| Project/Area Number |
23K26263
|
|---|
| Project/Area Number (Other) |
23H01569 (2023)
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Multi-year Fund (2024)
Single-year Grants (2023) |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 23020:Architectural environment and building equipment-related
|
|---|
| Research Institution | Kyushu University |
|---|
Principal Investigator |
池谷 直樹 九州大学, 総合理工学研究院, 教授 (70628213)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
WANG WEI 九州大学, 総合理工学研究院, 助教 (20968169)
|
|---|
| Project Period (FY) |
2024-04-01 – 2026-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥18,720,000 (Direct Cost: ¥14,400,000、Indirect Cost: ¥4,320,000)
Fiscal Year 2025: ¥5,200,000 (Direct Cost: ¥4,000,000、Indirect Cost: ¥1,200,000)
Fiscal Year 2024: ¥7,020,000 (Direct Cost: ¥5,400,000、Indirect Cost: ¥1,620,000)
Fiscal Year 2023: ¥6,500,000 (Direct Cost: ¥5,000,000、Indirect Cost: ¥1,500,000)
|
|---|
| Keywords | 風洞実験 / 通風換気 / 都市換気 / 強風推定 / 機械学習 / 速度場 / 濃度場 / 都市キャノピー / 帰納的手法 / 濃度計測 / 速度計測 |
|---|
| Outline of Research at the Start |
本研究は，都市空間において建物群が影響を及ぼす強風，弱風，物質交換，通風換気などの屋内外の環境評価において，瞬時量から時空間平均量を学習探索により決定するという帰納的評価手法に向けた多変量同時計測手法を確立することを目的とする.環境評価に対する学習問題設定を行うとともに，それに要請される速度・濃度場データを取得するための多変量多点同時計測技術を発展させるため，学習探索に要請される瞬間速度・スカラー濃度の多点同時計測手法の確立，入力量としての瞬時速度・濃度場と教師データとしての時空間平均量取得，瞬時速度・濃度場から時空間平均量を推定する帰納的環境評価手法の提案の三つのサブテーマを実施する
|
| Outline of Annual Research Achievements |
本研究課題は，複雑な建物群により形成される都市空間の乱流現象とそれに伴う物質拡散現象に対して，学習探索のための計測技術開発と学習探索問題設定を同時に行いながら，都市域建物群が影響する強風，弱風，物質交換，通風換気などの種々の流体現象を対象として，瞬時量から時空間平均量を学習探索により決定するための多変量同時計測手法を確立することを目的しているものである．初年度に続き，第二年次は，風速場の高質な実験データを取得することを目標として，風洞実験実験システムの開発の継続と発と風速データ取得をを行った．また，機能的風速推定方法のモデルをより高精度化するための基礎的検討を行った．以上により，具体的に以下の点を達成した．
第一に，初年度に構築した建物群内にある建物周辺の三次元気流計測のための可視化粒子流速測定法（PIV計測手法）を活用し，異なる建物群周辺の流れ場データベースの構築を行った．本研究課題に合わせて計測範囲の変更や計測対象の種類などを考慮した計測の最適化を行なうことで，最適な画像データの取得と風速データ推定が行えるようになった．
第二に，非定常通風換気実験のデータ分析と数値流体解析を実施し，非定常に発生する換気流動における換気量に対する寄与率の定量化を行なった．これらのデータセットを用いて，換気流動のメカニズムの解明にとどまらず，非定常換気量を推定する学習型モデル構築のための入出力データセットを作成した．
第三に，機械学習を用いた強風の推定問題を設定し，数値流体解析の結果から強風を高精度に推定する学習型モデルの構築に着手した．学習モデルのパラメータに対する感度分析を行うことで，最適な学習モデルの構築を進めた．モデルの設定条件を複数変更することにより，強風予測における推定精度を定量化した．また，モデルの入力データを極力少なくしつつ，推定精度を保った新しい推定モデルの構築にも着手した．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
初年度に引き続き，実験システムの開発とデータセット取得を進めている．先に述べた建物群内にある建物周辺の三次元気流計測のための可視化粒子流速測定法を確立し，風速データセットの拡充を進めた．加えて，これまでに取得したデータの整備を行うことで，帰納法による推定モデルのためのデータセットを作成した．第一の成果として，初年度に構築した可視化粒子流速測定により，異なる建物群周辺の流れ場データベースの構築を行った．加えて，風速場の確率分布や統計量などの特性を分析することで，強風推定のためのデータベースを作成した．第二に，非定常通風換気実験のデータ分析と数値流体解析を実施し，換気流動のメカニズムを解明し，非定常換気量を推定する学習型モデル構築のための入出力データセットを作成した．第三に，機械学習を用いた強風の推定問題を設定し，数値流体解析の結果から強風を高精度に推定する学習型モデルの構築に着手した．
当初予定では，学習モデルの作成に先んじて，風速・物質濃度の実験データベースを構築することを予定していたが，流れ場の推定と濃度場の推定をそれぞれ独立に行うこととして，学習モデルの構築を計画を早めて実施している．そのため，研究計画の順序を入れ替えることで，全体として想定した程度に進捗が得られていると判断している．
|
| Strategy for Future Research Activity |
今後の方針として，実験システムの構築を継続して行い，熱，物質，水蒸気などスカラー量の相似性から，様々なスカラー発生量と周辺速度の関係を明らかにする計測システムを構築することを目指す．既往研究により近赤外分光法を用いたスカラー計測手法として，濡面からの水蒸気発生量を非接触に計測するシステムを開発してきたが，本課題に同システムを導入することで近赤外光反射強度から，対象物の蒸発フラックスの空間分布を推定しつつ，その周辺気流を計測する同時計測システムを開発する．また，それらのデータを学習モデルに導入できるよう，実験データベースの整備を継続して行う．また，濃度場と速度場の同時計測を行うため，キャニオン床面から拡散されたトレーサーガス濃度と初年度に開発してきた流速計測システムにより速度場を同時計測する統合システムの開発を目指す．加えて，機械学習モデルを発展させ，定常モデルから強風や弱風などの低頻度事象の推定を行うモデルとそのフレームワークを提案することを目指す．
次年度は研究課題の最終年度になることから，これまでに構築した実験システムによるデータベースの整備を行い，データジャーナルを中心として，取得したデータの一般公開を目指す．また，学習モデルとしてのフレームワークを提示する意味で，風工学系の国際会議や国際ジャーナルにおいて，積極的な成果報告を行い，本課題の総括を行う予定である．
|
