引言随着经济水平的不断提高，人们对生活居住环境的要求越来越高，一旦人工环境内发生气态污染事故将对人员身体造成巨大威胁[1-2]。人工环境内，气态污染物主要通过呼吸道进入人体[3]，不仅加重呼吸道黏膜负担，威胁呼吸系统、心脏和组织器官等[4]，还会带来严重的经济损失。目前常用的污染物控制方法包括控制污染源、切断传播途径、保护易感人群。控制污染源方法通过直接对源头进行隔离或消减，阻止污染物进入人工环境威胁人体健康。从源头上控制污染物，可以大幅度减小通风及空气净化等后续措施的工作量。为了提高污染物控制工作的效率，需要在污染物传播时准确确定污染源信息。然而在实际中，用于监测污染物释放的传感器发出警报时，污染源早已在空间内释放，此时空间内的污染物浓度可能已经超标，需要迅速采取控制策略加以清除。这种情况下所知的信息只有监测点的污染物浓度，对污染源释放率等重要信息均不甚清楚，从而增加污染源控制策略实施的难度。依据传感器监测的浓度信息求解相应的污染源释放信息，这一过程属于逆向确定问题研究，与传统意义上已知室内污染源信息求解浓度分布的思路相反。目前逆向确定问题研究在热量传递[5]以及水环境[6]中的污染物传播等方面得到了广泛应用。在简单的人工环境中已经可以根据传感器的浓度信息确定单个及多个污染源的释放，但是无法确定复杂人工环境中多个气态污染源的释放率。1逆向问题求解方法人工环境内的污染物浓度分布受到污染源位置、释放时间和释放率的影响，并且遵循质量守恒方程。若根据浓度分布确定污染源释放率，此时方程是不具备数值稳定性的病态方程。如果监测点传感器监测到污染物浓度，那么环境内污染源一定存在且已经释放污染物。只要传感器精度足够高，就能逆向确定污染源，但逆向确定的污染源无法保证其唯一性。为了减少这种情况的发生，通常需要在人工环境中布置大量的监测点传感器，通过划分区域再进行条件限定，确定正确的污染源[7]。常用的逆向问题确定方法主要分为4类：分析法、优化法、概率法和直接法[8]。2气态污染源释放率研究现状在人工环境领域，逆向确定问题研究已经可以根据传感器的浓度信息确定单个及多个污染源的释放情况。根据现有逆向问题的研究，总结人工环境内逆向确定污染源的方法及其缺点。在单个污染源的逆向确定中，Chen[9]对一个房间内84种不同污染源组合和通风方式进行数值分析，建立数据库。这种方法可以直接根据传感器上的浓度匹配实际污染源，但是前期构建数据库工作量十分庞大，无法概括建筑室内所有污染源分布情况。Liu[10]对当时室内环境污染源确定的各种计算模型进行总结，提出一种将多区域和CFD模型结合的两阶段逆向建模方法。该方法成功地逆向估算无人办公室污染源的位置，但是无法精准确定建筑物内污染源的位置。Liu[11]提出基于概率法的瞬时点源反演建模方法，并在办公室和飞机客舱进行验证，成功地确定污染源的位置，但是这种方法过于依赖传感器的分布位置和数量。Liu[12]基于概率的伴随反演建模方法的原理，提出一种基于多区域模型的反演预测算法，能够在已知污染源释放时间的情况下，快速跟踪多隔间建筑物的污染源位置，成功地在复杂多隔间住宅环境内逆向确定污染源的位置。Bastani[13]等利用人工神经网络模型逆向确定建筑室内污染源的位置所在范围。此模型可以快速确定瞬时点源位置，但是其精确性依赖于传感器个数，也无法辨别污染源的释放率及释放时间。Zhang[14]等利用响应因子法与正则化方法结合，在稳定流场中污染源释放时间、位置已知的情况下，准确求解建筑室内单个污染源逐时变化的污染物释放过程。Zhang[15]等又提出贝叶斯概率法和高斯正态分布量化法相结合，并在复杂的飞机客舱环境得以验证。这种方法的优点在于能快速精准地确定污染源的参数，但是只适用于单个且位置已知的污染源的确定。Ben[16]等在已知污染源位置的情况下，提出逆大气模型估算脉冲污染源的质量流量。可以逆向确定理想城市几何中污染源短期扩散的释放率，但是对湍流信号的间歇性和波动强度的感应程度大于模型的精度。