基于住宅特性的上海地區冬季夜間臥室滲透風換氣次數分析

黃晨 卿湛媛 劉煒 王雪穎 蔡姣 鄒志軍 孫嬋娟

摘 要： 由上海地區住宅冬季夜間臥室門窗關閉時CO2體積分數現場檢測結果得到臥室夜間滲透風換氣次數，根據檢測住宅的問卷調查結果，運用統計學中相關分析和多元回歸分析方法，宏觀分析住宅特性與冬季夜間臥室滲透風換氣次數的相關性。研究結果表明：所檢測的上海地區冬季夜間臥室滲透風換氣次數在0.07～0.88 h-1之間，多數住宅僅靠滲透風量不能滿足最小新風量的要求。按影響強弱排序，窗戶類型、門窗縫隙長度、住宅類型均與滲透風換氣次數有顯著相關性；利用現場實測的25個住宅實測樣本建立預測上海地區冬季夜間臥室滲透風換氣次數的多元線性回歸模型，其滲透風換氣次數預測值與計算值平均絕對百分誤差為26.7%，標準差為0.025 h-1。利用未參與建模的5個實測樣本對模型進行驗證，模型預測值與計算值的相對誤差在-20.4%～24.2%。所建模型可為上海地區住宅冬季夜間臥室滲透風換氣次數快速評估及建筑能耗預測提供參考。

關鍵詞： 滲透風換氣次數； 住宅特性； 相關分析； 多元回歸分析； 示蹤氣體法

中圖分類號： TU 834 文獻標志碼： A

Analysis of Bedroom Infiltration Ratio Based on Residential

Characteristics During Winter Nights in Shanghai

HUANG Chen1， QING Zhanyuan1， LIU Wei1，2， WANG Xueying1，

CAI Jiao1，3， ZOU Zhijun1， SUN Chanjuan1

（1.School of Environment and Architecture， University of Shanghai for Science and Technology， Shanghai 200093， China；

2.School of Architecture， Tsinghua University， Beijing 100084， China；

3.School of Civil and Architectural Engineering， Yangtze Normal University， Chongqing 408100， China）

Abstract： The infiltration ratio during winter nights were obtained in terms of onsite detection of CO2 concentration in bedrooms of Shanghai residential buildings when their doors and windows closed.Based on the results of questionnaire survey，the correlation between the residential characteristics and the infiltration ratio of the detected bedrooms during winter nights were studied using correlation analysis and multiple regression analysis.The results showed that the infiltration ratio of Shanghai residential buildings in winter nights ranged approximately between 0.07 and 0.88 h-1.The infiltrated air couldnt meet the minimum ventilation requirements for most residential buildings.There was a significant correlation between the window type，the gap length of the door and window，the house type and the infiltration.Based on 25 onsite samples，the multiple linear regression model of winter infiltration ratio in Shanghai was established.The results showed that the average relative error between the predicted values and the mean absolute percentage error（MAPE） was 26.7%，and the standard deviation was 0.025 h-1.The model was validated by the other 5 onsite samples.Its relative error between the predicted values and the calculated values ranged between -20.4% and 24.2%.The model can provide references for the rapid assessment and prediction of the infiltration ratio in bedrooms of Shanghai residential buildings during winter nights.

Keywords： infiltration ratio； residential characteristics； correlation analysis； multiple regression analysis； tracergas method

滲透風量通常被定義為通過建筑孔隙或縫隙從室外引入室內的新風量[1]。隨著我國對建筑節能要求的提高，對建筑圍護結構保溫以及門窗的氣密性要求不斷提高，建筑滲透風量顯著降低，導致如今住宅建筑在門窗關閉時室內新鮮風量減少，室內空氣品質降低。因此，研究住宅滲透風量及其影響因素對提高室內空氣品質具有重要意義，同時也可為上海地區建筑能耗的計算提供基礎資料。大量研究[2-6]表明，滲透風量受建筑特性、建筑年代以及氣候條件等多因素影響，但采用大樣本量統計分析滲透風量的文獻較少。

