《工程力学》：新冠肺炎疫情临时医院排风的环境影响快速模拟方法

1

摘要

 摘要：2019年末爆发的新型冠状病毒肺炎疫情对现有医疗系统造成了巨大压力，各地开始建设新型冠状病毒肺炎的集中治疗临时医院。临时医院排风口排出的气体可能对临时医院新风口或者周围环境造成污染。由于临时医院的设计和建造周期只有6-10天，因此排风环境影响分析一般需要在几小时内完成。基于上述背景，本研究提出了一个临时医院排风环境影响的快速模拟方法。本方法以开源流体力学计算软件FDS为基础，实现了临时医院建筑的快速建模、基于云计算平台的分布式计算、以及有害空气流动的监测和可视化，为临时医院设计阶段的快速分析提供了专门工具。并以武汉雷神山医院为案例，说明了本方法在此次肺炎疫情防疫工作中的应用价值。

Abstract: At the end of 2019, the outbreak of the novel coronavirus pneumonia resulted in severe pressure on Chinese existing medical system. Several Chinese cities began to build temporary hospitals for centralized treatment of the pneumonia patients. Owing that the design and construction of the temporary hospital must be completed in 6-10 days, just a few hours are allowed for the analysis of the impact of exhausted air on the surrounding environment. To overcome this difficulty, a high-efficiency simulation method for analyzing the impact of exhausted air is proposed in this study. Based on the open-source computational-fluid-dynamics (CFD) software FDS, the proposed method realizes the fast modeling of temporary hospitals, the cloud computing-based CFD computation, and the monitoring and visualization of harmful air. The proposed method can serve as an efficient tool for the rapid analysis in the design stage of the new-built temporary hospital. Finally, a case study of Wuhan Leishenshan hospital is conducted, which demonstrates the application value of the proposed method in the epidemic prevention of the pneumonia.

关键词：新型冠状病毒肺炎；污染扩散模拟；FDS；快速建模；云计算

Key words:  novel coronavirus pneumonia; pollution dissipation simulation; FDS; fast modeling; cloud computing

2

研究背景

2019年末新型冠状病毒引起的肺炎疫情严重。据统计，截至2020年2月9日，确诊病例已达37287例，疑似病例已达28942例，死亡病例已达813例。大量病人对现有医疗系统造成了巨大压力。

        为应对现有医疗救治条件不足的问题，中国各地开始建设新型冠状病毒肺炎患者的集中治疗临时医院。譬如，武汉新建火神山和雷神山两座临时医院专门收治新型冠状病毒确诊患者；北京改造当年用于SARS治疗的小汤山医院专门收治新型冠状病毒患者。这些医院为了防止病毒扩散引起感染，在室内暖通设计时采取了负压病房空气系统，利用专门的排风系统向室外高空排出病房内受污染的空气，以免向医院内其他未污染区域扩散。虽然排风系统针对含病毒空气采取了很好的过滤措施，但是其通过排风口排放仍然存在一定传染风险。有研究表明，当含SARS的病毒空气被稀释到10000倍以上时，就不再具有传染性[1]。很多学者和设计单位建议了室外排风的设计要求[2-4]。在以上成果的基础上，如果可以进一步结合具体医院的实际情况，模拟室外含病毒空气的扩散机制，则可以定量评估临时医院排放出的含病毒空气的污染风险，为排放物的二次污染防控提供更加定量具体的参考和依据。值得注意的是，由于临时医院的设计和建造周期只有6-10天，留给排风的环境影响分析时间一般只有几个小时。因此，对分析方法的准确性和高效性都提出了很高的要求。

        目前，可以采用四种方法研究建筑物周围的污染物扩散现象，包括 (1) 实地测量、(2) 物理试验、(3) 半经验模型、(4) 数值模拟。实地测量只适用于记录已建成区域的污染物浓度，无法为临时医院的设计提供参考。物理试验需要制作所关注建筑或区域的缩尺模型和进行风洞试验，并且需要满足相似性准则，需要大量的时间[5]，无法满足防疫应急需要。因此，物理试验方法难以满足临时医院快速分析的需求。

