基于住宅特性的上海地區(qū)冬季夜間臥室滲透風(fēng)換氣次數(shù)分析

黃晨 卿湛媛 劉煒 王雪穎 蔡姣 鄒志軍 孫嬋娟

摘 要： 由上海地區(qū)住宅冬季夜間臥室門窗關(guān)閉時(shí)CO2體積分?jǐn)?shù)現(xiàn)場檢測結(jié)果得到臥室夜間滲透風(fēng)換氣次數(shù)，根據(jù)檢測住宅的問卷調(diào)查結(jié)果，運(yùn)用統(tǒng)計(jì)學(xué)中相關(guān)分析和多元回歸分析方法，宏觀分析住宅特性與冬季夜間臥室滲透風(fēng)換氣次數(shù)的相關(guān)性。研究結(jié)果表明：所檢測的上海地區(qū)冬季夜間臥室滲透風(fēng)換氣次數(shù)在0.07～0.88 h-1之間，多數(shù)住宅僅靠滲透風(fēng)量不能滿足最小新風(fēng)量的要求。按影響強(qiáng)弱排序，窗戶類型、門窗縫隙長度、住宅類型均與滲透風(fēng)換氣次數(shù)有顯著相關(guān)性；利用現(xiàn)場實(shí)測的25個(gè)住宅實(shí)測樣本建立預(yù)測上海地區(qū)冬季夜間臥室滲透風(fēng)換氣次數(shù)的多元線性回歸模型，其滲透風(fēng)換氣次數(shù)預(yù)測值與計(jì)算值平均絕對(duì)百分誤差為26.7%，標(biāo)準(zhǔn)差為0.025 h-1。利用未參與建模的5個(gè)實(shí)測樣本對(duì)模型進(jìn)行驗(yàn)證，模型預(yù)測值與計(jì)算值的相對(duì)誤差在-20.4%～24.2%。所建模型可為上海地區(qū)住宅冬季夜間臥室滲透風(fēng)換氣次數(shù)快速評(píng)估及建筑能耗預(yù)測提供參考。

關(guān)鍵詞： 滲透風(fēng)換氣次數(shù)； 住宅特性； 相關(guān)分析； 多元回歸分析； 示蹤氣體法

中圖分類號(hào)： TU 834 文獻(xiàn)標(biāo)志碼： A

Analysis of Bedroom Infiltration Ratio Based on Residential

Characteristics During Winter Nights in Shanghai

HUANG Chen1， QING Zhanyuan1， LIU Wei1，2， WANG Xueying1，

CAI Jiao1，3， ZOU Zhijun1， SUN Chanjuan1

（1.School of Environment and Architecture， University of Shanghai for Science and Technology， Shanghai 200093， China；

2.School of Architecture， Tsinghua University， Beijing 100084， China；

3.School of Civil and Architectural Engineering， Yangtze Normal University， Chongqing 408100， China）

Abstract： The infiltration ratio during winter nights were obtained in terms of onsite detection of CO2 concentration in bedrooms of Shanghai residential buildings when their doors and windows closed.Based on the results of questionnaire survey，the correlation between the residential characteristics and the infiltration ratio of the detected bedrooms during winter nights were studied using correlation analysis and multiple regression analysis.The results showed that the infiltration ratio of Shanghai residential buildings in winter nights ranged approximately between 0.07 and 0.88 h-1.The infiltrated air couldnt meet the minimum ventilation requirements for most residential buildings.There was a significant correlation between the window type，the gap length of the door and window，the house type and the infiltration.Based on 25 onsite samples，the multiple linear regression model of winter infiltration ratio in Shanghai was established.The results showed that the average relative error between the predicted values and the mean absolute percentage error（MAPE） was 26.7%，and the standard deviation was 0.025 h-1.The model was validated by the other 5 onsite samples.Its relative error between the predicted values and the calculated values ranged between -20.4% and 24.2%.The model can provide references for the rapid assessment and prediction of the infiltration ratio in bedrooms of Shanghai residential buildings during winter nights.