能源研究與信息2018年 第34卷

第1期黃 晨，等：基于住宅特性的上海地區冬季夜間臥室滲透風換氣次數分析

很多研究通過現場實測建筑氣密性來了解建筑滲透風量。Kalamees[7]采用鼓風門對愛沙尼亞32戶新建的輕型單戶獨立式住宅的氣密性進行了現場檢測，發現住宅總層數和施工工藝水平對住宅氣密性具有顯著影響。Shinohara等[8]利用全氟化碳示蹤氣體法實測計算得出日本住宅多區房間通風量，方差分析結果顯示，住宅類型、生活習性以及季節是換氣次數差異的主要原因。李灝如[9]利用二氧化碳示蹤氣體法對北京某學生公寓夏季夜間自然通風進行實測研究發現，由于建筑物朝向不同導致的房間通風量差異并不明顯。Chan等[3]利用鼓風門檢測得到50 Pa壓差下的滲透風量，并計算得到4 Pa壓差下通過建筑圍護結構產生相同氣流的孔隙面積，即建筑物的有效滲透面積，再利用建筑面積和修正后的建筑高度得到歸一化滲透面積，通過回歸分析檢驗建筑年代、氣候區域、建筑面積、建筑高度等因素與歸一化滲透面積之間的關聯性，所建歸一化滲透面積回歸模型可以解釋分布于美國的68%住宅滲透面積與這些因素之間的關聯。Ipbüker等[10]采用方差分析法比較了愛沙尼亞2005—2014年間建造的18幢住宅的能量需求、滲透風量及其影響因素，影響因素包括建筑體積、占地面積、建筑年代、壓實度、窗墻比和框架長度，提出了基于上述影響因素的50 Pa壓差下滲透風換氣次數回歸模型。由此可見，不同地區、不同住宅類型的住宅滲透風量所受影響因素有所不同，因此有必要對上海地區住宅滲透風量的影響因素進行研究。

本文以單位時間內通過房間圍護結構的滲透風量與房間體積的比值即滲透風換氣次數作為研究目標，通過分析上海地區住宅24 h CO2體積分數變化，確定以冬季夜間臥室門窗關閉時CO2體積分數變化作為滲透風換氣次數計算依據，利用對所檢測住宅的相關問卷調查結果，運用統計學中相關分析和多元回歸分析方法，采用SPSS軟件研究滲透風量與住宅特性之間的關聯，以獲得反映住宅特性的滲透風量模型。1 滲透風換氣次數及其住宅特性確定方法1.1 研究背景

本文研究數據來自2013年3月至2014年12月，中國室內環境與兒童健康調查（China，Children，Homes，Health，CCHH）上海地區課題組對上海地區454戶家庭進行的住宅24 h CO2濃度現場跟蹤檢測結果[11]。測試過程中未對住宅內的人員活動進行限制，即在檢測過程中會出現人員外出進入、室內走動以及開關門窗等引起CO2體積分數變化的行為。圖1展示了具有代表性的夜間門窗關閉時臥室、客廳和室外CO2體積分數24 h的三種變化情況。白天由于在室人員存在各種活動行為，各室CO2體積分數存在一定的波動，對應圖1中的活動狀態。夜間客廳CO2體積分數由于人員的離開而降低，而臥室內由于在室人員進入穩定睡眠階段，人體CO2釋放量穩定，對應圖1中的穩定睡眠段。圖1中，臥室穩定睡眠段體現了夜間門窗關閉時臥室內三種典型的CO2體積分數變化規律。由于建筑氣密性不同，滲透風換氣次數與在室人員CO2釋放量的共同作用，致使居室CO2體積分數變化規律也有所不同。圖1（a）說明室外滲透風換氣次數較大，逐漸稀釋了在室人員CO2釋放量，使得CO2體積分數變化開始下降而后逐漸穩定；圖1（b）說明室外滲透風換氣次數較小不足以稀釋在室人員CO2釋放量，使得CO2體積分數開始上升而后逐漸穩定；而圖1（c）說明滲透風換氣次數正好稀釋在室人員CO2釋放量，使得室內CO2體積分數一直處于穩定狀態。因此，本文以夜間臥室門窗關閉情況下CO2體積變化穩定睡眠段作為研究對象，且由于冬季夜晚室外溫度低，人們習慣在睡眠時關閉臥室門窗，選擇冬季作為研究季節，研究住宅特性對滲透風換氣次數的影響。