        常用的半经验模型有高斯模型和ASHRAE模型[6-7]。这类模型假设稳态情形下漂浮污染物的含量在水平和垂直方向上呈高斯分布[8-9]，在实际分析中通常需要依据观测得到一些经验或半经验参数，以此来实现分析问题的简化[10]。虽然半经验模型能够满足快速分析需求，但目前的半经验模型仅仅适用于平坦的空旷地带，而难以考虑建筑甚至 建筑群对污染物扩散机制的影响[11]。

        近年来，计算流体力学 (Computational Fluid Dynamics, CFD) 技术逐步在建筑物周围的污染物扩散研究方面得到应用。依据研究对象的尺度，这类研究大致可以分为独栋建筑、单个街道以及复杂建筑群三个层次。在独栋建筑周围的污染物扩散研究方面，由于计算尺度较小，除了雷诺平均N-S方程 (RANS) 方法[12-15]，大涡模拟 (LES) 方法 [16-17]和直接数值模拟 (DNS) 方法[18]也得到了一定的应用。而在单个街道层次，研究主要采用RANS方法[19-21]和LES方法[22-24]。在复杂建筑群层次，相关研究大多采用RANS方法[25-27]，LES得到少量应用[28]。

        虽然目前已经有很多比较成熟的污染物扩散模拟方法，但将上述半经验模型或者数值模拟方法应用到本研究时，有两点困难需要克服：(1) 由于临时医院建筑群平面布置多样，简化的半经验模型难以适用；(2) 一些商用流体动力学计算平台虽然可以提供较好的分析功能和前后处理功能，但是考虑到中国多地临时医院的紧急建设需求，购买商用流体计算平台无论是时间上还是费用上都无法满足应急阶段的需要。且Fluent等一些常用流体力学软件计算资源消耗较大且计算时间较长。因此，有必要在本研究中引入计算效率高、代码开源、操作简便的CFD计算软件，以满足临时医院的紧急分析需求。

        FDS (Fire Dynamic Simulator) 是美国国家标准技术研究院开发的一款开源流体动力学计算软件。该软件最初是为了火灾模拟而开发，随着其功能的逐步丰富，目前也在空气污染模拟领域得到了应用[29-30]。FDS软件具有以下优点：(1) FDS为开源软件，便于广泛推广；(2) 采用LES模拟污染物扩散过程，能够捕捉流场和污染物的瞬态特征，更好模拟不同污染物的传染机理；(3) 与一般的商用软件相比，FDS软件能快速实现流域的网格划分，操作简便，便于工程师快速对设计方案进行评估。

        基于上述优点，本研究以FDS为软件基础，针对临时医院的快速分析需求，研发有害气体对环境影响的快速模拟方法，为临时医院设计服务。

3

方法框架

为满足工程需求，本文提出的临时医院排风的环境影响快速模拟方法由以下三个模块组成：

(1) 临时医院建筑的快速建模模块；

(2) 基于云计算平台的CFD模拟和参数分析模块；

(3) 有害气体流动监测及结果可视化模块。

        其中，模块(1) 需要完成流场域、临时医院建筑、排风口、整体风环境以及有害气体监测点等的建模。模块(2) 需要完成不同风向、不同风速、不同设计方案下的影响分析。模块(3) 需要对计算结果进行处理，并生成直观的可视化效果，满足工程建设决策需要。为满足临时医院建设的急迫时间需求，本文提出了以下高效建模和分析方法。

4

临时医院建筑的快速建模

        FDS中流场模拟和污染扩散分析需要输入以下信息：(1) 流场计算域网格；(2) 建筑物模型；(3) 风环境模型；(4) 排气口模型；(5) 有害气体监测点。具体介绍如下：

4.1 流场计算域网格

        合理的网格是CFD计算精度和效率的重要保障，与常规CFD软件的网格划分方式不同，FDS采用矩形网格对计算域进行网格划分，并能实现对压力的快速求解。因而保证了计算的高效，可以在数十分钟内得到复杂环境的大涡模拟结果。对临时医院建筑进行分析时，计算域的尺寸和边界条件应参考COST 732 [31]和AIJ [32] 等Best Practice Guidelines的要求。FDS允许不同计算域采用不同的网格密度。因此，对于医院建筑附近的计算域，推荐采用0.5 m到1 m的网格，以提升精度。由于临时医院一般高度不超过三层，因此对排风口以上10m范围以外，推荐采用2 m的网格，保证计算效率和精度的平衡。