Keywords： infiltration ratio； residential characteristics； correlation analysis； multiple regression analysis； tracergas method

滲透風(fēng)量通常被定義為通過建筑孔隙或縫隙從室外引入室內(nèi)的新風(fēng)量[1]。隨著我國對(duì)建筑節(jié)能要求的提高，對(duì)建筑圍護(hù)結(jié)構(gòu)保溫以及門窗的氣密性要求不斷提高，建筑滲透風(fēng)量顯著降低，導(dǎo)致如今住宅建筑在門窗關(guān)閉時(shí)室內(nèi)新鮮風(fēng)量減少，室內(nèi)空氣品質(zhì)降低。因此，研究住宅滲透風(fēng)量及其影響因素對(duì)提高室內(nèi)空氣品質(zhì)具有重要意義，同時(shí)也可為上海地區(qū)建筑能耗的計(jì)算提供基礎(chǔ)資料。大量研究[2-6]表明，滲透風(fēng)量受建筑特性、建筑年代以及氣候條件等多因素影響，但采用大樣本量統(tǒng)計(jì)分析滲透風(fēng)量的文獻(xiàn)較少。

能源研究與信息2018年 第34卷

第1期黃 晨，等：基于住宅特性的上海地區(qū)冬季夜間臥室滲透風(fēng)換氣次數(shù)分析

很多研究通過現(xiàn)場實(shí)測建筑氣密性來了解建筑滲透風(fēng)量。Kalamees[7]采用鼓風(fēng)門對(duì)愛沙尼亞32戶新建的輕型單戶獨(dú)立式住宅的氣密性進(jìn)行了現(xiàn)場檢測，發(fā)現(xiàn)住宅總層數(shù)和施工工藝水平對(duì)住宅氣密性具有顯著影響。Shinohara等[8]利用全氟化碳示蹤氣體法實(shí)測計(jì)算得出日本住宅多區(qū)房間通風(fēng)量，方差分析結(jié)果顯示，住宅類型、生活習(xí)性以及季節(jié)是換氣次數(shù)差異的主要原因。李灝如[9]利用二氧化碳示蹤氣體法對(duì)北京某學(xué)生公寓夏季夜間自然通風(fēng)進(jìn)行實(shí)測研究發(fā)現(xiàn)，由于建筑物朝向不同導(dǎo)致的房間通風(fēng)量差異并不明顯。Chan等[3]利用鼓風(fēng)門檢測得到50 Pa壓差下的滲透風(fēng)量，并計(jì)算得到4 Pa壓差下通過建筑圍護(hù)結(jié)構(gòu)產(chǎn)生相同氣流的孔隙面積，即建筑物的有效滲透面積，再利用建筑面積和修正后的建筑高度得到歸一化滲透面積，通過回歸分析檢驗(yàn)建筑年代、氣候區(qū)域、建筑面積、建筑高度等因素與歸一化滲透面積之間的關(guān)聯(lián)性，所建歸一化滲透面積回歸模型可以解釋分布于美國的68%住宅滲透面積與這些因素之間的關(guān)聯(lián)。Ipbüker等[10]采用方差分析法比較了愛沙尼亞2005—2014年間建造的18幢住宅的能量需求、滲透風(fēng)量及其影響因素，影響因素包括建筑體積、占地面積、建筑年代、壓實(shí)度、窗墻比和框架長度，提出了基于上述影響因素的50 Pa壓差下滲透風(fēng)換氣次數(shù)回歸模型。由此可見，不同地區(qū)、不同住宅類型的住宅滲透風(fēng)量所受影響因素有所不同，因此有必要對(duì)上海地區(qū)住宅滲透風(fēng)量的影響因素進(jìn)行研究。

本文以單位時(shí)間內(nèi)通過房間圍護(hù)結(jié)構(gòu)的滲透風(fēng)量與房間體積的比值即滲透風(fēng)換氣次數(shù)作為研究目標(biāo)，通過分析上海地區(qū)住宅24 h CO2體積分?jǐn)?shù)變化，確定以冬季夜間臥室門窗關(guān)閉時(shí)CO2體積分?jǐn)?shù)變化作為滲透風(fēng)換氣次數(shù)計(jì)算依據(jù)，利用對(duì)所檢測住宅的相關(guān)問卷調(diào)查結(jié)果，運(yùn)用統(tǒng)計(jì)學(xué)中相關(guān)分析和多元回歸分析方法，采用SPSS軟件研究滲透風(fēng)量與住宅特性之間的關(guān)聯(lián)，以獲得反映住宅特性的滲透風(fēng)量模型。1 滲透風(fēng)換氣次數(shù)及其住宅特性確定方法1.1 研究背景