1.2 滲透風量

根據CO2體積分數變化計算通風量的方法即示蹤氣體法。常見的示蹤氣體法有三種：上升法、下降法、脈沖法[12]。三種方法均遵循示蹤氣體質量守恒原理，可用式（1）表達，即

VdCdτ=F（τ）+Q（τ）（Co-C（τ））（1）

式中：V為測試房間空氣體積，m3；C（τ）為房間空氣中CO2的體積分數；τ為時間，h；F為單位時間內CO2釋放量，m3·h-1；Co為室外CO2的體積分數；Q為室內通風量，即滲透風量，m3·h-1。

圖1 上海三個典型家庭24 h的各居室二氧化碳變化

Fig.1 Changes of carbon dioxide concentration in

24 h from three typical Shanghai families

本文研究的時間段內有穩定的CO2釋放源F（τ）=F，滲透風量假設為理想的穩定狀態，Q（τ）=Q，不隨時間變化。根據研究對象特點選擇上升法和脈沖法，由式（1）獲得上升法和脈沖法計算得到的滲透風換氣次數表達式，分別如式（2）、（3）所示，即

上升法：dC=dτV{F-NV[C（τ）-Co]}（2）

穩定法：N=FV（C—i-Co）（3）

式中：N為測試房間換氣次數，N=Q/V，h-1；C—i為房間內CO2的體積分數均值。

單位時間內居住人員的人體CO2釋放量可根據Persily等[13]提出的式（4）進行計算，即

F=202R·M·H0.725·W0.42575.6（0.23RQ+0.77）（4）

式中：R為呼吸商，無量綱；M為單位體表面積的人體新陳代謝率，W·m-2（睡覺期間一般取40 W·m-2[15]）；H為居住人員的身高，m；W為居住人員的體重，kg。

影響R的因素較多，其中包括年齡，檢測臥室內入住人員不僅有兒童，還有成人，但各種不同因素對R影響不大，一般在0.7～1.0，對釋放量F計算結果影響甚微，為此，本文中呼吸商統一取值為0.83[14]。身高和體重由問卷中臥室實際入住人員信息確定。利用式（4）便可計算得到實際入住人員的CO2總釋放量F。由于室外CO2體積分數變化很小，Co均取計算時間段內室外CO2體積分數均值。

當臥室夜間CO2體積分數變化與圖1（a）或圖1（b）情況相似，臥室穩定睡眠段的CO2上升或下降時，可采用上升法[式（2）]，利用夜間CO2體積分數實測結果，采用差分迭代法[16]計算滲透風換氣次數；當臥室夜間CO2體積分數變化與圖1（c）情況相似，臥室穩定睡眠段的CO2體積分數一直處于穩定時，則可采用脈沖法[式（3）]計算滲透風換氣次數。

1.3 基本信息獲取

本文利用調查問卷方法獲取了家庭及住宅特性的基本信息。家庭基本信息包括：家庭成員的身高、體重、各房間居住人口數以及入室檢測月份等。住宅特性主要分為門窗特性和建筑特性兩類。門窗特性包括：門窗縫隙長度（假設上海地區門窗關閉情況下縫隙寬度近似相同，縫隙長度數據由檢測員現場測量門窗開口周長獲得）、窗玻璃層數、窗框類型、門窗開啟方式、窗戶朝向；建筑特性主要包括：住宅位置、住宅類型、建筑年代、各房間面積、層高、居住樓層、建筑周邊情況等。問卷在檢測結束后由檢測員入戶發放，住戶當面填寫，問卷現場回收。

