El proyecto IAQ4EDU ha propuesto un nuevo algoritmo denominado “NVR-PINN” para la estimación de la ventilación natural

El proyecto IAQ4EDU ha propuesto un nuevo algoritmo llamado “NVR-PINN” para la estimación de la tasa de ventilación natural a partir del postprocesado de datos de mediciones de CO₂. El artículo ha sido publicado recientemente en la revista de alto impacto  Journal of Building Engineering (JCR-Q1, Factor de Impacto: 7,4) y lleva por título “A long short-term memory physics-informed neural network model for CO₂-based natural ventilation rate estimation”. El Dr. Sen Miao realizó esta investigación en el marco de su tesis doctoral, bajo la supervisión de la Dra. Marta Gangolells, investigadora principal del proyecto IAQ4EDU, y de la Dra. Blanca Tejedor.

El enfoque del gas trazador de CO₂ liberado por los ocupantes se ha utilizado ampliamente para la estimación de las tasas de ventilación. Sin embargo, el ruido en la medición del CO₂ y las incertidumbres en la generación de CO₂ pueden afectar significativamente la precisión de las tasas de ventilación estimadas, mientras que la dinámica de la ventilación natural puede poner en riesgo la estabilidad de los estimadores. Las técnicas comúnmente aplicadas, como el filtro de media móvil y el filtro de Kalman extendido, presentan cada una ventajas y limitaciones a la hora de abordar estos retos. Para superar estas dificultades en la estimación de la tasa de ventilación natural, este artículo propone un nuevo modelo denominado “NVR-PINN”, basado en una red neuronal de memoria a corto y largo plazo con conocimiento físico (long short-term memory physics-informed neural network), y lo valida mediante un estudio de caso. El modelo propuesto combina las fortalezas del filtro de media móvil y del filtro de Kalman extendido, demostrando un mayor valor práctico. Es capaz de gestionar tanto el ruido de las mediciones de CO₂ como la incertidumbre en su generación, capturando de forma efectiva la dinámica temporal de la tasa de ventilación natural, mientras procesa toda la serie temporal de observaciones con una ventana de secuencia definida para ofrecer estimaciones más estables y consistentes.

Diagrama esquemático del modelo NVR-PINN propuesto

Todos los detalles en la versión en línea del artículo:

https://doi.org/10.1016/j.jobe.2025.114094

Para más información visítanos en nuestras redes sociales:

 LinkedIn del proyecto     Twitter del GRIC       ResearchGate