本文研究數(shù)據(jù)來自2013年3月至2014年12月，中國室內(nèi)環(huán)境與兒童健康調(diào)查（China，Children，Homes，Health，CCHH）上海地區(qū)課題組對(duì)上海地區(qū)454戶家庭進(jìn)行的住宅24 h CO2濃度現(xiàn)場跟蹤檢測結(jié)果[11]。測試過程中未對(duì)住宅內(nèi)的人員活動(dòng)進(jìn)行限制，即在檢測過程中會(huì)出現(xiàn)人員外出進(jìn)入、室內(nèi)走動(dòng)以及開關(guān)門窗等引起CO2體積分?jǐn)?shù)變化的行為。圖1展示了具有代表性的夜間門窗關(guān)閉時(shí)臥室、客廳和室外CO2體積分?jǐn)?shù)24 h的三種變化情況。白天由于在室人員存在各種活動(dòng)行為，各室CO2體積分?jǐn)?shù)存在一定的波動(dòng)，對(duì)應(yīng)圖1中的活動(dòng)狀態(tài)。夜間客廳CO2體積分?jǐn)?shù)由于人員的離開而降低，而臥室內(nèi)由于在室人員進(jìn)入穩(wěn)定睡眠階段，人體CO2釋放量穩(wěn)定，對(duì)應(yīng)圖1中的穩(wěn)定睡眠段。圖1中，臥室穩(wěn)定睡眠段體現(xiàn)了夜間門窗關(guān)閉時(shí)臥室內(nèi)三種典型的CO2體積分?jǐn)?shù)變化規(guī)律。由于建筑氣密性不同，滲透風(fēng)換氣次數(shù)與在室人員CO2釋放量的共同作用，致使居室CO2體積分?jǐn)?shù)變化規(guī)律也有所不同。圖1（a）說明室外滲透風(fēng)換氣次數(shù)較大，逐漸稀釋了在室人員CO2釋放量，使得CO2體積分?jǐn)?shù)變化開始下降而后逐漸穩(wěn)定；圖1（b）說明室外滲透風(fēng)換氣次數(shù)較小不足以稀釋在室人員CO2釋放量，使得CO2體積分?jǐn)?shù)開始上升而后逐漸穩(wěn)定；而圖1（c）說明滲透風(fēng)換氣次數(shù)正好稀釋在室人員CO2釋放量，使得室內(nèi)CO2體積分?jǐn)?shù)一直處于穩(wěn)定狀態(tài)。因此，本文以夜間臥室門窗關(guān)閉情況下CO2體積變化穩(wěn)定睡眠段作為研究對(duì)象，且由于冬季夜晚室外溫度低，人們習(xí)慣在睡眠時(shí)關(guān)閉臥室門窗，選擇冬季作為研究季節(jié)，研究住宅特性對(duì)滲透風(fēng)換氣次數(shù)的影響。

1.2 滲透風(fēng)量

根據(jù)CO2體積分?jǐn)?shù)變化計(jì)算通風(fēng)量的方法即示蹤氣體法。常見的示蹤氣體法有三種：上升法、下降法、脈沖法[12]。三種方法均遵循示蹤氣體質(zhì)量守恒原理，可用式（1）表達(dá)，即

VdCdτ=F（τ）+Q（τ）（Co-C（τ））（1）

式中：V為測試房間空氣體積，m3；C（τ）為房間空氣中CO2的體積分?jǐn)?shù)；τ為時(shí)間，h；F為單位時(shí)間內(nèi)CO2釋放量，m3·h-1；Co為室外CO2的體積分?jǐn)?shù)；Q為室內(nèi)通風(fēng)量，即滲透風(fēng)量，m3·h-1。

圖1 上海三個(gè)典型家庭24 h的各居室二氧化碳變化

Fig.1 Changes of carbon dioxide concentration in

24 h from three typical Shanghai families

本文研究的時(shí)間段內(nèi)有穩(wěn)定的CO2釋放源F（τ）=F，滲透風(fēng)量假設(shè)為理想的穩(wěn)定狀態(tài)，Q（τ）=Q，不隨時(shí)間變化。根據(jù)研究對(duì)象特點(diǎn)選擇上升法和脈沖法，由式（1）獲得上升法和脈沖法計(jì)算得到的滲透風(fēng)換氣次數(shù)表達(dá)式，分別如式（2）、（3）所示，即

上升法：dC=dτV{F-NV[C（τ）-Co]}（2）

穩(wěn)定法：N=FV（C—i-Co）（3）

式中：N為測試房間換氣次數(shù)，N=Q/V，h-1；C—i為房間內(nèi)CO2的體積分?jǐn)?shù)均值。

單位時(shí)間內(nèi)居住人員的人體CO2釋放量可根據(jù)Persily等[13]提出的式（4）進(jìn)行計(jì)算，即

F=202R·M·H0.725·W0.42575.6（0.23RQ+0.77）（4）

式中：R為呼吸商，無量綱；M為單位體表面積的人體新陳代謝率，W·m-2（睡覺期間一般取40 W·m-2[15]）；H為居住人員的身高，m；W為居住人員的體重，kg。