調查歷時22個月。在不同季節現場檢測的上海地區454戶住宅中，根據問卷調查中夜間臥室門窗開啟情況，從中篩選出冬季夜間臥室門窗關閉的有效樣本30個。

2 住宅特性對臥室滲透風換氣次數的影響

2.1 臥室滲透風量分布

30戶臥室滲透風量四分位數分布如表1所示。從表1中可以看出，上海地區冬季夜間臥室滲透風換氣次數大約在0.07～0.88 h-1，人均滲透新風量為1.42～18.63 m3·h-1·人-1。根據《民用建筑供暖通風與空氣調節設計規范》（GB 50736—2012）[17]中對住宅最小新風量的規定，發現在檢測的30戶住宅中，僅有4戶住宅滿足最小新風量要求。由此說明，在冬季門窗關閉的情況下，僅靠滲透風很難滿足室內人員的新風要求，為此在冬季臥室滲透風不滿足室內最小新風量要求時，應適當開窗，保證人體健康。

表1 臥室滲透風換氣次數及人均滲透風量四分位數分布

Tab.1 Quartile distribution of air exchange times and

infilration ratio per person in bedroom

2.2 單相關性分析

在多變量情況下，變量之間的關系比較復雜。因此，在進行多元回歸分析前，通常先進行單因素分析，研究因變量與某一自變量之間是否具有顯著相關性。研究連續變量與分類變量的線性相關性時，經常采用Spearman相關系數對其進行檢驗，以此反映兩個變量之間變化趨勢的方向和程度，其值范圍在-1～1之間。Spearman相關系數絕對值越大，表明兩個變量之間的線性相關性越強。因此，采用Spearman相關系數分析滲透風換氣次數與各因素之間的關聯性。

2.2.1 門窗特性對臥室滲透風換氣次數的影響

定義名義變量：縫隙長度x1（x1=1，實測縫隙長度≤10 m；x1=2，10 m<實測縫隙長度≤15 m；x1=3，15 m<實測縫隙長度≤20 m；x1=4，實測縫隙長度>20 m）；窗玻璃層數x2（x2=1，單層玻璃；x2=2，雙層玻璃）；窗框類型x3（x3=1，塑鋼窗框；x3=2，鋁制窗框）；窗戶開啟方式x4（x4=1，平拉窗；x4=2，推拉窗）；門開啟方式x5（x5=1，平拉門；x5=2，推拉門）。由于檢測臥室朝向幾乎均朝南，因此未進行窗戶朝向因素分析。

表2為門窗特性與臥室滲透風換氣次數的單相關分析結果，其中顯著性水平P小于0.05表示數值差異性在統計學上具有顯著意義。由表2計算所得各因素的Spearman相關系數看出：門窗縫隙長度與滲透風換氣次數呈顯著正相關，隨著門窗縫隙長度的增大，滲透風換氣次數增大；窗玻璃層數與滲透風換氣次數呈顯著負相關，即單層窗戶滲透風量顯著大于雙層窗戶滲透風換氣次數，這是由于通常情況下，單層玻璃的氣密性低于雙層玻璃；窗框類型與滲透風換氣次數呈顯著正相關，即塑鋼窗戶滲透風換氣次數顯著小于鋁制窗戶滲透風換氣次數，這是由于通常情況下，塑鋼窗框的氣密性高于鋁合金窗框[15]。而窗戶、門開啟方式與滲透風換氣次數的關系不存在顯著差異。根據Spearman相關系數絕對值的大小，顯著影響滲透風換氣次數的三個門窗特性因素由強到弱依次為窗玻璃層數、門窗縫隙長度、窗框類型。

