室内CO和甲醛的通风控制及评价方法研究

来源 :西南科技大学 | 被引量 : 0次 | 上传用户:junemeng
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
由于室内装修的普及和高档化,现在以有机化学污染物为特征的第三代室内空气污染越来越严重。通风稀释是降低室内污染物浓度,改善室内空气品质的行之有效的办法。笔者在过渡季节,选择CO2和甲醛这两种代表性的室内化学污染物作为研究对象,在实验室进行不同送风量的排污效果实验,通过比较发现,相同换气次数(ACH)条件下,污染物散发量更多时,通风效率越高;甲醛的排污效率高于CO2的排污效率。并确定了实验房间内1人时,同时满足IAQ与节能要求的最佳换气次数可定为1.5次/h。此结论可推广到与实验室状况相似的冬夏季的空调房间。
   为了加强通风控制,本文利用回归分析法对实测的污染物浓度数据进行线性拟合,建立了不同ACH条件下CO2和HCHO的浓度预测模型,此模型将自然渗风的影响也考虑在内,能更准确的反映通风初始阶段室内污染物的变化情况。同时得出了实验室中空气交换率λ与ACH的线性关系,及室内无机械通风,无污染物散发时,污染物浓度的指数衰减公式。
   最后,利用化学污染物对数评价指标与不满意率间的线性相关关系,结合本文所建立的化学污染物浓度模型,可对IAQ进行预测分级,使得IAQ主客观综合评价方法更加简便,更具实用性。
其他文献
期刊
报纸
报纸
报纸
报纸
学位
可吸入颗粒物PM10是长期以来西安市大气中的首要污染物,为更好地反映其污染变化趋势、加强污染防治工作和预防严重污染事件发生,研究污染预报方法,开展污染预报工作意义重大。由于大气环境系统自身复杂多变且长年积累了大量历史监测数据,传统预报方法难以充分利用其中的有用信息实现精确预报,方法技术亦不易推广。笔者将人工神经网络技术应用到空气污染预报领域中,借助神经网络极强的非线性处理能力,利用MATLAB软件
学位
期刊
期刊
期刊