影響R的因素較多，其中包括年齡，檢測臥室內(nèi)入住人員不僅有兒童，還有成人，但各種不同因素對(duì)R影響不大，一般在0.7～1.0，對(duì)釋放量F計(jì)算結(jié)果影響甚微，為此，本文中呼吸商統(tǒng)一取值為0.83[14]。身高和體重由問卷中臥室實(shí)際入住人員信息確定。利用式（4）便可計(jì)算得到實(shí)際入住人員的CO2總釋放量F。由于室外CO2體積分?jǐn)?shù)變化很小，Co均取計(jì)算時(shí)間段內(nèi)室外CO2體積分?jǐn)?shù)均值。

當(dāng)臥室夜間CO2體積分?jǐn)?shù)變化與圖1（a）或圖1（b）情況相似，臥室穩(wěn)定睡眠段的CO2上升或下降時(shí)，可采用上升法[式（2）]，利用夜間CO2體積分?jǐn)?shù)實(shí)測結(jié)果，采用差分迭代法[16]計(jì)算滲透風(fēng)換氣次數(shù)；當(dāng)臥室夜間CO2體積分?jǐn)?shù)變化與圖1（c）情況相似，臥室穩(wěn)定睡眠段的CO2體積分?jǐn)?shù)一直處于穩(wěn)定時(shí)，則可采用脈沖法[式（3）]計(jì)算滲透風(fēng)換氣次數(shù)。

1.3 基本信息獲取

本文利用調(diào)查問卷方法獲取了家庭及住宅特性的基本信息。家庭基本信息包括：家庭成員的身高、體重、各房間居住人口數(shù)以及入室檢測月份等。住宅特性主要分為門窗特性和建筑特性兩類。門窗特性包括：門窗縫隙長度（假設(shè)上海地區(qū)門窗關(guān)閉情況下縫隙寬度近似相同，縫隙長度數(shù)據(jù)由檢測員現(xiàn)場測量門窗開口周長獲得）、窗玻璃層數(shù)、窗框類型、門窗開啟方式、窗戶朝向；建筑特性主要包括：住宅位置、住宅類型、建筑年代、各房間面積、層高、居住樓層、建筑周邊情況等。問卷在檢測結(jié)束后由檢測員入戶發(fā)放，住戶當(dāng)面填寫，問卷現(xiàn)場回收。

調(diào)查歷時(shí)22個(gè)月。在不同季節(jié)現(xiàn)場檢測的上海地區(qū)454戶住宅中，根據(jù)問卷調(diào)查中夜間臥室門窗開啟情況，從中篩選出冬季夜間臥室門窗關(guān)閉的有效樣本30個(gè)。

2 住宅特性對(duì)臥室滲透風(fēng)換氣次數(shù)的影響

2.1 臥室滲透風(fēng)量分布

30戶臥室滲透風(fēng)量四分位數(shù)分布如表1所示。從表1中可以看出，上海地區(qū)冬季夜間臥室滲透風(fēng)換氣次數(shù)大約在0.07～0.88 h-1，人均滲透新風(fēng)量為1.42～18.63 m3·h-1·人-1。根據(jù)《民用建筑供暖通風(fēng)與空氣調(diào)節(jié)設(shè)計(jì)規(guī)范》（GB 50736—2012）[17]中對(duì)住宅最小新風(fēng)量的規(guī)定，發(fā)現(xiàn)在檢測的30戶住宅中，僅有4戶住宅滿足最小新風(fēng)量要求。由此說明，在冬季門窗關(guān)閉的情況下，僅靠滲透風(fēng)很難滿足室內(nèi)人員的新風(fēng)要求，為此在冬季臥室滲透風(fēng)不滿足室內(nèi)最小新風(fēng)量要求時(shí)，應(yīng)適當(dāng)開窗，保證人體健康。

