

住宅特性对卧室渗透换气次数影响 卧室渗透风量分布30户卧室渗透风量四分位数分布如表所示。

从表可以看出上海地区冬季夜卧室渗透换气次数约007~088 人渗透风量~863 3··人。

根据《民用建筑供暖通风与空气调节设计规》(GB 50736—0)[7]对住宅风量规定发现检测30户住宅仅有户住宅满足新风量要。

由说明冬季门窗关闭情况下仅靠渗透风很难满足室人员新风要冬季卧室渗透风不满足室新风量要应适当开窗保证人体健康。

卧室渗透换气次数及人渗透风量四分位数分布b Qrl rb r xg lr r r r br 单相关性分析多变量情况下变量关系比较复杂。

因进行多元回归分析前通常先进行单因素分析研究因变量与某变量是否具有显著相关性。

研究连续变量与分类变量线性相关性常采用r相关系数对其进行检验以反映两变量变化趋势方向和程其值围~。

r相关系数绝对值越表明两变量线性相关性越强。

因采用r相关系数分析渗透换气次数与各因素关性。

门窗特性对卧室渗透换气次数影响定义名义变量缝隙长x(x实测缝隙长≤0 ;x0 实测缝隙长≤5 ;x35 实测缝隙长≤0 ;x实测缝隙长0 );窗玻璃层数x(x单层玻璃;x双层玻璃);窗框类型x3(x3塑钢窗框;x3铝制窗框);窗户开启方式x(x平拉窗;x推拉窗);门开启方式x5(x5平拉门;x5推拉门)。

由检测卧室朝向几乎朝南因进行窗户朝向因素分析。

门窗特性与卧室渗透换气次数单相关分析结其显著性水平005表示数值差异性统计学上具有显著义。

由表计算所得各因素r相关系数看出门窗缝隙长与渗透换气次数呈显著正相关随着门窗缝隙长增渗透换气次数增;窗玻璃层数与渗透换气次数呈显著相关即单层窗户渗透风量显著双层窗户渗透换气次数这是由通常情况下单层玻璃气密性低双层玻璃;窗框类型渗透换气次数呈显著正相关即塑钢窗户渗透换气次数显著铝制窗户渗透换气次数这是由通常情况下塑钢窗框气密性高铝合金窗框[5]。

窗户、门开启方式与渗透换气次数关系不存显著差异。

根据r相关系数绝对值显著影响渗透换气次数门窗特性因素由强到弱依次窗玻璃层数、门窗缝隙长、窗框类型

门窗特性与卧室渗透换气次数单相关分析b gl rrl l b r rr lr r br上述三显著影响因素窗玻璃层数与窗框类型窗户特性。

图窗玻璃层数与窗框类型四种组合换气次数分布。

可以看出从整体上讲单层铝制窗户渗透换气次数渗透程高其次是塑钢单层窗户次是铝制双层窗塑钢双层窗户渗透换气次数整体上渗透程低。

因综合窗玻璃层数与窗框类型定义窗户类型x′并按渗透换气次数位数由到定义窗户类型x′(单层铝制窗x′;單层塑钢窗x′;双层铝制窗x′3;双层塑钢窗x′)。

窗户类型与儿童卧室渗透换气次数r相关系数06500两者具有显著相关性。

图 窗玻璃层数和窗框类型四种组合g r b rr b lr br r 建筑特性对卧室渗透换气次数影响定义名义变量住宅类型v(v多层公寓;v高层公寓);建筑年代v(v00年及00以前建造;v00年以建造);住宅位置v3(v3市区;v3郊区);居住层数v(v层;v~3层;v3~5层;v≥6层)。

建筑特性与渗透换气次数关系如表3所示。

从表3可以看出住宅类型渗透换气次数呈显著正相关即多层建筑渗透换气次数普遍高层建筑渗透换气次数这与献[7]结论致;建筑年代与卧室渗透换气次数关系不存显著相关性这也与献[89]结论致;外住宅位置和居住层数对卧室渗透换气次数影响也不存显著相关性。

表3 建筑特性与卧室渗透换气次数单相关分析b3 gl rrl l b blgrr lrr br据通r相关系数分析选出了与渗透换气次数线性相关门窗缝隙长、窗玻璃层数、住宅类型3显著影响因素。

3 偏相关性分析进行单因素分析消除其他显著变量对因变量和所考某显著变量相关性影响因不能够真实准确地反映因变量和所考显著变量相关关系。

偏相关分析则可以固定其他显著变量不变清除其他显著变量对因变量和该显著变量关系影响。

因选出门窗缝隙长、窗户类型住宅类型3影响因素采用偏相关分析对上述三因素与渗透换气次数关系作进步分析。

偏相关系数绝对值越表明渗透换气次数与该因素净相关性越强。

卧室渗透换气次数与各变量偏相关分析如表所示。

根据偏相关系数绝对值确定与卧室渗透换气次数显著线性相关主要因素由强到弱依次窗户类型门窗缝隙长、住宅类型

住宅特性与卧室渗透换气次数偏相关分析b rl rrl l b rlrr lrr br3 冬季夜卧室渗透换气次数回归模型建立与验证3 模型建立根据上述相关分析结从30户样住宅选取5户建立冬季夜卧室渗透换气次数回归模型其余5户用检验模型准确性。