表2 門窗特性與臥室滲透風換氣次數的單相關分析

Tab.2 Single correlation analysis between the door

and window characteristics and

the infiltration ratio in bedrooms

在上述三個顯著影響因素中，窗玻璃層數與窗框類型均為窗戶特性。圖2為窗玻璃層數與窗框類型的四種組合時的換氣次數分布。可以看出，從整體上來講，單層鋁制窗戶的滲透風換氣次數最高，滲透程度最高，其次是塑鋼單層窗戶，次之是鋁制雙層窗，塑鋼雙層窗戶的滲透風換氣次數整體上最小，滲透程度最低。因此，綜合窗玻璃層數與窗框類型定義窗戶類型x′2，并按滲透風換氣次數中位數由大到小定義窗戶類型x′2（單層鋁制窗，x′2=1；單層塑鋼窗，x′2=2；雙層鋁制窗，x′2=3；雙層塑鋼窗，x′2=4）。窗戶類型與兒童臥室滲透風換氣次數的Spearman相關系數為-0.650，P=0，兩者具有顯著相關性。

圖2 窗玻璃層數和窗框類型的四種組合

Fig.2 Four window combinations represented by window

layer number and window frame type

2.2.2 建筑特性對臥室滲透風換氣次數的影響

定義名義變量：住宅類型v1（v1=1，多層公寓；v1=2，高層公寓）；建筑年代v2（v2=1，2004年及2004以前建造；v2=2，2004年以后建造）；住宅位置v3（v3=1，市區；v3=2，郊區）；居住層數v4（v4=1，1層；v4=2，2～3層；v4=3，4～5層；v4=4，≥6層）。

建筑特性與滲透風換氣次數的關系如表3所示。從表3中可以看出，住宅類型與滲透風換氣次數呈顯著正相關，即多層建筑的滲透風換氣次數普遍小于高層建筑的滲透風換氣次數，這與文獻[7]中的結論一致；建筑年代與臥室滲透風換氣次數的關系不存在顯著相關性，這也與文獻[18-19]中的結論一致；此外，住宅位置和居住層數對臥室滲透風換氣次數的影響也不存在顯著相關性。

表3 建筑特性與臥室滲透風換氣次數的單相關分析

Tab.3 Single correlation analysis between the building

characteristics and the infiltration

ratio in bedrooms

據此，通過Spearman相關系數分析，選出了與滲透風換氣次數線性相關的門窗縫隙長度、窗玻璃層數、住宅類型3個顯著影響因素。

2.3 偏相關性分析

在進行單因素分析時，未消除其他顯著變量對因變量和所考查某一顯著變量間相關性的影響，因此不能夠真實準確地反映因變量和所考查顯著變量之間的相關關系。偏相關分析則可以固定其他顯著變量不變，清除其他顯著變量對因變量和該顯著變量間關系的影響。因此，在選出門窗縫隙長度、窗戶類型、住宅類型3個影響因素后，采用偏相關分析對上述三個因素與滲透風換氣次數的關系作進一步分析。偏相關系數絕對值越大，表明滲透風換氣次數與該因素的凈相關性越強。

臥室滲透風換氣次數與各變量的偏相關分析如表4所示。根據偏相關系數絕對值的大小，確定與臥室滲透風換氣次數顯著線性相關的主要因素由強到弱依次為窗戶類型、門窗縫隙長度、住宅類型。表4 住宅特性與臥室滲透風換氣次數的偏相關分析

Tab.4 Partial correlation analysis between the residential

characteristics and the infiltration

ratio in bedrooms

3 冬季夜間臥室滲透風換氣次數回歸模型的建立與驗證

3.1 模型建立

根據上述相關分析結果，從30戶樣本住宅中選取25戶，建立冬季夜間臥室滲透風換氣次數回歸模型，其余5戶用于檢驗模型的準確性。選擇已確定的3個具有顯著相關性的住宅特性影響因素（門窗縫隙長度x1，窗戶類型x′2，住宅類型v1）與臥室滲透風換氣次數（因變量Y）建立多元線性回歸模型，具體表達形式為

