El reciente informe del índice de calidad del aire de la Universidad de Chicago encontró que la información salvaje deteriora la calidad del aire en Canadá. El informe encontró que 2023. años de incendios causaron que las concentraciones de partículas aumentaran a los niveles que no se observaron porque el índice comenzó a tomar registros en 1998. Años.
Este verano, Canadá experimentó una de la peor temporada de los incendios forestales para los minutos. Los incendios causaron que miles evacuaran sus hogares y fumaran ocasionalmente en las ciudades cubiertas ocasionalmente, lo que provocó que la calidad del aire se descomponga.
Cuando huelimos o veamos humo, lo primero que muchos de nosotros podemos pensar es cerrar nuestras ventanas. Sin embargo, el incendio forestal de humo contiene una pequeña partícula fina (PM2.5) que puede pasar a través de pequeñas aberturas o huecos.
En 2023. Años de incendios en Canadá, causaron varias emisiones de gases de efecto invernadero de todas las demás fuentes en combinación. Esto significa que el diseño de espacios internos más seguros es la salud pública. Pero, ¿cómo desarrollamos espacios internos que están bien ventilados y a salvo de las influencias dañinas del humo?
Aumento de la calidad del aire en interiores
Responder esta pregunta tradicionalmente hizo el pasaje a través de un proceso de prueba del mundo real y un error en diferentes espacios. Tal procedimiento es duradero y no siempre factible. Sin embargo, recientemente desarrollamos un marco que integra el modelado y la simulación con técnicas de aprendizaje profundo para responder a esta pregunta.
Sabemos que mejorar la calidad del aire en el aire cerrado, ya sea mejorado, la ventilación, la ocupación óptima o la relación de ajuste en la sala, puede mejorar la salud y reducir las infecciones.
El siguiente paso para investigadores y diseñadores es determinar las mejores características cerradas en una disminución cerrada en la concentración de dióxido de carbono. Dichas características incluyen dimensiones de la habitación, una ubicación de los puertos de ventilación, niveles de ventilación, donde las ventanas, el número máximo del ocupante, los arreglos de sentado, etc.
¿Cómo está nuestro modelo?
El modelo considera que el dióxido de carbono se hunde, fuentes y pasajeros de respiración. Los inquilinos rojos deslumbrantes están expuestos a altas concentraciones, mientras que los inquilinos verdes huecos tienen un menor riesgo de enfermedad. (Autor disponible)
Nuestro marco se ocupa de dos problemas relevantes: falta de información verificada y precisa e ineficiencia de fabricar y estudiar resultados de simulación para muchas combinaciones de ajuste.
Utilizamos un modelo matemático avanzado y herramientas de software asociadas que nos permiten simular varios espacios adjuntos con diferentes configuraciones y recopilar resultados de simulación.
Los datos simulados se usan más a fondo para formar datos para el entrenamiento y el algoritmo, en este caso, utilizando una red neuronal profunda. Los diseñadores pueden usar una red capacitada para predecir la configuración de espacio cerrado desconocido cuando se modifican otras configuraciones.
El marco permite a los diseñadores simular cómo cambiar el diseño de la habitación, como abrir el número y dónde están establecidos, o la densidad del inquilino, podría afectar el beneficio. Por ejemplo, el marco puede evaluar cuánto las personas pueden enfermarse en un espacio particular, ayudando a los arquitectos y planificadores a ajustar las configuraciones para reducir el riesgo de infección antes de que comience la construcción.
Varios estudios de casos han utilizado el entorno de laboratorio de la Universidad para confirmar la casilla. En un caso de estudio de caso, nuestro equipo de investigación podría crear 600 escenarios de simulación de diferentes diseños de laboratorio. Los resultados de la simulación produjeron un rico conjunto de datos que sería casi imposible de repetir en la vida real debido a los costos y las limitaciones logísticas.
Los datos resultantes se utilizan para entrenar los algoritmos de aprendizaje automático para predecir dónde y cuántas personas pueden exponerse a los altos niveles de dióxido de carbono. Con esta información en la mano, es más fácil tomar decisiones inteligentes sobre dónde necesita establecer puertos de ventilación o cuántas personas seguramente deberían tomar una habitación bajo ciertas condiciones.
Fumo del Fire Secado Potok cerca de Squamish, antes de la nueva era, 10 de junio de 2025. Años. Impresión canadiense requerida / Estudios futuros de Tijana Martin
En todo Canadá, los investigadores dan aprendizaje de máquinas de aprendizaje en dominios, escuelas y oficinas. Nuestros hallazgos sugieren que este enfoque está bien adaptado para el estudio de la forma en que el dióxido de carbono se propaga en entornos cerrados.
Sin embargo, queda un estudio más amplio. Hasta la fecha, los estudios de casos se han centrado exclusivamente en el entorno universitario. Sin embargo, nuestro marco está diseñado para ser escalable y adaptable a una amplia gama de espacios internos. La investigación futura debe difundir escuelas, gimnasios y edificios residenciales para fortalecer la confianza en el marco y especificar su poder predictivo.
Es posible que no tengamos productos de control de aire afuera, pero podemos diseñar nuestros espacios para controlar la calidad del aire desde el interior.
Descubre más desde USA Today
Suscríbete y recibe las últimas entradas en tu correo electrónico.
Spanish 