英语原文共 10 页，剩余内容已隐藏，支付完成后下载完整资料

附录A 译文

室外环境下人体热感觉的动态建模

赖大义，周晓杰，陈庆艳

摘要

室外空间为不断增长的城市人口提供社会，健康，环境和经济利益。需要一个热舒适模型来帮助设计有吸引力的城市户外空间。在室外环境中，人的热舒适感会随着动态天气条件而变化。但是，文献中的大多数户外热舒适模型都是针对稳态条件。为了建立动态热舒适模型，本研究观察了来自美国印第安纳州西拉斐特和中国天津的26名人类受试者对各种室外热环境的响应。这项研究监测了受试者的皮肤温度，记录了他们的热感，并测量了一些室外环境参数。对测试数据的分析表明，测试对象的热负荷，平均皮肤温度和平均皮肤温度的变化率是影响其在室外空间的热舒适性的最重要参数。将这三个参数作为预测变量集成到用于预测室外热感的舒适模型中。该模型使用热负荷评估热环境，平均皮肤温度及其变化率，以考虑人体热状态的动态变化。使用从另一区域获得的数据测试了在一个区域开发的模型的有效性。

关键词：热舒适模型室外空间热；负荷；人体测试动态热感

1.简介

联合国称，到 2050 年，全球城市化率有望达到 66.4％[1]。城市的室外空间为不断增长的城市人口提供社会，健康，环境和经 济利益[2]。城市规划和设计的目标之一是使室外空间对人有吸引 力，并因此被人们使用[3]。研究人员发现室外空间的活动水平与 热舒适度之间存在很强的相关性[4-8]。因此，重要的是设计具有 更高热舒适性的城市开放空间，以吸引更多的市民。热舒适模型是评估室外微气候舒适度的有用工具。许多研究在舒适的开放空间设计中使用了热舒适模型[9-11] 。 例如，Berkovic 等。[10]使用预测平均投票（PMV）[12]研究在炎热、干旱的气候下各个庭院的热舒适度。他们得出结论，在那种气候下，遮光是改善室外热舒适性的最佳方法。Taleghani 等人[11]使用生理等效温度（PET）[13]来评估 6 月份荷兰五个城市环境中的热舒适度。他们发现，庭院具有最舒适的 微气候，因为它们为太阳辐射提供了最大的阴影。

尽管以上研究证明了这些模型在室外空间设计中的有用性，但其他研究对模型的准确性提出了质疑。例如，Nikolopoulou 等。[14]和 Thorsson 等。[15]发现使用 PMV 模型时，实际和计算出的热感分布之间存在明显差异。Kantor 等。[16]发现匈牙利的中性PET 与台湾的相差多达 9 K [17]。我们之前的研究[18]显示，地中海气候[20]与中国北方的气候之间，由普遍热气候指数（UTCI） [19]决定的热感存在很大差异。这些差异表明需要针对室外空间的更精确的热舒适模型。

户外空间热舒适模型的开发遵循了三种不同的方法。第一种方法使用回归方法来确定室外热感，该热感是几个气候参数（风速， 太阳辐射，气温，湿度等）的函数[21]。尽管该方法很简单，但它并非基于物理原理，并且这种模型的有效性仅限于获得数据的气候区域[22]。第二种方法是通过将热感与人体的热负荷相关联来开发热舒适性模型。使用最广泛的模型是 PMV 模型。然而，PMV 是基于在受控室内室内进行主题测试期间收集的数据，因此不适用于室外环境[14,15]。这是因为模型计算出的热负荷只能预测室内稳态环境下的热舒适性， 而不能预测动态室外环境下的热舒适度[22,23]。第三种方法基于人类受试者的生理反应，例如皮肤和核心温度，PET，UTCI，标准有效温度（SET *）[24]和室外标准有效温度[25]。这些模型使用等效温度的概念，等效温度是指室内空间中产生的空气温度与实际室外条件相同的生理温度。等效温度模型没有考虑动态生理反应。

