植物活墙净化VOCs效能:机器学习预测与优化
陈秋瑜1
熊强伟2
刘小虎1
1.华中科技大学建筑与城市规划学院2.中南建筑设计院
摘要：室内挥发性有机化合物(VOCs)严重危害人体健康.为精准预测植物活墙对VOCs的净化效能并指导其优化配置,通过多参数实验构建数据集,采用机器学习方法对比六种算法,可解释技术解析参数影响,并运用多目标优化方法生成配置方案.确定LightGBM为最优模型,模型动态预测精度达R2=0.85.参数影响力排序为背景浓度>温度>湿度>活墙面积>植物密度>植物种类,其中温度存在阈值效应,植物净化效率排序为薄荷>吊兰>绿萝.基于此提出了三类优化策略及参数配置表,实现了该技术从经验设计向数据驱动设计的转型,为健康建筑提供了关键技术支撑.
关键词：植物活墙挥发性有机化合物(VOCs)机器学习空气质量可解释性分析多目标优化
分类号：TU986.46(区域规划、城乡规划)
资助基金：国家自然科学基金(51708232)
论文发表日期：2026-01-31
在线出版日期：2026-03-06（本平台首次上网日期，不代表文献的发表时间）
页数：10( 12-21 )
英文信息