Y=β0+β1x1+β2x2++β3v1（5）

式中，β0為常量；βi（i=1、2、3）分別為門窗縫隙長度x1、窗戶類型x′2、住宅類型v1的系數。

采用多元逐步回歸分析方法研究臥室滲透風換氣次數與各影響因素之間的關系，根據表4窗戶類型、門窗縫隙長度、住宅類型影響程度排序，最終得到3種逐步回歸分析模型。模型中各回歸系數的顯著性檢驗結果如表5所示。表5 回歸系數分析結果

Tab.5 Results of regression coeffeicient analysis

表5中3個回歸模型中各變量均通過t檢驗，顯著性水平均小于0.05，具有統計學意義。其中，在3個模型中模型3的復相關系數R最高，為0.832，故選用模型3為最優回歸方程，其回歸常數項為0.122，門窗縫隙長度、窗戶類型、住宅類型的回歸系數分別為0.107、-0.102、0.152，回歸方程標準差為0.025。由此得到上海地區住宅夜間臥室滲透風換氣次數回歸模型，即

Y=0.122+0.107x1-0.102x′2+0.152v1（6）

從該模型可以看出：臥室滲透風換氣次數與門窗縫隙長度、住宅類型呈正相關，與窗戶類型呈負相關。

3.2 模型驗證

圖3給出了滲透風換氣次數預測值與計算值的散點圖，其中：縱坐標表示滲透風換氣次數計算值；橫坐標表示用本文模型預測值，虛線表示預測值與計算值之間存在±30%誤差的分界線。菱形點為建立模型的25戶兒童臥室滲透風換氣次數預測值與計算值對應的樣本散點。由圖3中可以看出，大部分計算值在±30%誤差以內，其平均絕對百分比誤差為26.7%。這說明通過樣本統計獲得的模型其預測效果較好。三角形點為5個用于驗證模型有效性的住宅樣本的預測值與計算值對應散點，結合表6可以看出，其預測值與計算值的相對誤差在-20.4%～24.2%之間，在統計學上可接受，表明該模型具有一定的有效性。

圖3 臥室滲透風換氣次數預測值與計算值散點圖分布

Fig.3 Scatter diagram of the predicted infiltration ratio

and the calculated ones in bedrooms

4 結 論

（1） 所檢測的上海地區住宅冬季夜間臥室滲

表6 檢驗樣本的預測值與計算值比較

Tab.6 Comparison between the predicted values and

the calculated vales from the validated samples

透風換氣次數范圍0.07～0.88 h-1，人均滲透風量在1.42～18.63 m3·h-1·人-1；臥室滲透風換氣次數中位數為0.35 h-1，人均滲透風換氣次數中位數為6.90 m3·h-1·人-1。多數住宅僅靠滲透風不能滿足最小新風量的要求。

（2） 通過對門窗特性和建筑特性進行相關性分析發現，影響滲透風換氣次數的因素由強到弱依次為：窗戶類型（窗玻璃層數與窗框類型的組合）、門窗縫隙長度、住宅類型。

（3） 采用多元回歸分析方法利用25個樣本，建立了以窗戶類型、門窗縫隙長度、住宅類型為因變量的上海住宅冬季滲透風換氣次數回歸模型，其標準差為0.025 h-1，平均絕對百分誤差為26.7%。利用5個樣本實測數據驗證結果表明，模型預測值與計算值的相對誤差在-20.4%～24.2%之間，在統計學上可接受。

本文應用統計學方法提出的臥室滲透風換氣次數回歸模型可為上海冬季夜間臥室滲透風換氣次數的快速評估及建筑能耗預測提供參考。但由于住宅樣本相對較少，是否能很好地反映上海地區整體情況，還有待于更進一步研究。

參考文獻：

[1] HENS H S L.Building physics：Heat，air and moisture：Fundamentals and engineering methods with examples and exercises[M].Berlin：Ernst & Sohn，2012.