表1 臥室滲透風(fēng)換氣次數(shù)及人均滲透風(fēng)量四分位數(shù)分布

Tab.1 Quartile distribution of air exchange times and

infilration ratio per person in bedroom

2.2 單相關(guān)性分析

在多變量情況下，變量之間的關(guān)系比較復(fù)雜。因此，在進(jìn)行多元回歸分析前，通常先進(jìn)行單因素分析，研究因變量與某一自變量之間是否具有顯著相關(guān)性。研究連續(xù)變量與分類變量的線性相關(guān)性時(shí)，經(jīng)常采用Spearman相關(guān)系數(shù)對(duì)其進(jìn)行檢驗(yàn)，以此反映兩個(gè)變量之間變化趨勢的方向和程度，其值范圍在-1～1之間。Spearman相關(guān)系數(shù)絕對(duì)值越大，表明兩個(gè)變量之間的線性相關(guān)性越強(qiáng)。因此，采用Spearman相關(guān)系數(shù)分析滲透風(fēng)換氣次數(shù)與各因素之間的關(guān)聯(lián)性。

2.2.1 門窗特性對(duì)臥室滲透風(fēng)換氣次數(shù)的影響

定義名義變量：縫隙長度x1（x1=1，實(shí)測縫隙長度≤10 m；x1=2，10 m<實(shí)測縫隙長度≤15 m；x1=3，15 m<實(shí)測縫隙長度≤20 m；x1=4，實(shí)測縫隙長度>20 m）；窗玻璃層數(shù)x2（x2=1，單層玻璃；x2=2，雙層玻璃）；窗框類型x3（x3=1，塑鋼窗框；x3=2，鋁制窗框）；窗戶開啟方式x4（x4=1，平拉窗；x4=2，推拉窗）；門開啟方式x5（x5=1，平拉門；x5=2，推拉門）。由于檢測臥室朝向幾乎均朝南，因此未進(jìn)行窗戶朝向因素分析。

表2為門窗特性與臥室滲透風(fēng)換氣次數(shù)的單相關(guān)分析結(jié)果，其中顯著性水平P小于0.05表示數(shù)值差異性在統(tǒng)計(jì)學(xué)上具有顯著意義。由表2計(jì)算所得各因素的Spearman相關(guān)系數(shù)看出：門窗縫隙長度與滲透風(fēng)換氣次數(shù)呈顯著正相關(guān)，隨著門窗縫隙長度的增大，滲透風(fēng)換氣次數(shù)增大；窗玻璃層數(shù)與滲透風(fēng)換氣次數(shù)呈顯著負(fù)相關(guān)，即單層窗戶滲透風(fēng)量顯著大于雙層窗戶滲透風(fēng)換氣次數(shù)，這是由于通常情況下，單層玻璃的氣密性低于雙層玻璃；窗框類型與滲透風(fēng)換氣次數(shù)呈顯著正相關(guān)，即塑鋼窗戶滲透風(fēng)換氣次數(shù)顯著小于鋁制窗戶滲透風(fēng)換氣次數(shù)，這是由于通常情況下，塑鋼窗框的氣密性高于鋁合金窗框[15]。而窗戶、門開啟方式與滲透風(fēng)換氣次數(shù)的關(guān)系不存在顯著差異。根據(jù)Spearman相關(guān)系數(shù)絕對(duì)值的大小，顯著影響滲透風(fēng)換氣次數(shù)的三個(gè)門窗特性因素由強(qiáng)到弱依次為窗玻璃層數(shù)、門窗縫隙長度、窗框類型。

表2 門窗特性與臥室滲透風(fēng)換氣次數(shù)的單相關(guān)分析

Tab.2 Single correlation analysis between the door

and window characteristics and

the infiltration ratio in bedrooms

在上述三個(gè)顯著影響因素中，窗玻璃層數(shù)與窗框類型均為窗戶特性。圖2為窗玻璃層數(shù)與窗框類型的四種組合時(shí)的換氣次數(shù)分布?？梢钥闯?，從整體上來講，單層鋁制窗戶的滲透風(fēng)換氣次數(shù)最高，滲透程度最高，其次是塑鋼單層窗戶，次之是鋁制雙層窗，塑鋼雙層窗戶的滲透風(fēng)換氣次數(shù)整體上最小，滲透程度最低。因此，綜合窗玻璃層數(shù)與窗框類型定義窗戶類型x′2，并按滲透風(fēng)換氣次數(shù)中位數(shù)由大到小定義窗戶類型x′2（單層鋁制窗，x′2=1；單層塑鋼窗，x′2=2；雙層鋁制窗，x′2=3；雙層塑鋼窗，x′2=4）。窗戶類型與兒童臥室滲透風(fēng)換氣次數(shù)的Spearman相關(guān)系數(shù)為-0.650，P=0，兩者具有顯著相關(guān)性。

