터널 피스톤 효과에 의해 플랫폼 스크린 도어를 통과하는 무질서 통풍 유동(UVA)은 지하철역의 냉난방 부하에 크게 영향을 미칩니다. 정확한 UVA 예측은 환기 및 공조(HVAC) 시스템의 에너지 절감 설계 실현을 위한 핵심 전제 조건입니다. 비압축성 유체 제어 방정식과 k-ε 난류 모델을 기반으로 한 매개변수화된 전산 유체 역학(CFD)과 딥러닝을 결합한 지능형 예측 프레임워크가 제안되었습니다. ANSYS Fluent를 사용하여 2차원 과도 수치 시뮬레이션을 수행하였고, 시뮬레이션 결과를 모델 학습 데이터 세트로 사용하였습니다. 열차 길이와 피스톤 환기 샤프트 간격의 결합 효과를 나타내기 위해 새로운 무차원 매개변수 상대 거리 비율(RDR)을 도입하였으며, 다양한 폐색비, RDR 및 4가지 피스톤 환기 샤프트 작동 상태를 포함하는 시뮬레이션 조건을 적용하고, 시뮬레이션 결과는 현장 측정으로 검증되었습니다(RMSE 0.062 m/s, 평균 절대 백분율 오차 MAPE 34.8%, 결정 계수 R²=0.939). 이를 바탕으로 조건부 인코더-디코더 모델을 구축하여 정적 설계 매개변수로부터 UVA 풍속의 전체 시간 시퀀스 예측을 구현하였습니다. 해당 모델은 우수한 일반화 성능을 보였으며, 학습에 참여하지 않은 4가지 조건 모두에서 높은 정확도의 예측을 달성(R²>0.94, MAPE<22%)하였고, 열차 운행 중 순간 풍속 피크를 효과적으로 포착할 수 있었습니다.

지하철역; 무질서 통풍 유동; 피스톤 효과; CFD 시뮬레이션; 딥러닝; 인코더-디코더 모델