使用机器学习算法预测大学医院室内CO2浓度

《Buildings》：Prediction of Indoor CO2 Concentration in a University Hospital Using Machine Learning Algorithms

　　

机器学习（Machine Learning, ML）模型能够有效捕捉室内环境中的复杂、非线性、多模态以及时间依赖模式。在本研究中，研究人员利用ML方法探究了某大学医院不同区域室内CO₂浓度与环境变量之间的关系。数据集总共包含114个样本，其中80%用于训练，20%用于测试。将16:00测量的CO₂浓度定义为目标变量，同时选取8个输入变量（人员数量、房间体积、房间地板面积、平均相对湿度、平均温度、平均CO₂浓度、CO₂浓度变化量、房间朝向）作为模型输入。应用了人工神经网络（Artificial Neural Network, ANN）、极端梯度提升（Extreme Gradient Boosting, XGBoost）、随机森林（Random Forest, RF）和线性回归（Linear Regression）来预测CO₂浓度。模型性能基于预测准确度标准进行评估，如平均绝对百分比误差（Mean Absolute Percentage Error, MAPE）、决定系数（Coefficient of Determination, R²）、平均绝对误差（Mean Absolute Error, MAE）和均方根误差（Root Mean Squared Error, RMSE），从而能够对其有效性进行比较性考量。当包含CO₂相关变量时，RF取得了最佳性能（R²=0.804，MAPE=8.34%，MAE=70.65，RMSE=104.24），其次是XGBoost（R²=0.776，MAPE=9.07%，MAE=78.10，RMSE=111.44）。相比之下，ANN（R²=0.250，MAPE=19.62%，MAE=159.81，RMSE=203.72）和线性回归（R²=0.175，MAPE=19.44%，MAE=169.37，RMSE=213.77）的预测性能相对较低。总体而言，结果表明基于树的ML模型能够为医疗保健设施的室内空气质量监测与管理提供有前景的预测性能和实用见解，但通过未来涵盖不同医疗环境数据的评估，其适用性和泛化能力可进一步增强。

**论文解读：基于机器学习算法的大学医院室内CO₂浓度预测研究**

**1. 研究背景与问题**

室内CO₂浓度被广泛用作空气传播感染风险的间接指标，尤其在COVID-19大流行后，医院通风性能及CO₂水平作为通风充分性的替代指标成为重要研究课题。现有研究指出，医疗设施中CO₂浓度在600–800 ppm（百万分之一）通常可接受，800–1000 ppm为需关注的阈值，800 ppm以上则被视为通风不足的指示。然而，当前CO₂估算方法主要分为物理模型、统计/时间序列模型及数据驱动人工智能方法三类，传统模型在捕捉非线性、多模态和时间依赖特征方面存在局限性。机器学习（Machine Learning, ML）方法在处理此类复杂特征方面具有显著优势，但针对医院这种高风险、多区域且通风动态与人员密度变化剧烈的特殊环境，相关研究相对匮乏。因此，研究人员开展本研究，旨在利用ML算法探究大学医院不同类型空间中室内CO₂浓度与室内环境变量之间的关系，以填补这一关键空白。

**2. 技术方法概述**

研究人员于2019年3月27日至30日在土耳其一所位于湿热气候区的大学医院进行了数据采集。测量覆盖患者房间、住院病房走廊、门诊走廊、医生办公室及患者检查室等114个不同室内空间，每天在09:00、11:00、14:00和16:00四个时间点重复测量。使用Testo 440 CO₂和Testo 625测量设备，遵循虚拟网格布点、远离热源、传感器稳定化等标准程序。共选取8个输入变量：人员数量、房间体积、房间地板面积、平均相对湿度、平均温度、平均CO₂浓度（由09:00、11:00、14:00测量值计算）、CO₂浓度变化量（09:00至14:00）及房间朝向，目标变量为16:00测量的CO₂浓度。采用四种模型：人工神经网络（ANN）、随机森林（RF）、极端梯度提升（XGBoost）和线性回归（Linear Regression）。通过网格搜索和五折交叉验证优化超参数，使用平均绝对百分比误差（MAPE）、决定系数（R²）、平均绝对误差（MAE）和均方根误差（RMSE）评估性能。所有模型在Python 3.11.7中实现，数据集按80%训练（n=91）和20%测试（n=23）随机划分，固定随机种子为42。

**3. 研究结果**

**3.1 描述性统计与相关性分析**

描述性统计显示，房间体积和地板面积变异性大，平均人员数量为4.38人（范围1–18人）。湿度和温度在一天中略有上升，14:00达到峰值。CO₂浓度从09:00的671.74 ppm显著上升至14:00的939.39 ppm，16:00观测值范围最宽。相关性矩阵热图表明，CO₂浓度与房间体积、地板面积呈轻度负相关，而不同时间点的CO₂值之间呈强正相关。