圖2 窗玻璃層數(shù)和窗框類型的四種組合

Fig.2 Four window combinations represented by window

layer number and window frame type

2.2.2 建筑特性對(duì)臥室滲透風(fēng)換氣次數(shù)的影響

定義名義變量：住宅類型v1（v1=1，多層公寓；v1=2，高層公寓）；建筑年代v2（v2=1，2004年及2004以前建造；v2=2，2004年以后建造）；住宅位置v3（v3=1，市區(qū)；v3=2，郊區(qū)）；居住層數(shù)v4（v4=1，1層；v4=2，2～3層；v4=3，4～5層；v4=4，≥6層）。

建筑特性與滲透風(fēng)換氣次數(shù)的關(guān)系如表3所示。從表3中可以看出，住宅類型與滲透風(fēng)換氣次數(shù)呈顯著正相關(guān)，即多層建筑的滲透風(fēng)換氣次數(shù)普遍小于高層建筑的滲透風(fēng)換氣次數(shù)，這與文獻(xiàn)[7]中的結(jié)論一致；建筑年代與臥室滲透風(fēng)換氣次數(shù)的關(guān)系不存在顯著相關(guān)性，這也與文獻(xiàn)[18-19]中的結(jié)論一致；此外，住宅位置和居住層數(shù)對(duì)臥室滲透風(fēng)換氣次數(shù)的影響也不存在顯著相關(guān)性。

表3 建筑特性與臥室滲透風(fēng)換氣次數(shù)的單相關(guān)分析

Tab.3 Single correlation analysis between the building

characteristics and the infiltration

ratio in bedrooms

據(jù)此，通過Spearman相關(guān)系數(shù)分析，選出了與滲透風(fēng)換氣次數(shù)線性相關(guān)的門窗縫隙長度、窗玻璃層數(shù)、住宅類型3個(gè)顯著影響因素。

2.3 偏相關(guān)性分析

在進(jìn)行單因素分析時(shí)，未消除其他顯著變量對(duì)因變量和所考查某一顯著變量間相關(guān)性的影響，因此不能夠真實(shí)準(zhǔn)確地反映因變量和所考查顯著變量之間的相關(guān)關(guān)系。偏相關(guān)分析則可以固定其他顯著變量不變，清除其他顯著變量對(duì)因變量和該顯著變量間關(guān)系的影響。因此，在選出門窗縫隙長度、窗戶類型、住宅類型3個(gè)影響因素后，采用偏相關(guān)分析對(duì)上述三個(gè)因素與滲透風(fēng)換氣次數(shù)的關(guān)系作進(jìn)一步分析。偏相關(guān)系數(shù)絕對(duì)值越大，表明滲透風(fēng)換氣次數(shù)與該因素的凈相關(guān)性越強(qiáng)。

臥室滲透風(fēng)換氣次數(shù)與各變量的偏相關(guān)分析如表4所示。根據(jù)偏相關(guān)系數(shù)絕對(duì)值的大小，確定與臥室滲透風(fēng)換氣次數(shù)顯著線性相關(guān)的主要因素由強(qiáng)到弱依次為窗戶類型、門窗縫隙長度、住宅類型。表4 住宅特性與臥室滲透風(fēng)換氣次數(shù)的偏相關(guān)分析

Tab.4 Partial correlation analysis between the residential

characteristics and the infiltration

ratio in bedrooms

3 冬季夜間臥室滲透風(fēng)換氣次數(shù)回歸模型的建立與驗(yàn)證

3.1 模型建立

根據(jù)上述相關(guān)分析結(jié)果，從30戶樣本住宅中選取25戶，建立冬季夜間臥室滲透風(fēng)換氣次數(shù)回歸模型，其余5戶用于檢驗(yàn)?zāi)Ｐ偷臏?zhǔn)確性。選擇已確定的3個(gè)具有顯著相關(guān)性的住宅特性影響因素（門窗縫隙長度x1，窗戶類型x′2，住宅類型v1）與臥室滲透風(fēng)換氣次數(shù)（因變量Y）建立多元線性回歸模型，具體表達(dá)形式為

Y=β0+β1x1+β2x2++β3v1（5）

式中，β0為常量；βi（i=1、2、3）分別為門窗縫隙長度x1、窗戶類型x′2、住宅類型v1的系數(shù)。

采用多元逐步回歸分析方法研究臥室滲透風(fēng)換氣次數(shù)與各影響因素之間的關(guān)系，根據(jù)表4窗戶類型、門窗縫隙長度、住宅類型影響程度排序，最終得到3種逐步回歸分析模型。模型中各回歸系數(shù)的顯著性檢驗(yàn)結(jié)果如表5所示。表5 回歸系數(shù)分析結(jié)果

