新论文 | 智慧消防设计：复杂建筑中庭AI烟气预测分析

随着社会的发展和技术的进步，现代建筑趋向于开放通透的空间设计。中庭设计在建筑中变得越来越常见，建筑外观和形态也日益多样化。这些变化给传统的固定消防设施和布局带来了挑战，因为它们可能无法适应复杂的建筑结构和功能需求。因此，对于消防性能化设计的需求也随之增加 [1]。

消防性能化设计（PBD）是一种基于科学原理和工程技术的方法，通过利用先进的计算模拟和分析工具，以及性能导向的设计策略，为建筑提供合理的火灾防控措施。其中，分析建筑内发生火灾时烟气层的下降过程，以及据此计算出的人员可用安全疏散时间（ASET），是评估建筑安全性最核心的内容之一。

目前，工程实践中最常用的流体计算CFD软件计算过程非常耗时且需大量计算资源，这导致最终设计方案往往不是最优解。此外，其所提供的设计经验和数据往往仅作为“一次性使用”，无法有效地与他人或整个行业共享和应用。

针对上述问题，港理工的研究团队首次提出基于人工智能的智慧消防设计方法[2]，即通过训练深度学习模型（或AI模型），使其掌握建筑内部的烟气行为特征和规律，进而实现在给定设计条件下的快速预测。该方法可以极大节省设计成本，实现高效的方案比选和确定设计最优解，并且有效利用设计数据和经验，以避免重复性工作。            

在先前工作中，我们先是验证了AI模型能够准确预测方形中庭空间中的火灾烟气能见度、温度和CO浓度切片[3]；随后又实现用AI模型预测任意给定建筑平面中的顶棚温度、速度和烟气浓度场[4]。

然而，现实中的建筑往往具有更为复杂的三维空间形态。为此，香港理工大学和清华大学合作研究，将AI消防设计模型进一步升维，智慧预测具有复杂形态的中庭空间内的火灾烟气行为，实现消防性能化设计的“一键生成”。

深度学习模型预测复杂中庭空间内的火灾烟气场          

AI模型的优化升级包含以下三个过程：

首先，我们通过借鉴许多地标性建筑的外观，如北京大兴机场、侨福芳草地和深圳华润大厦，建立了具有不同的空间形态、对称度和体量的中庭火灾数值模拟数据库，高度可达60 m，最大体积为22,400 m3；数据进一步分为训练集和测试集。

随后，我们开创性的采用空间投影法进行数据前处理，即将复杂的三维形态信息储存到六个投影面中。该方法能够将AI所处理的数据量缩小百倍，同时最大限度的避免信息丢失。

第一作者介绍

曾彦夫：香港理工大学博士生，研究领域为建筑消防设计和基于人工智能的智慧消防。