同时，一些现有的室内空间热舒适模型，例如局部和全身热感觉 模型[26]和动态热感觉（DTS）模型[27]，使用动态皮肤和核心温度 来预测热量。感觉直接。这些模型具有坚实的生理和物理基础。由于 没有现存的室外热舒适模型考虑室外热环境的动态特征，因此本研究 旨在通过利用室内动态模型开发中的研究方法来开发动态室外热舒适 模型。本文报告了我们在基于这种方法的模型开发中所付出的努力。本文还描述了模型的验证。

1. 研究方法

本节介绍了建立具有坚实生理和物理基础的热舒适模型的过程。 模型的开发需要通过室外空间中的人体测试来收集数据。

2.1人体测试

我们在中国天津（TJ）和美国印第安纳州西拉斐特（WL）进行 了人体测试。两地的气候条件使我们能够从各种各样的热环境中 收集数据。此外，我们能够使用一个地区的数据来开发模型，而 使用另一地区的数据来验证模型。天津的测试于 2016 年 5 月 21日至 2016 年 12 月 14 日进行，西拉斐特的测试于 2016 年 3 月 6日至2016年9月25日进行。测试期间的气温范围为0至35^◦C。为了在不同的室外空气温度下收集可比较的实验数据，我们依靠 天气预报来安排测试日期。我们的测试涉及 26 位受试者，满足了先前报道的 25 位样本量要求[28]。每个受试者在不同的热环境下参加了三到五次测试。总共获得 94 组数据，其中一组数据由给定测试中一名受试者的测量结果组成。表 1 列出了在天津和西拉斐特进行测试的按性别和年龄划分的受试者和数据集的数量。由于 天津数据是从年龄不同的男性和女性受试者中获得的，因此我们 使用天津数据开发了模型，并使用西拉斐特数据进行了验证。我 们还使用了天津的数据来研究不同性别和年龄的受试者的室外热 舒适性。

测试程序已通过 Purdue IRB（机构审查委员会）批准用于人体实验。在测试开始之前，受试者就被告知研究的目的和步骤。每个受试者在参加测试之前都签署了同意书。在测 试过程中，受试者在中性室内室内保持 30 分钟以达到稳定的热状态。然后，他们走到室外空间，在那里站了 60 分钟。由于室内和室外测试空间之间的步行距离仅为 50m，因此我们在研究中未考虑步行活动。室内室内的空气温度和相对湿度控制在 24^◦C 左右和50％，并且空气流动保持在最低水平。如图 1 所示，该调查监视了受试者的皮肤温度，记录了受试者的热感和衣物水平，并测量 了几个室外环境参数。通过将热电偶连接到每个受试者的头部， 面部，胸部，腹部，左上臂，左下臂，左手，左上腿，左小腿和 左脚来测量皮肤温度。热电偶连接到便携式数据记录仪。通过连 续测量皮肤温度，可以轻松获得皮肤温度的变化率。同时，我们 使用调查表收集有关受试者的衣服和热感的信息。服装信息通过ASHRAE 手册[29]中的服装绝缘值转换为服装抗性（CR）。受试者根据 ASHRAE [29]的 7 分制记录了他们的热感觉投票（TSV），其中-3 =寒冷，minus;2 =凉爽，minus;1 =凉爽，0 =中性，1 =暖和，2 =暖和 3 =热。我们让受试者沿着这个量表连续评估他们的热感。在户外一小时的 暴露中，受试者每五分钟记录一次其热感。因此，在给定的户外 测试期间，为每个受试者获得了 12 个热感觉值。为了减少室外空间由太阳辐射引起的不确定性，被摄对象背对太阳站立。记录的 室外热环境参数包括空气温度 Ta；相对湿度，RH；全球辐射，G； 在天津，我们使用便携式气象站来测量这些参数。在西拉斐特， 在周围建筑物的屋顶上监视着 Ta，RH 和 G。VA 通过手持式风速计记录。表 2 提供了有关主题测试中使用的仪器的信息。

