【摘要】 温度和相对湿度是多用途隧道室内大气危害和运营风险的重要指标，通过准确的预测和纠正控制措施可以有效缓解这些风险

温度和相对湿度是多用途隧道室内大气危害和运营风险的重要指标，通过准确的预测和纠正控制措施可以有效缓解这些风险[1,2]。提出了一种多层长短期记忆（LSTM）递归神经网络（RNN）架构，以利用过去的监测数据预测隧道内温度和相对湿度的变化趋势。基于预测体系结构，设计了一种智能控制方法，包括预警和通风控制措施。案例研究结果表明，该体系结构与训练数据集拟合良好，在温度和相对湿度测试数据集上的预测准确率分别超过98%和99%。同时，所提出的LSTM-RNN体系结构也可用于模拟和评估通风对城市公用工程隧道温度和相对湿度环境的影响。本文的研究成果为城市综合隧道室内环境的安全、高效、节能控制提供了参考。通过温湿度环境试验分析，可以得出：所提出的基于LSTM-RNN的架构可以用于实时预测温度和湿度的时间序列。预测序列反映了温度和湿度的变化趋势，在此基础上可以实现预警。在模型调优后，当隐藏层的数量为3，LSTM隐藏变量单元的数量为40时，LSTM RNN模型的复杂性和计算性能的整体效率在实验案例研究中达到最高。在温度和相对湿度测试数据集上的预测准确率分别超过98%和99%。训练后的LSTM-RNN模型也可以用于模拟不同条件下的通风效果。当无法达到通风目标时，应提醒操作员小心使用风扇。当可以满足时，可以估计所需的通风持续时间，并向控制系统提供指令，以实现高效节能的通风控制。尽管在训练数据和指标选择方面存在局限性，但拟议的预测和通风控制架构为未来的研究奠定了坚实的方法基础，以解决一些现有的局限性以及与公用工程隧道室内大气危害和运营风险有关的其他问题。

[1]J.J. Cano-Hurtado, J. Canto-Perello Sustainable development of urban underground space for utilities Tunn. Undergr. Space Technol., 14 (1999), pp. 335-340.

[2]D.V.L. Hunt, D. Nash, C.D.F. Rogers Sustainable utility placement via multi-utility tunnels

Tunn. Undergr. Space Technol., 39 (2014), pp. 15-26.

 

免责声明：部分文章整合自网络，因内容庞杂无法联系到全部作者，如有侵权，请联系删除，我们会在第一时间予以答复，万分感谢。