[2] CHAN W R，NAZAROFF W W，PRICE P N，et al.Analyzing a database of residential air leakage in the United States[J].Atmospheric Environment，2005，39（19）：3445-3455.

[3] CHAN W R，JOH J，SHERMAN M H.Analysis of air leakage measurements of US houses[J].Energy and Buildings，2013，66：616-625.

[4] MURRAY D M，BURMASTER D E.Residential air exchange rates in the United States：Empirical and estimated parametric distributions by season and climatic region[J].Risk Analysis，1995，15（4）：459-465.

[5] YAMAMOTO N，SHENDELL D G，WINER A M，et al.Residential air exchange rates in three major US metropolitan areas：Results from the relationship among indoor，outdoor，and personal air study 19992001[J].Indoor Air，2010，20（1）：85-90.

[6] WALLACE L A，EMMERICH S J，HOWARDREED C.Continuous measurements of air change rates in an occupied house for 1 year：The effect of temperature，wind，fans，and windows[J].Journal of Exposure Analysis and Environmental Epidemiology，2002，12（4）：296-306.

[7] KALAMEES T.Air tightness and air leakages of new lightweight singlefamily detached houses in Estonia[J].Building and Environment，2007，42（6）：2369-2377.

[8] SHINOHARA N，KATAOKA T，TAKAMINE K，et al.Distribution and variability of the 24h average air exchange rates and interzonal flow rates in 26 Japanese residences in 5 seasons[J].Atmospheric Environment，2011，45（21）：3548-3552.

[9] 李灝如，李曉鋒，齊美薇，等.北京某學生公寓夏季自然通風實測研究[J].建筑科學，2013，29（4）：20-24.

[10] IPBKER C，VALGE M，KALBE K，et al.Case study of multiple regression as evaluation tool for the study of relationships between energy demand，air tightness，and associated factors[J].Journal of Energy Engineering，2016，143（1）：04016027.

[11] LIU W，HUANG C，SHEN L，et al.Natural ventilation of the childs bedroom in the typical residences of Shanghai City[C]∥Proceedings of the 11th International Conference on Industrial Ventilation.Shanghai：International Conference on Industrial Ventilation，2015：10-15.

[12] 黃晨.建筑環境學[M].2版.北京：機械工業出版社，2016.

[13] PERSILY A K.Evaluating building IAQ and ventilation with indoor carbon dioxide[C]∥American Society of Heating，Refrigerating and AirConditioning Engineers （ASHRAE） Annual Meeting.Boston，MA：OSTI，1997，103：193-204.

[14] ASTM.ASTM D624512 Standard guide for using indoor carbon dioxide concentrations to evaluate indoor air quality and ventilation[S].West Conshohocken，PA：American Society for Testing and Materials，2012.

[15] ASHRAE.ASHRAE handbookfundamentals[M].Atlanta，GA：American Society of Heating，Refrigerating and AirConditioning Engineers，2013.

[16] T∨VOV P.Experimental evaluation of ventilation in dwellings by tracer gas CO2[D].Czech：Czech Technical University，2011.

[17] 《民用建筑供暖通風與空氣調節設計規范》編制組.民用建筑供暖通風與空氣調節設計規范宣貫輔導教材[M].北京：中國建筑工業出版社，2012.

[18] VINHA J，MANELIUS E，KORPI M，et al.Airtightness of residential buildings in Finland[J].Building and Environment，2015，93：128-140.

[19] PAN W.Relationships between airtightness and its influencing factors of post2006 newbuild dwellings in the UK[J].Building and Environment，2010，45（11）：2387-2399.