选择已确定3具有显著相关性住宅特性影响因素(门窗缝隙长x窗户类型x′住宅类型v)与卧室渗透换气次数(因变量)建立多元线性回归模型具体表达形式β0+βx+βx++β3v(5)式β0常量;β(、、3)分别门窗缝隙长x、窗户类型x′、住宅类型v系数。

采用多元逐步回归分析方法研究卧室渗透换气次数与各影响因素关系根据表窗户类型门窗缝隙长、住宅类型影响程排序终得到3种逐步回归分析模型

模型各回归系数显著性检验结如表5所示。

表5 回归系数分析结b5 Rl rgr l表53回归模型各变量通检验显著性水平005具有统计学义。

其3模型模型3复相关系数R高083故选用模型3优回归方程其回归常数项0门窗缝隙长、窗户类型住宅类型回归系数分别007、00、05回归方程标准差005。

由得到上海地区住宅卧室渗透换气次数回归模型即0+007x00x′+05v(6)从该模型可以看出卧室渗透换气次数门窗缝隙长、住宅类型呈正相关与窗户类型呈相关。

3 模型验证圖3给出了渗透换气次数预测值与计算值散图其纵坐标表示渗透换气次数计算值;横坐标表示用模型预测值虚线表示预测值与计算值存±30%误差分界线。

菱形建立模型5户儿童卧室渗透换气次数预测值与计算值对应样散。

由图3可以看出部分计算值±30%误差以其平绝对分比误差67%。

这说明通样统计获得模型其预测效较。

三角形5用验证模型有效性住宅样预测值与计算值对应散结合表6可以看出其预测值与计算值相对误差0%~%统计学上可接受表明该模型具有定有效性。

图3 卧室渗透换气次数预测值与计算值散图分布g3 r gr r lr r ll br 结 论() 所检测上海地区住宅冬季夜卧室渗表6 检验样预测值与计算值比较b6 r b r vl ll vl r vl l透风换气次数围007~088 人渗透风量~863 3··人;卧室渗透换气次数位数035 人渗透换气次数位数690 3··人。

多数住宅仅靠渗透风不能满足新风量要。

() 通对门窗特性和建筑特性进行相关性分析发现影响渗透换气次数因素由强到弱依次窗户类型(窗玻璃层数与窗框类型组合)、门窗缝隙长、住宅类型

(3) 采用多元回归分析方法利用5样建立了以窗户类型门窗缝隙长、住宅类型因变量上海住宅冬季渗透换气次数回归模型其标准差005 平绝对分误差67%。

利用5個样实测数据验证结表明模型预测值与计算值相对误差0%~%统计学上可接受。

应用统计学方法提出卧室渗透换气次数回归模型可上海冬季夜卧室渗透换气次数快速评估及建筑能耗预测提供参考。

但由住宅样相对较少是否能很地反映上海地区整体情况还有待更进步研究。

参考献[] LBlg r rl grg xl xr[]Brlr 0[] RZR R llzg b rl r lkg []r vr00539(9)35355[3] R R l r lkg r []rg Blg03666665[] RR BRR Rl r xg r rl rr rb b l rg[]Rk l9955()5965[5] LL GR lRl r xg r r r rl rRl r rl g rr rl r 99900[]r r000()8590[6] LL L R RR r r g r r r rr []rl xr l vrl lg00()96306[7] KL r g r lkg lgg gll []Blg vr007(6)369377[8] R KK K K lrb vrbl vrg r xg r rzl l r 6 r 5 []r vr05()358355[9] 李灏如李晓锋齐美薇等北京某学生公寓夏季然通风实测研究[]建筑科学039()0[0] BKR VLG KLB K l ll rgr vl l r rl b rg r g r[]rl rg grg063()00607[] L G L lrl vl l br l r g []∥rg rl r rl Vlgrl r rl Vl0505[] 黄晨建筑环境学[]版北京机械工业出版社06[3] RL Kvlg blg Q vl r rb x[]∥r gRrgrg rg gr (R) l gB99703930[] 65 r g r g r rb x r vl r r ql vl[] kr r g rl0[5] RR bkl[]lGr gRrgrg rg gr03[6] ∨VV xrl vl vl llg b rr g []zz l vr0[7] 《民用建筑供暖通風与空气调节设计规》编制组民用建筑供暖通风与空气调节设计规宣贯辅导教材[]北京国建筑工业出版社0[8] V L KR lrg rl blg l[]Blg vr059380[9] Rl b rg lg r 006 bl llg K[]Blg vr005()387399 相关热词 换气上海地区

0 次访问