室内空气质量影响室内人员身体健康及工作效率,污染物分布预测有助于污染源的逆向识别,室内气流组织优化,净化设备的优化布置等,而这些都是及时排除室内污染物、保障室内空气质量的有效手段。气流跟随性较好的被动污染物（如患病人员呼出的呼吸道微液滴、燃烧生成的细颗粒物、家具建材释放的有害气体）能在室内更广范围传播,并最终被人体吸入,造成较大危害。本研究选题来源于重庆市高校创新研究群体任务课题——健康人居环境与智慧营造（CXQT21004）。传统的污染物分布预测模型（计算流体力学模型、多区域模型和区域模型）难以有效实现计算精度和速度的平衡。为此,学者们提出了多种新兴的方法或模型。室内污染物分布预测可分为流场预测和污染物输运模拟两个阶段,根据改进阶段的不同,可将新兴方法分为优化流场预测,优化污染物输运模拟,以及基于传统方法模拟数据的数据驱动的预测模型三类。其中,优化流场预测的算法包括快速流体力学、格子玻尔兹曼方法等,优化污染物输运模拟的算法包括污染源可及性方法、马尔科夫链模型等,数据驱动的预测模型包括低维线性通风模型、流场模态分解方法和机器学习算法等。现有研究表明,这些方法存在部分位置预测的准确性较差,需要依赖传统模型预测流场或污染物输运,难以应对复杂湍流场景,需要依赖传统模型求解的样本数据等缺点。马尔科夫链模型具备计算原理简单,可耦合多种粒子作用机制等优点,但其面临部分时刻部分位置预测准确性较差,难以高效用于污染源持续释放的情况,需要依赖传统方法求解流场的问题。本研究针对马尔科夫链模型的上述不足进行了理论研究,开展的主要工作与获得的创新成果如下:（1）通过理论分析与数值模拟,明晰了马尔科夫链模型中状态转移矩阵的形式对污染物分布预测的影响。状态转移矩阵应该被构造成一个近似双随机矩阵,但由于数值模拟方法求解的流场数据的离散特征以及伴随的插值计算,不能得到这种形式的矩阵。左随机矩阵使得该模型预测的计算域内污染物总量存在误差,右随机矩阵的误差体现在污染物分布上。通过案例分析,研究了两种状态转移矩阵的预测性能。结果表明,采用左随机矩阵时准确性更高,相较于右随机矩阵,其可使L~2范数相对误差最大降低5.32%。（2）通过数值模拟与案例研究,对比了三种状态转移矩阵计算方法的马尔科夫链模型的性能,确定了准确性最高、计算速度最快、对时间步长鲁棒性最强的转移矩阵计算方法。结果表明,在两个案例中,三种马尔科夫链模型是足够准确的,预测结果与基准结果的平均归一化均方根误差均低于20%;在二维案例中,基于集合理论的马尔科夫链模型是最准确的,平均误差低至10%;在三维案例中,通量理论与拉格朗日跟踪方法计算的状态转移矩阵性能类似,平均误差分别为17%和19%;基于拉格朗日跟踪的马尔科夫链模型计算速度最快,对时间步长的鲁棒性最强。（3）针对室内被动污染物源持续释放的情况,提出并建立了耦合浓度响应系数法的马尔科夫链模型,通过数值模拟与案例研究,证明了耦合模型的准确性。在二维案例中,点状、线状、面状污染源恒定、线性、指数、周期释放时,耦合模型预测结果与基准结果的平均L~2范数相对误差分布在3.4%至16.4%;在三维案例中,点状、线状、面状、体状污染源恒定、线性、指数、周期释放时,耦合模型预测结果与基准结果的平均L~2范数相对误差分布在12.7%至28.8%。最后,给出了耦合模型中两个关键参数（脉冲形式,时间步长）的选择建议。（4）提出了用于室内被动污染物分布预测的马尔科夫链模型,其使用格子玻尔兹曼方法实现流场的快速预测,使用耦合浓度响应系数法的马尔科夫链模型实现污染物输运的快速模拟,最终实现了从已知边界条件到污染物分布的高效预测。通过数值模拟与案例研究,证明了该模型是准确高效的。在所选案例中,该模型预测结果与实测结果的归一化均方根误差为12%,低于基于CFD方法大涡模拟的欧拉模型和拉格朗日模型,且其计算速度较快,是基于CFD方法大涡模拟的欧拉模型的5.21倍,是基于CFD方法大涡模拟的拉格朗日模型的52.6倍。最后,将该模型用于评价某实验室冬季供暖时,排风口布置位置对排除室内污染物性能的影响。