トンネルピストン効果により、プラットフォームスクリーンドアを通過する無秩序換気流（UVA）は地下鉄駅の冷暖房負荷に顕著な影響を与えます。正確なUVA予測は、換気空調（HVAC）システムの省エネ設計を実現するための重要な前提条件です。不可圧流体制御方程式およびk-ε乱流モデルに基づき、パラメトリック数値流体力学（CFD）と深層学習を融合した知能予測フレームワークを提案しました。ANSYS Fluentを用いて2次元過渡数値シミュレーションを実施し、シミュレーション結果をモデル訓練用データセットとしました。列車長さとピストン風井間距離の結合効果を特徴付ける新しい無次元パラメータ相対距離比（RDR）を導入し、異なる阻塞率、RDRおよび4種類のピストン風井運転状態をカバーするシミュレーション条件とし、シミュレーション結果は現場測定により検証されました（RMSE 0.062 m/s、平均絶対パーセント誤差MAPE 34.8%、決定係数R²=0.939）。これに基づき、条件付きエンコーダ・デコーダモデルを構築し、静的設計パラメータからUVA風速の完全時間系列の予測を実現しました。当該モデルは優れた汎化性能を示し、訓練に参加していない4つの運転条件に対しても高精度予測（R²>0.94、MAPE<22%）を達成し、列車運行中の過渡的な風速ピークを効果的に捉えることができました。

地下鉄駅;無秩序換気流;ピストン効果;CFDシミュレーション;深層学習;エンコーダ・デコーダモデル