在测试期间无法直接测量受试者的热负荷（TL）。这项研究通 过使用 Ta，RH，G，Va，CR 和代谢产热量（MET）来计算热负荷。根据 ASHRAE 手册[29]，站立者的代谢率估计为 70 W / m²。单位皮肤面积的热负荷定义为当一个人的皮肤温度保持在中性水平且 出汗量保持最小时个人的热量增加或减少的速率：

TL = (M minus; W RS ) minus; (C RL Esk Cres Eres) (1)

其中 M 是代谢热量的产生率（W / m²），W 是机械功的比率（W / m²），RS 是短波辐射热吸收率（W / m² ），C 为对流热损耗率（W/ m ），RL 为长波辐射热损耗率（W / m ），Esk 皮肤蒸发热损耗率（W / m²）以及 Cres 和 Eres 分别来自呼吸的对流和蒸发热损失率（W / m²）。每个项的计算均基于作者先前开发的人体传热模型[30]。

2.2模型开发的一般程序

从人体试验获得的数据用于开发室外热感模型。如图 2 所示， 此研究假设热感由三组参数决定：传热参数（Ta，RH，G，Va，CR， MET 和 TL）；热传递参数（热传递参数）。不同身体部位的皮肤温度 Tsk 和平均皮肤温度 Tsk,m;皮肤温度的变化率 dTsk/ dt 和dTsk,m/ dt。我们获得了

表格 1

根据性别和年龄，在天津（TJ）和西拉斐特（WL）进行的测试的主题和数据集的数量。

图1.在室外人体测试中获得的参数

通过加权不同身体部位的皮肤温度来计算平均皮肤温度 Tsk,m。当确定平均皮肤温度时，可以容易地计算出平均皮肤温度的变化率。

开发模型的第一步是选择三组中最重要的参数作为预测变量。该模型应包含最少数量的变量，这些变量可以充分代表对室外热感的影响。为了选择预测变量，这个调查运用了斯皮尔曼相关系数，r_s,来研究影响参数与热感之间的相关性。该系数是两个变量之间关联强度和方向的非参数度量。 rs 的值在-1 和 1 之间，并且绝对值越高表示关联越强。统计软件程序 R [32]用于确定 rs。本研究从三组中选择了具有较高 rs 的参数。

选择了最重要的参数后，下一步就是确定模型的功能形式。根据我们的观察，逻辑函数[26]可以代表热感觉和预测变量。后勤功能的一般形式可以写成：

Y=A(1-) (2)

其中 A 是极限系数，B 是斜率系数。如图 3 所示，当 x 的值小时，x 和 y 之间的关系是线性的。当 x 增大或减小时，y 的值达到 A 的上限或-A 的下限。因为在我们的研究中，热感值从未超过 3 的上限或-3 的下限。这项研究选择逻辑函数作为候选函数，因为它可以模拟热感 觉的极限。此外，我们可以看到具有更大 B 的函数具有更大的斜率。对于此应用，y 为热敏，A 表示热敏极限。

图 2.与热感相关的三组参数。

。

图3. 与热感相关的三组参数

表 3

在受试者测试期间，在西拉斐特和天津测量的平均温度，标准偏差，最高和最低气 温 Ta，相对湿度 RH，风速 Va 和全球辐射 G。

您可能感兴趣的文章

• 什么是智能建筑？从国际视角分析最近的解释外文翻译资料
• 建筑物内电气和电子系统外文翻译资料
• 能源与建筑翻译资料
• 通过智能家居提高个人的生活质量外文翻译资料
• 路桥梁自动端到端无线监测系统外文翻译资料
• 基于粒子群算法的大型风力发电系统负载频率控制外文翻译资料
• 基于粒子群算法的大规模风电集成电力系统负荷频率控制外文翻译资料
• FPGA中PLC程序的硬件映射策略外文翻译资料
• 便携式3导ECG片上监控系统心率变异性处理器的设计外文翻译资料
• 楼宇自动化系统：概念与技术回顾外文翻译资料