Wang[17]等提出基于输运控制方程的特征矩阵的方法，通过流体力学（CFD）计算浓度场，根据指定采样点的浓度数据逆向确定源位置。但是此方法依赖于采样点的数量和位置。Zhang[18]等提出数值格式的CFD逆模型识别气态污染源，针对CFD逆模型求解不稳定问题，利用QR方程增强解的稳定性。由于QR方程的色散特性，CFD逆模型可以识别污染源的位置，但不能很准确地识别污染源的强度。Zhang[19]等又提出通过拟可逆性和伪可逆性方法求解逆污染物输运问题，确定源的位置和强度。Wang[20]等采用伴随概率反跟踪方法。利用计算流体动力学（CFD）工具，通过非定常湍流模型（RANS）仿真，对某地铁车站模型和某飞机客舱进行实例分析。在此基础上，Cheng[21]等又将伴随概率的逆跟踪方法应用于单个污染源释放率的逆向确定，成功确定了办公室单个污染源的位置和释放率。Hwang[22]等提出一种贝叶斯方法，通过结合流体动力学的物理知识和观测数据，估计污染源的位置和相对贡献。上述污染源的逆向确定均在单个污染源环境内进行，然而实际情况是人工环境内可能存在多个污染源，由于多个污染源是否同时释放、是否为稳态释放、污染源数量不确定等问题，加大了逆向确定污染源的难度。尤其是在空间狭小、人员密集的环境中，问题更为复杂。Wei[23]等将Tikhonov正则化方法与概率法结合，逆向求解污染源的释放位置。同样QR方法在多个污染源的逆向确定方面也有应用，Liu[24]等将QR方法应用于室内存在两个污染源的情况，并成功确定两个污染源的位置，但是其求解精度同样取决于扩散作用的强弱。Cai[25]等提出一种考虑传感器阈值和测量误差的方法，这种方法已经逆向确定办公室内同时以恒定速率释放的污染源的确切位置、排放速率和释放时间，但是不够快速准确。Yan[26]等在真实飞机客舱内进行污染源的释放研究，建立CFD逆模型。这种模型优点是能逆向确定污染源的位置信息，但是这种方法的弊端在于对客舱环境的限定。Zhuang[27]等提出一种基于试验的脉冲响应方法，逆向确定多区域建筑物的污染源。虽然该方法不涉及数值模拟，但需要提前通过传感器预测源的位置，如果真正的源不在潜在区域内则无法识别。Zeng[28]等提出基于概率的逆模型确定通风系统内的瞬时污染源。以测量的浓度作为模型的输入条件，输出通风系统中瞬时污染源的释放率。但是计算时间冗长，不够简捷。Tagade[29]等提出基于高斯过程仿真器的室内污染源位置和特征快速贝叶斯推断方法。该方法成功确定了建筑室内两个污染源同时释放的位置。但是前期高斯过程的求解计算工作量大，且没有对污染源释放率进行逆向确定。目前的研究方法集中于简单且有限定性污染源的释放问题，计算的过程时间冗长、迭代次数较多，难以满足快速准确地逆向确定污染源的需求，且对空间内的环境条件都有限定，不能将逆向确定的方法推广到一般的人工环境。亟须一种快速准确的方法在无限定条件人工环境内，对多个气态污染源的释放情况进行逆向确定，达到污染物控制的目的。3结论及展望鉴于目前人工环境内气态污染源释放率的研究，提出几条未来可以深入开展的研究方向：（1）考虑人工环境内的人员活动，只研究一个特定环境内的污染物无法满足需求，如果能将污染源的确定范围扩大到更为常见的人工环境将更具意义。（2）一般人工环境内发生的气态污染物具有无色无味且扩散速度快等特点，而目前对人工环境内的气态污染物的研究达不到快速确定的效果，需要更加深入的研究。（3）有关人工环境内气态污染源的逆向确定只针对污染源的释放方案对污染源释放都有所限定，实际人工环境的复杂性对污染物的分布产生影响，今后需要对更加复杂且贴于实际的污染源释放方案进行深入研究。（4）通过借鉴逆向问题在传热、大气污染、水污染等领域已有的研究成果，可以假设已知污染源释放率与监测点传感器污染物浓度之间的传输关系，对传输关系的逆向求解即可确定污染源释放率，再采用Tikhonov正则化方法增强解的稳定性，最终达到逆向确定多个气态污染源释放率的目的。