**3.2 模型性能比较**

当包含CO₂相关变量时，所有模型性能提升。RF表现最佳（R²=0.804，MAPE=8.34%，MAE=70.65，RMSE=104.24），其次为XGBoost（R²=0.776，MAPE=9.07%，MAE=78.10，RMSE=111.44）。ANN（R²=0.250，MAPE=19.62%，MAE=159.81，RMSE=203.72）和线性回归（R²=0.175，MAPE=19.44%，MAE=169.37，RMSE=213.77）性能较差。五折交叉验证的95%置信区间表明，RF的R²标准偏差（Std=0.24）低于XGBoost（Std=0.42），且误差指标置信区间更窄，显示其稳定性更高。实际值与预测值对比图显示，RF和XGBoost能较好捕捉CO₂波动趋势，而线性回归和ANN对极端值预测偏差较大。

**3.3 特征重要性分析**

RF模型的特征重要性分析显示，平均CO₂浓度是最主要的预测变量（重要性>0.50），其次为CO₂浓度变化量、平均相对湿度、人员数量和平均温度，而房间体积、地板面积和朝向影响可忽略。XGBoost的特征重要性分析同样表明平均CO₂浓度最关键（重要性接近0.60），人员数量、平均湿度和温度次之，空间参数影响较小。ANN的SHAP（Shapley加性解释）分析也确认平均CO₂浓度主导模型输出，但SHAP值分布过宽，表明模型过度依赖单一预测因子，导致预测误差较大，且人员数量、温度等物理属性的SHAP值集中在零附近，说明ANN未能捕捉这些变量与CO₂之间的非线性关系。

**3.4 时间与空间特征**

研究发现，空间类型与CO₂浓度水平无显著关系。所有测量时间点的CO₂浓度均显著升高，其中16:00的浓度最高。09:00的CO₂浓度显著低于阈值，这可能反映了低人员密度和更好的稀释效果。这一结果表明，建筑空间特征本身并非CO₂的主要预测因子，而时间动态和人员密度更为关键。

**4. 讨论与结论**

讨论部分指出，本研究的发现与Wilson等[1]及Mendell等[34]的研究一致，即低CO₂水平可能反映低占用量和良好稀释，而非设计成功。空间特征在重新设计中未起主要预测作用，但经验趋势显示16:00后CO₂浓度持续上升，提示可通过增加16:00后的清洁空气交换率进行运营调整，这与?lg?rdü and Ba?ak[35]关于CO₂时间变异性的结论一致。研究还表明，ML模型为复杂医院环境中的CO₂动态预测提供了灵活框架，树模型优于线性模型和ANN，因为后者需要更大数据集以避免过拟合，且线性模型受限于线性假设。研究局限性包括数据仅来自单一大学医院、监测周期有限，未来需纳入更广泛、更长周期数据集，并考虑集成深度学习架构如长短期记忆网络（LSTM）。

**结论部分翻译：** 本研究通过应用三种机器学习方法（ANN、RF、XGBoost）和线性回归，调查了大学医院不同空间类型中室内CO₂浓度与室内环境变量之间的关系。结果表明，基于树的技术为复杂医疗环境中的室内CO₂动态建模提供了灵活框架。对比分析显示，树类算法能够以令人满意的预测性能捕捉室内变量与CO₂水平之间的关系，特别是XGBoost和RF展现出强大的泛化能力，并有效处理了数据集的异质性。而ANN和线性回归结果较差。考虑CO₂变量时，RF性能最佳（R²=0.804，MAPE=8.34%，MAE=70.65，RMSE=104.24），其次为XGBoost（R²=0.776，MAPE=9.07%，MAE=78.10，RMSE=111.44）、ANN（R²=0.250，MAPE=19.62%，MAE=159.81，RMSE=203.72）和线性回归（R²=0.175，MAPE=19.44%，MAE=169.37，RMSE=213.77）。RF模型的特征重要性分析显示平均CO₂浓度起主导作用（重要性>0.50）；XGBoost中平均CO₂浓度是最重要预测变量（重要性接近0.60）。这些结果与近期文献中强调树类方法在医疗和机构建筑能源与排放预测中有效性的结论一致。本研究还提供了关于室内建筑设计参数对医疗环境CO₂性能影响的发现：空间类型与CO₂浓度水平无关系，所有测量时间点CO₂浓度显著升高，16:00最高。09:00所有空间CO₂浓度显著低于阈值，表明空间特征不产生重新设计输出，但16:00后应通过中央通风新风循环增加排风速率。通过本研究，测量并利用预测方法对不同建筑参数设计的医院建筑现有CO₂浓度水平，可以确定通风管理应在哪些时间间隔进行调整，从而对建筑能源管理周期产生积极贡献。本研究仅在单一大学医院进行，数据集可扩展至不同医院，未来可探索混合和深度学习架构（如LSTM）以提高时间预测能力和实时适应性。