4.2 建筑物模型

由于临时医院建筑大多采用标准模块的箱式建筑，平面布置以“王”字形或“主”字形为主，如图1所示。临时医院中间建筑为医护用房，两侧指廊为病房或医技用房。

图1 建设中的(a)火神山(b)雷神山临时医院[33]

Fig1 (a) Huoshenshan and (b) Leishenshan hospital under construction[33]

因此，可以根据建筑的平面布置和屋面标高，将建筑物划分成若干个长方体组成的模块，用FDS的命令流功能直接建模。命令流为：

&OBST XB=X-MIN, X-MAX, Y-MIN, Y-MAX, Z-MIN, Z-MAX/

        其中，“&OBST XB=”为FDS的关键字，表示建立一个实体。X-MIN, X-MAX, Y-MIN, Y-MAX, Z-MIN, Z-MAX分别是建筑物在X、Y、Z三个方向的边界。由于FDS采用了矩形流体网格，因此实体建模也只能建立矩形实体。对于外形复杂的建筑，FDS只能采用大量矩形实体近似其外形。但是对于临时医院而言，由于其外形本来就是规则的矩形（图1），因此反而充分符合了FDS的特点。

        值得一提的是，如果分析对象建筑已经有了Sketchup模型、BIM模型、CAD模型等三维模型，则可以通过Pyrosim软件[34]，将其转换成FDS的模型，建模效率可以进一步提高。

4.3 风环境模型

在FDS中，输入风荷载的剖面分布依据Monin-Obukhov相似理论得到，如式 (1) 所示。

4.4 排气口模型

        排气口建模包括三个内容：

(1) 排气口的空间位置

排气口的空间位置同样采用FDS的实体建模命令“&OBST”和表面建模命令“&SURF”完成。“&OBST”命令建立一个实体作为排气口。“&SURF”命令指定排气口实体上的某个面为排风面。

(2) 排气口的排风量

        根据FDS提供的功能，“&SURF”命令可以设定排气口的排气量（采用“VOLUME_FLOW”参数，单位m3/s），这个数据可以根据排风口联通的空调系统的设计通风量确定。本次肺炎疫情临时医院每个病房的设计排风量VR大概是600-750 m3/h。一般N个病房共用一个排风口，则可以计算得到排风口的排风量为VR∙N。

(3) 排气口有害气体的追踪

为了跟踪排风口排出的有害气体在空气中的扩散，需要设定示踪气体 (Tracer gas)，而后，可以通过追踪示踪气体的体积比或质量比，来追踪有害气体的分布。本次肺炎疫情临时医院一般一个病房安排两位病人，根据文献[1]的研究，每位病人呼出的有害气体VP约为0.3 m3/h。则共用一个排风口的N个病房，病人呼出的有害气体的总量为2VP∙N。根据相关设计要求[3,4]，排风口都会安装高效过滤装置。因此，排风口排出的空气中，有害气体的体积比例：

4.5 有害气体监测点

        最后，为了定量获取指定位置的有害气体浓度，可以采用FDS的“&DEVC”指令，创建有害气体监测点。具体参数包括：(1) 用“QUANTITY”参数，指定监测内容为示踪气体的比例。(2) 用“XYZ=”命令，指定监测点在模型中的坐标。另外，也可以通过剖面、等值面等方式获取有害气体在空间的宏观分布。

工程中需要考虑的分析参数一般包括不同风向、风速、不同的建筑平面布置，还需要考虑不同的排风口、新风口平面位置、高度、朝向等参数。虽然FDS具有很高的计算效率，但是，考虑到需要完成不同风向、不同风速、不同设计方案下的计算，众多分析工况仍给计算效率带来了很大的挑战。由于FDS是免费开源软件，可以在任意多台电脑上安装，因此可以利用云计算硬件资源，满足短时间爆发的多工况计算情景的需求。

        具体操作为：可以通过在华为云平台（也可采用其他云计算平台）购买64核的云计算虚拟机（每台虚拟机的费用大概13-18元/小时），并安装FDS软件。FDS具有很好的并行计算功能，可以充分利用虚拟机上的并行计算资源，支持MPI、OpenMP等多种并行机制，可运行于Windows或Linux等多种操作系统。这样有多少个工况就可以购买多少台云计算虚拟机开展分布式计算，从而以较低的成本满足突发的计算资源需求。

