[发明专利]一种基于风环境的传染病医院智能规划方法

权利要求书

1.一种基于风环境的传染病医院智能规划方法，其特征在于，包括如下步骤：

S1：病区初步选址：设定交通量和污染物浓度的权重因子，得到交通量评价分数和污染物浓度的评价分数，并乘以各自的权重因子，从而得到各个待选区域的总分数，以总分数大小确定病区初步选址第一顺位；

S2：在第一顺位病区初步选址中划分更小的区域，以确定最终选址：获得第一顺位病区初步选址上的污染物浓度在风速、温度、传播距离因素影响下的分布数据，并将病区初步选址划分为多个小区，根据分布数据以确定每个小区的污染物浓度，以污染物浓度最小的小区作为最终选址；

S3：依据S2的最终选址设计相应的风洞试验，将数值模拟结果与风洞试验结果对比验证，复核最终选址的污染物浓度；

S4：在最终选址上确定病区各楼栋的布局，其需满足污染物浓度最小的条件；

S5：确定楼栋内病房的布局，以其布局确定病房污染物的扩散路径；

S6：在数值模拟中，以S5中的扩散路径，模拟由病房内至病房外的污染物扩散方式，以病区为污染源，从而重生成污染物扩散流场，使S1中的污染物按S6中的污染物扩散流场扩散，并重新循环执行S1-S6，直至污染物浓度最小，得到污染物浓度最小时的最终选址、楼栋布局和病房布局。

2.根据权利要求1所述基于风环境的传染病医院智能规划方法，其特征在于，S1中，若以总分数由大到小的排列方式确定病区初步选址的顺位时，则交通量评价分数负相关于交通量的大小，污染物浓度的评价分数负相关于污染物浓度的大小；若以总分数由小到大的排列方式确定初步选址的顺位时，交通量评价分数正相关于交通量的大小，污染物浓度的评价分数正相关于污染物浓度的大小。

3.根据权利要求1所述基于风环境的传染病医院智能规划方法，其特征在于，S1中，确定病区初步选址的具体方式为：

S1.1：与当地气象、交通部门对接，获得用于训练预测污染物浓度的神经网络模型需要的样本数据，其中包括：

作为输入量的一个时间段的城市风速、风向、温度、交通量单位时间内的平均数据；

以及作为输出量的，对应时间段的相应污染物浓度单位时间内的平均数据；

S1.2：对所有训练数据进行归一化处理，并划分成训练集、测试集和验证集，获得一个基于机器学习的神经网络模型，同时设置相应的损失函数，设定精度值，训练神经网络模型直至预测量收敛于输出量，则优化结束，此优化后的神经网络模型作为最终的污染物背景浓度预测模型；

S1.3：将代表一个区域的一组风速、风向、温度、交通量作为此区域的背景状态参数作为输入量，使用污染物背景浓度预测模型预测符合此区域的污染物浓度；

S1.4：建立自变量为交通量和预测量，因变量为第一顺位初步选址得分的目标函数，目标函数与污染物背景浓度预测模型结合为最终的代理模型，以确定病区初步选址。

4.根据权利要求1所述基于风环境的传染病医院智能规划方法，其特征在于，S2中，最终选址的具体确定方式为：

S2.1：选择第一顺位初步选址作为目标计算域；

S2.2：建立数公里尺度的数值模型：首先基于“空间地理数据云”获取目标计算域地形地貌的数字高程模型数据，并在地图绘制软件中裁剪目标计算域，通过逆向工程软件基于前述数字高程模型数据，生成目标计算域相应的面文件，最后导入建模软件中生成三维模型，并在网格划分软件中划分流体计算网格；

S2.3：经仿真模拟计算，确定最终选址。