Tab.5 Results of regression coeffeicient analysis

表5中3個(gè)回歸模型中各變量均通過t檢驗(yàn)，顯著性水平均小于0.05，具有統(tǒng)計(jì)學(xué)意義。其中，在3個(gè)模型中模型3的復(fù)相關(guān)系數(shù)R最高，為0.832，故選用模型3為最優(yōu)回歸方程，其回歸常數(shù)項(xiàng)為0.122，門窗縫隙長度、窗戶類型、住宅類型的回歸系數(shù)分別為0.107、-0.102、0.152，回歸方程標(biāo)準(zhǔn)差為0.025。由此得到上海地區(qū)住宅夜間臥室滲透風(fēng)換氣次數(shù)回歸模型，即

Y=0.122+0.107x1-0.102x′2+0.152v1（6）

從該模型可以看出：臥室滲透風(fēng)換氣次數(shù)與門窗縫隙長度、住宅類型呈正相關(guān)，與窗戶類型呈負(fù)相關(guān)。

3.2 模型驗(yàn)證

圖3給出了滲透風(fēng)換氣次數(shù)預(yù)測值與計(jì)算值的散點(diǎn)圖，其中：縱坐標(biāo)表示滲透風(fēng)換氣次數(shù)計(jì)算值；橫坐標(biāo)表示用本文模型預(yù)測值，虛線表示預(yù)測值與計(jì)算值之間存在±30%誤差的分界線。菱形點(diǎn)為建立模型的25戶兒童臥室滲透風(fēng)換氣次數(shù)預(yù)測值與計(jì)算值對(duì)應(yīng)的樣本散點(diǎn)。由圖3中可以看出，大部分計(jì)算值在±30%誤差以內(nèi)，其平均絕對(duì)百分比誤差為26.7%。這說明通過樣本統(tǒng)計(jì)獲得的模型其預(yù)測效果較好。三角形點(diǎn)為5個(gè)用于驗(yàn)證模型有效性的住宅樣本的預(yù)測值與計(jì)算值對(duì)應(yīng)散點(diǎn)，結(jié)合表6可以看出，其預(yù)測值與計(jì)算值的相對(duì)誤差在-20.4%～24.2%之間，在統(tǒng)計(jì)學(xué)上可接受，表明該模型具有一定的有效性。

圖3 臥室滲透風(fēng)換氣次數(shù)預(yù)測值與計(jì)算值散點(diǎn)圖分布

Fig.3 Scatter diagram of the predicted infiltration ratio

and the calculated ones in bedrooms

4 結(jié) 論

（1） 所檢測的上海地區(qū)住宅冬季夜間臥室滲

表6 檢驗(yàn)樣本的預(yù)測值與計(jì)算值比較

Tab.6 Comparison between the predicted values and

the calculated vales from the validated samples

透風(fēng)換氣次數(shù)范圍0.07～0.88 h-1，人均滲透風(fēng)量在1.42～18.63 m3·h-1·人-1；臥室滲透風(fēng)換氣次數(shù)中位數(shù)為0.35 h-1，人均滲透風(fēng)換氣次數(shù)中位數(shù)為6.90 m3·h-1·人-1。多數(shù)住宅僅靠滲透風(fēng)不能滿足最小新風(fēng)量的要求。

（2） 通過對(duì)門窗特性和建筑特性進(jìn)行相關(guān)性分析發(fā)現(xiàn)，影響滲透風(fēng)換氣次數(shù)的因素由強(qiáng)到弱依次為：窗戶類型（窗玻璃層數(shù)與窗框類型的組合）、門窗縫隙長度、住宅類型。

（3） 采用多元回歸分析方法利用25個(gè)樣本，建立了以窗戶類型、門窗縫隙長度、住宅類型為因變量的上海住宅冬季滲透風(fēng)換氣次數(shù)回歸模型，其標(biāo)準(zhǔn)差為0.025 h-1，平均絕對(duì)百分誤差為26.7%。利用5個(gè)樣本實(shí)測數(shù)據(jù)驗(yàn)證結(jié)果表明，模型預(yù)測值與計(jì)算值的相對(duì)誤差在-20.4%～24.2%之間，在統(tǒng)計(jì)學(xué)上可接受。