        FDS计算完成后，可以通过以下2种途径考察有害气体的分布情况。

(1) 有害气体监测点结果

     4.5节指定的有害气体监测点可以输出“devc.cvs”文件，提供了每个监测点各时间点的精确有害气体浓度，对“devc.cvs”文件处理，则可以用曲线方式给出各监测点结果。

(2) 示踪粒子、等值面动画等

FDS可以通过“Tracer”功能和“&ISOF”命令，生成有害气体在空中运动的示踪粒子轨迹和浓度等值面，如图2所示，便于用户直观考察有害气体在空气中的分布规律。图2中，黑色粒子即为有害气体的示踪粒子；红色曲面为有害气体的浓度等值面。

图2  有害气体轨迹及浓度等值面（西南风，1.9 m/s）

Fig2  Trace and concentration isosurface of harmful air
(Southwest wind, 1.9 m/s)

本文以武汉市雷神山医院为例，介绍本文提出的快速模拟方法的具体实施情况。

        雷神山医院为武汉市为应对肺炎疫情而建设的一座典型临时医院，位于中国湖北省武汉市江夏区军运村，设计床位数为1600张。每个病房每小时换气12次，设计新风量为500～550 m3/h，排风量为650～700 m3/h。采用上述建模方法，建立雷神山医院的三维FDS模型如图3所示。

图3  雷神山医院三维FDS模型

Fig3  Three-dimensional FDS model of Leishenshan hospital

      采用华为云计算平台，租用Intel Cascade Lake 3.0GHz 64核服务器，完成一个工况计算需要约45分钟（采用64核并行），计算占用内存约40 G。图4所示为模拟得到的不同排风口高度下1.5 m高程处的有害气体相对浓度。可见将排风口高度提高后，有害气体的相对浓度有了显著降低。

图4 不同排风口高度下有害气体相对浓度分布图

Fig4  Distributions of relative concentrations of harmful air in cases with different vent heights

根据设定的8个新风口附近的监测点，可以定量对比不同设计方案新风口的有害气体相对浓度（以排气口的有害气体相对浓度为100%），如图5所示。其结果可为工程设计参考。 

        整个分析过程从拿到设计图纸到完成计算报告，一共用时约6个多小时。其中大约3个多小时用于建模，2个多小时用于计算和结果分析。其他时间用于报告的整理和写作。满足了应急医院建设的工程周期需要。

图5 有害气体在监测点的相对浓度对比

Fig5  Comparison of relative concentrations of harmful air at monitoring points

新型冠状病毒肺炎集中治疗临时医院排风的环境影响分析需要高效、低成本的分析方法。本研究以开源流体力学计算软件FDS为基础，实现了临时医院建筑的快速建模、基于云计算平台的高效计算、以及有害气体流动的监测和可视化，并以武汉雷神山医院为案例，说明了本方法在此次肺炎疫情防疫工作中的应用价值。主要结论如下：

        (1) 本文提出的分析方法，可以定量提供排风点有害气体在整个医院环境中的空间分布情况，为医院排风设计和总体规划提供参考。

        (2) FDS基于矩形网格进行建模和流体分析，非常适合临时医院建筑分析的需求，且可以极大提升计算效率。通过云计算平台以及FDS的开源免费特点，可以满足临时医院设计的迫切时间需求。

        由于本次新冠肺炎疫情非常紧迫，因此在分析中采取了很多简化假定。随着对新冠病毒传播机制研究的深入，可以引入更加合理的流体计算参数，使得模拟结果更符合实际情况。

       感谢北京科技大学吴元、张芙蓉，北京建筑大学陈越等同学提供的帮助。另外，在中信建筑设计研究总院有限公司、北京市建筑设计研究院有限公司的支持下，本方法在2020年1月24~2月2日期间，由本文北京团队在武汉火神山医院及北京地坛医院等工程中得到应用。

[1]      Jiang Y, Zhao B, Li X, Yang X, Zhang Z, Zhang Y. Investigating a safe ventilation rate for the prevention of indoor SARS transmission: An attempt based on a simulation approach [J]. Building Simulation, 2009, 2(4): 281-289.

[2]      中国制冷学会. 春节上班后应对新冠肺炎疫情安全使用空调（供暖）的建议 [EB]. http://www.car.org.cn/index.php?s=/articles_1348.html, 2020-02-02,/2020-02-10.

