评估用于室内空气质量（IAQ）应用中预测的人类二氧化碳生成率数值的准确性

《Indoor Environments》：Assessing the Accuracy of Predicted Values of Human CO 2 Generation Rates for IAQ Applications

本研究通过四个实验室的间接热量计实验数据，对比了ASHRAE和Persily & de Jonge两种方法预测建筑内CO?排放率（VCO?）的准确性。结果表明，ASHRAE方法普遍低估VCO?（绝对平均误差29%-58%），而Persily方法误差更小（6%-21%）。研究强调输入数据（如代谢率M、呼吸商RQ）的来源对预测精度至关重要，实测数据显著优于文献值。研究为室内空气质量与通风评估中的CO?应用提供了关键误差分析依据。

　　在当前的建筑通风和室内空气质量（IAQ）研究与实践中，室内二氧化碳（CO?）浓度被广泛用作评估通风效果和空气质量的指标。然而，许多应用中存在技术上的误解，特别是在估算建筑内人员的CO?排放速率（VCO?）方面。这些估算通常依赖于人体质量、性别、年龄和活动水平等参数，但这些参数的获取在许多实际建筑中具有挑战性，尤其是在建筑设计阶段尚未有人员存在，或是在实际使用过程中难以准确描述人员特征的情况下。因此，如何准确预测VCO?成为确保通风系统有效性和空气质量评估的关键。

本研究通过分析四家研究机构进行的实验数据，比较了两种估算方法——ASHRAE方法和Persily与de Jonge（PdJ）方法在预测VCO?方面的准确性。实验中，研究人员观察了健康成年人在不同活动状态下的CO?排放情况，包括睡眠、骑自行车和静态活动如阅读。研究采用两种类型的输入数据进行验证：一是实验中直接测量的数据，二是文献中提供的数据。实验数据来自整房间间接热量计测量，而文献数据则来自不同来源，如相关研究论文和标准。

研究结果显示，ASHRAE方法在所有数据集中都表现出明显的低估现象，其绝对平均预测误差范围在29%到58%之间。相比之下，PdJ方法的预测误差较低，尤其是在使用实验数据作为输入时，误差范围在6%到21%之间。这些发现强调了准确输入数据在预测VCO?中的重要性。当无法获得直接测量数据时，应使用文献数据，但必须清楚了解其不确定性和潜在偏差。此外，文献数据的应用也应包括对具体数值和来源的明确记录。

在研究过程中，我们考虑了来自四个不同机构的实验数据，这些数据涵盖了健康成年人在不同活动状态下的能量消耗和代谢率。这些实验包括英国的NIHR剑桥临床研究设施、美国的弗吉尼亚联邦大学、美国的Pennington生物医学研究实验室以及荷兰的马斯特里赫特大学代谢研究实验室。每个实验都通过伦理审查并获得参与者的书面知情同意。数据被用于比较实验测量的VCO?值与基于ASHRAE和PdJ方法的预测值。

为了评估两种方法的预测准确性，我们使用了两种不同的输入数据：一是文献数据，二是实验测量数据。文献数据通常来自相关的研究论文和标准，而实验数据则直接来源于研究中采集的测量值。在这些数据中，对于某些参数如代谢率（M）和呼吸商（RQ），我们采用的是实验测量值，而其他参数如基础代谢率（BMR）则基于文献中的Schofield公式进行估算。对于某些研究，例如马斯特里赫特大学的数据集，M和RQ的值是直接测量的，而对于其他研究，如Pennington的数据集，M和RQ的值则是通过实验测量的能量消耗和Schofield公式计算得出。

在统计分析中，我们计算了测量值与预测值之间的平均百分比差异和平均绝对百分比误差。这些统计指标帮助我们量化预测的系统偏差和一致性。例如，Bland-Altman图被用于展示测量值与预测值之间的差异。图中，横轴表示测量值和预测值的平均值，纵轴表示两者的百分比差异。每个数据点代表一对测量和预测值的比较。黑色水平线表示“无差异”的参考线，红色实线表示平均差异（偏差），红色虚线表示平均差异的95%置信区间，蓝色虚线表示95%差异的限值（LoA）。如果零参考线落在这些置信区间内，则偏差不具有统计学意义。

研究结果表明，对于Cambridge数据集，ASHRAE方法在使用实验数据时低估了VCO?值，平均绝对误差为28%（±8%），而PdJ方法的误差则显著降低，为7%（±2%）。对于Pennington数据集，ASHRAE方法的误差范围为25%（±10%），而PdJ方法的误差则为8%（±7%）。这些结果表明，使用实验数据进行预测通常比使用文献数据更为准确，但在某些情况下，如Maastricht数据集，使用实验数据反而导致更高的误差，这可能与数据的不确定性和实验条件的复杂性有关。

在实际应用中，VCO?的估算对于设置CO?浓度限值以评估不同空间类型的通风需求至关重要。这些限值通常基于目标通风率和假设的人员数量，因此需要对人员特征（如年龄、性别和身体质量）以及他们的活动水平做出合理的假设。然而，这些假设往往需要大量的判断，必须在呈现计算结果时进行说明和合理化。此外，指导文件和标准在应用这些限值时，也应指出，特定空间类型可能与不同的输入值相关，因此提供的限值可能不适用于每一个具体空间。

本研究还指出了当前方法的一些局限性。首先，所使用的数据集仅限于健康成年人在受控活动状态下的数据，这可能无法完全代表现实世界中的各种室内环境。因此，未来的研究应包括更广泛的人员人口统计信息，如儿童、老年人和不同健康状况的个体。其次，本研究主要关注稳态条件，而现实世界中的室内环境通常会经历人员和活动水平的动态变化。因此，未来的研究可以探讨这些方法在非稳态条件下的表现。此外，不同研究在实验目的、活动类型、测量间隔和输出数据平均间隔方面存在差异，这使得在不同研究之间比较平均误差变得困难。未来的研究还应探讨输入因素的不确定性如何系统性地影响VCO?的预测，这些不确定性分析将有助于确定在建筑IAQ和通风研究中可以接受的预测误差范围。

总之，本研究通过比较ASHRAE和PdJ方法在预测VCO?方面的准确性，强调了准确输入数据的重要性。当无法获得直接测量数据时，应使用文献数据，但必须清楚了解其不确定性和潜在偏差。同时，对于实际应用中的IAQ和通风评估，VCO?的估算需要对人员特征和活动水平做出合理的假设，这些假设的准确性将直接影响预测结果的可靠性。未来的研究应致力于改进这些方法，以提高其在不同环境条件下的适用性和准确性。