本文應(yīng)用統(tǒng)計(jì)學(xué)方法提出的臥室滲透風(fēng)換氣次數(shù)回歸模型可為上海冬季夜間臥室滲透風(fēng)換氣次數(shù)的快速評(píng)估及建筑能耗預(yù)測提供參考。但由于住宅樣本相對(duì)較少，是否能很好地反映上海地區(qū)整體情況，還有待于更進(jìn)一步研究。

參考文獻(xiàn)：

[1] HENS H S L.Building physics：Heat，air and moisture：Fundamentals and engineering methods with examples and exercises[M].Berlin：Ernst & Sohn，2012.

[2] CHAN W R，NAZAROFF W W，PRICE P N，et al.Analyzing a database of residential air leakage in the United States[J].Atmospheric Environment，2005，39（19）：3445-3455.

[3] CHAN W R，JOH J，SHERMAN M H.Analysis of air leakage measurements of US houses[J].Energy and Buildings，2013，66：616-625.

[4] MURRAY D M，BURMASTER D E.Residential air exchange rates in the United States：Empirical and estimated parametric distributions by season and climatic region[J].Risk Analysis，1995，15（4）：459-465.

[5] YAMAMOTO N，SHENDELL D G，WINER A M，et al.Residential air exchange rates in three major US metropolitan areas：Results from the relationship among indoor，outdoor，and personal air study 19992001[J].Indoor Air，2010，20（1）：85-90.

[6] WALLACE L A，EMMERICH S J，HOWARDREED C.Continuous measurements of air change rates in an occupied house for 1 year：The effect of temperature，wind，fans，and windows[J].Journal of Exposure Analysis and Environmental Epidemiology，2002，12（4）：296-306.

[7] KALAMEES T.Air tightness and air leakages of new lightweight singlefamily detached houses in Estonia[J].Building and Environment，2007，42（6）：2369-2377.

[8] SHINOHARA N，KATAOKA T，TAKAMINE K，et al.Distribution and variability of the 24h average air exchange rates and interzonal flow rates in 26 Japanese residences in 5 seasons[J].Atmospheric Environment，2011，45（21）：3548-3552.

[9] 李灝如，李曉鋒，齊美薇，等.北京某學(xué)生公寓夏季自然通風(fēng)實(shí)測研究[J].建筑科學(xué)，2013，29（4）：20-24.

[10] IPBKER C，VALGE M，KALBE K，et al.Case study of multiple regression as evaluation tool for the study of relationships between energy demand，air tightness，and associated factors[J].Journal of Energy Engineering，2016，143（1）：04016027.

[11] LIU W，HUANG C，SHEN L，et al.Natural ventilation of the childs bedroom in the typical residences of Shanghai City[C]∥Proceedings of the 11th International Conference on Industrial Ventilation.Shanghai：International Conference on Industrial Ventilation，2015：10-15.

[12] 黃晨.建筑環(huán)境學(xué)[M].2版.北京：機(jī)械工業(yè)出版社，2016.

[13] PERSILY A K.Evaluating building IAQ and ventilation with indoor carbon dioxide[C]∥American Society of Heating，Refrigerating and AirConditioning Engineers （ASHRAE） Annual Meeting.Boston，MA：OSTI，1997，103：193-204.

[14] ASTM.ASTM D624512 Standard guide for using indoor carbon dioxide concentrations to evaluate indoor air quality and ventilation[S].West Conshohocken，PA：American Society for Testing and Materials，2012.

[15] ASHRAE.ASHRAE handbookfundamentals[M].Atlanta，GA：American Society of Heating，Refrigerating and AirConditioning Engineers，2013.

[16] T∨VOV P.Experimental evaluation of ventilation in dwellings by tracer gas CO2[D].Czech：Czech Technical University，2011.

[17] 《民用建筑供暖通風(fēng)與空氣調(diào)節(jié)設(shè)計(jì)規(guī)范》編制組.民用建筑供暖通風(fēng)與空氣調(diào)節(jié)設(shè)計(jì)規(guī)范宣貫輔導(dǎo)教材[M].北京：中國建筑工業(yè)出版社，2012.

[18] VINHA J，MANELIUS E，KORPI M，et al.Airtightness of residential buildings in Finland[J].Building and Environment，2015，93：128-140.

[19] PAN W.Relationships between airtightness and its influencing factors of post2006 newbuild dwellings in the UK[J].Building and Environment，2010，45（11）：2387-2399.