Chinese Association of Refrigeration. Suggestions on the use of air conditioning (heating) in response to 2019-nCoV pneumonia after the Spring Festival [EB]. http://www.car.org.cn/index.php?s=/articles_1348.html, 2020-02-02,/2020-02-10. (in Chinese)

[3]      湖北省住房和城乡建设厅. 呼吸类临时传染病医院设计导则（试行）[R]. 湖北: 湖北省住房和城乡建设厅， 2020.

Development of Housing and Urban-Rural Development of Hubei Province. Guidelines for the design of temporary hospitals built especially for the treatment of respiratory infectious diseases (Trial) [R]. Hubei: Development of Housing and Urban-Rural Development of Hubei Province, 2020. (in Chinese)

[4]      T/CECS 661-2020, 新型冠状病毒感染的肺炎传染病应急医疗设施设计标准 [S]. 北京: 中国工程建设标准化协会, 2020.

T/CECS 661-2020, The Design Standard of Infectious Disease Emergency Medical Facilities for Novel Coronavirus (2019-nCoV) Infected Pneumonia [S]. Beijing: China Association for Engineering Construction Standardization, 2020.

[5]      Cochran L, Derickson R. A physical modeler's view of computational wind engineering [J]. Journal of Wind Engineering and Industrial Aerodynamics, 2011, 99(4):  139-153.

[6]      ASHRAE. Building Air Intake and Exhaust Design. ASHRAE Handbook − Heating, Ventilating, and Air-conditioning Applications (Chapter 44) [M]. American Society of Heating, Refrigerating and Air-conditioning Engineers, Atlanta, United States, 2007.

[7]      ASHRAE. Building Air Intake and Exhaust Design. ASHRAE Handbook − Heating, Ventilating, and Air-conditioning Applications (Chapter 45) [M]. American Society of Heating, Refrigerating and Air-conditioning Engineers, Atlanta, United States, 2011.

[8]      Holmes N S, Morawska L. A review of dispersion modelling and its application to the dispersion of particles: an overview of different dispersion models available [J]. Atmospheric Environment, 2006, 40(30): 5902-5928.

[9]      Meroney R N, Derickson R. Virtual reality in wind engineering: the windy world within the computer [J]. J. Wind Eng, 2014, 11(2): 11-26.

[10]    Li X X, Liu C H, Leung D Y, Lam K M. Recent progress in CFD modelling of wind field and pollutant transport in street canyons [J]. Atmospheric Environment, 2006, 40(29): 5640-5658.

[11]    Lateb M, Meroney R N, Yataghene M, Fellouah H, Saleh F, Boufadel M C. On the use of numerical modelling for near-field pollutant dispersion in urban environments − A review [J]. Environmental Pollution, 2016, 208:  271-283.

[12]    Blocken B, Stathopoulos T, Saathoff P, Wang X. Numerical evaluation of pollutant dispersion in the built environment: comparisons between models and experiments [J]. Journal of Wind Engineering and Industrial Aerodynamics, 2008, 96(10-11): 1817-1831.

[13]    Tominaga Y, Stathopoulos T. Numerical simulation of dispersion around an isolated cubic building: comparison of various types of k–ɛ models [J]. Atmospheric Environment, 2009, 43(20): 3200-3210.

[14]    Tominaga Y, Stathopoulos T. Numerical simulation of dispersion around an isolated cubic building: model evaluation of RANS and LES [J]. Building and Environment, 2010, 45(10): 2231-2239.

[15]    Gousseau P, Blocken B, Stathopoulos T, Van Heijst G J F. CFD simulation of near-field pollutant dispersion on a high-resolution grid: a case study by LES and RANS for a building group in downtown Montreal [J]. Atmospheric Environment, 2011, 45(2): 428-438.

[16]    Gousseau P, Blocken B, Van Heijst G J F. CFD simulation of pollutant dispersion around isolated buildings: On the role of convective and turbulent mass fluxes in the prediction accuracy [J]. Journal of Hazardous Materials, 2011, 194: 422-434.

[17]    Gousseau P, Blocken B, Van Heijst G J F. Large-Eddy Simulation of pollutant dispersion around a cubical building: Analysis of the turbulent mass transport mechanism by unsteady concentration and velocity statistics [J]. Environmental Pollution, 2012, 167: 47-57.

[18]    Rossi R, Philips D A, Iaccarino G. A numerical study of scalar dispersion downstream of a wall-mounted cube using direct simulations and algebraic flux models [J]. International Journal of Heat and Fluid Flow, 2010, 31(5):  805-819.

[19]    Baik J J, Kim J J. On the escape of pollutants from urban street canyons [J]. Atmospheric Environment, 2002, 36(3): 527-536.

[20]    Kim J J, Baik J J. Effects of inflow turbulence intensity on flow and pollutant dispersion in an urban street canyon [J]. Journal of Wind Engineering and Industrial Aerodynamics, 2003, 91(3): 309-329.

[21]    Nazridoust K, Ahmadi G. Airflow and pollutant transport in street canyons. Journal of Wind Engineering and Industrial Aerodynamics, 2006, 94(6): 491-522.

[22]    Zhang Y W, Gu Z L, Cheng Y, Lee S C. Effect of real-time boundary wind conditions on the air flow and pollutant dispersion in an urban street canyon—large eddy simulations [J]. Atmospheric Environment, 2011, 45(20): 3352-3359.

[23]    Cheng W C, Liu C H. Large-eddy simulation of flow and pollutant transports in and above two-dimensional idealized street canyons [J]. Boundary-Layer Meteorology, 2011, 139(3): 411-437.

[24]    Cheng W C, Liu C H. Large-eddy simulation of turbulent transports in urban street canyons in different thermal stabilities [J]. Journal of Wind Engineering and Industrial Aerodynamics, 2011, 99(4): 434-442.

[25]    Baik J J, Park S B, Kim J J. Urban flow and dispersion simulation using a CFD model coupled to a mesoscale model [J]. Journal of Applied Meteorology and Climatology, 2009, 48(8): 1667-1681.

[26]    Pontiggia M, Derudi M, Alba M, Scaioni M, Rota R. Hazardous gas releases in urban areas: Assessment of consequences through CFD modelling [J]. Journal of Hazardous Materials, 2010, 176(1-3): 589-596.

[27]    Pontiggia M, Landucci G, Busini V, Derudi M, Alba M, Scaioni M, Rota R. CFD model simulation of LPG dispersion in urban areas [J]. Atmospheric Environment, 2011, 45(24): 3913-3923.

[28]    Gousseau P, Blocken B, Stathopoulos T, van Heijst G F. Near-field pollutant dispersion in an actual urban area: Analysis of the mass transport mechanism by high-resolution Large Eddy Simulations [J]. Computers & Fluids, 2015, 114, 151-162.

[29]    Mouilleau Y, Champassith A. CFD simulations of atmospheric gas dispersion using the Fire Dynamics Simulator (FDS) [J]. Journal of Loss Prevention in the Process Industries, 2009, 22(3): 316-323.

[30]    Pesic D J, Blagojevic M D, Zivkovic N V. Simulation of wind-driven dispersion of fire pollutants in a street canyon using FDS [J]. Environmental Science and Pollution Research, 2014, 21(2): 1270-1284.

[31]    Franke J, Hellsten A, Schlünzen H, Carissimo B. Best Practice Guideline for the CFD Simulation of Flows in the Urban Environment, Cost Action 732: Quality Assurance and Improvement of Microscale Meteorological Models [M]. Meteorological Inst., 2007.

[32]    Tominaga Y, Mochida A, Yoshie R, Kataoka H, Nozu T, Yoshikawa M, Shirasawa T. AIJ guidelines for practical applications of CFD to pedestrian wind environment around buildings [J]. Journal of Wind Engineering and Industrial Aerodynamics, 2008, 96(10-11): 1749-1761.

[33]    新京报网. 多地开建新冠肺炎专门医院 小汤山模式如何落地全国 [EB]. https://finance.sina.cn/2020-02-05/detail-iimxyqvz0523673.d.html, 2020-02-05,/2020-02-09.

The Beijing News. Special hospitals for 2019-nCoV treatment are being constructed in several cities, and how to implement Xiaotangshan mode nationwide? [EB] https://finance.sina.cn/2020-02-05/detail-iimxyqvz0523673.d.html, 2020-02-05,/2020-02-09. (in Chinese)

[34]    Xu Z, Zhang Z C, Lu X Z, Zeng X, Guan H, Post-earthquake fire simulation considering overall seismic damage of sprinkler systems based on BIM and FEMA P-58 [J]. Automation in Construction, 2018, 90: 9-22.