Fuel and Combustion

Fuel and Combustion

Numerical Study on Improving Atrium Smoke Control Performance Using CO-Driven Non-Uniform Makeup Air Distribution

Document Type : Original Article

Authors
Milad Mehrpooya 1
Vahid Keikha Moqaddam 2
Najmeh Hajialigol 3
1 , Ferdowsi University of Mashhad
2 Ferdowsi University of Mashhad
3 Hamedan University of Technology
10.22034/jfnc.2026.561952.1448
Abstract
Modern atrium buildings present unique challenges in fire safety engineering due to their large open volumes and vertical connectivity between floors. During a fire event, buoyancy-driven smoke flow combined with the stack effect accelerates smoke spread toward upper levels, rapidly compromising evacuation routes. Smoke inhalation, particularly exposure to carbon monoxide (CO), is recognized as the primary cause of injury and fatality in building fires, often occurring before occupants are exposed to critical thermal conditions.
Smoke control systems are therefore essential components of atrium fire safety design. Mechanical exhaust systems are commonly used to remove smoke, while makeup air systems are implemented to balance pressure differences and prevent excessive inflow velocities that could disrupt smoke stratification. International guidelines and standards, such as NFPA 92, emphasize the necessity of providing makeup air; however, they often lack detailed guidance on how this air should be distributed across multiple floors.
Most existing designs assume uniform makeup air distribution, implicitly suggesting equal fire risk across all levels. In reality, smoke concentration, temperature, and toxic gas accumulation vary significantly with height, and upper floors are generally exposed to more hazardous condition. Previous studies have investigated the effects of makeup air velocity, inlet location, and exhaust configuration, yet limited attention has been paid to floor-by-floor allocation strategies based on actual smoke toxicity indicators.
This research addresses this gap by proposing a CO-based approach for determining non-uniform makeup air distribution in a multi-story atrium. By prioritizing upper floors according to their exposure risk, the study aims to improve evacuation safety and provide a more rational basis for smoke control system design.
Methodology
A four-story atrium with realistic geometric dimensions is modeled using Fire Dynamics Simulator (FDS). The computational domain includes the atrium space, adjacent corridors, makeup air inlets at floor levels, and mechanical smoke exhaust outlets at the top of the atrium. A steady fire source with a constant heat release rate of 4 MW is placed at the ground level to represent a severe but plausible fire scenario.
The simulations employ the Large Eddy Simulation (LES) approach to resolve large-scale turbulent structures while modeling sub-grid scale effects using the Smagorinsky model. Combustion is modeled using an eddy dissipation concept, and CO generation is explicitly considered to evaluate toxic gas exposure. Radiation heat transfer is treated using the gray gas model.
Grid independence analysis is performed using three mesh resolutions, and the final mesh is selected based on accuracy and computational efficiency, satisfying recommended criteria for the ratio of characteristic fire diameter to grid size. Model validation is conducted by comparing predicted temperature histories at multiple atrium locations with available experimental data, showing good agreement.
Three makeup air distribution scenarios are defined:
1. Uniform distribution, where equal airflow is supplied to all floors.
2. Moderately non-uniform distribution, with increased airflow to upper floors.
3. Highly non-uniform distribution, where the majority of makeup air is supplied to the third and fourth floors.
All scenarios maintain the same total makeup air flow rate, consistent with NFPA recommendations. Performance is evaluated using time-averaged and transient values of temperature, CO concentration, and visibility at occupant breathing height along evacuation routes.
Discussion and Results
Simulation results reveal pronounced differences in smoke behavior and tenability conditions among the investigated scenarios. In the uniform distribution case, significant accumulation of CO is observed on upper floors, despite acceptable temperature levels. This indicates that temperature alone is insufficient as a design criterion for smoke control effectiveness.
Non-uniform makeup air distribution substantially alters the flow field. By increasing airflow to upper floors, downward pressure gradients are established that counteract buoyancy-driven smoke rise. The moderately non-uniform scenario improves conditions but remains insufficient to prevent hazardous CO levels during prolonged exposure.
The optimal scenario allocates approximately 55–60% of the total makeup air flow to the upper two floors. This configuration achieves the lowest CO concentration at evacuation paths, improves visibility beyond critical thresholds, and maintains temperatures within acceptable limits. Importantly, excessive airflow is avoided, preventing local turbulence and smoke re-entrainment that were observed when airflow was overly concentrated in a single floor.
Time-averaged results confirm that the proposed distribution strategy reduces CO concentration on the top floor by more than 20% compared to the uniform case, while extending tenable evacuation time. The results highlight the importance of balancing buoyancy forces and momentum introduced by makeup air.
Conclusion
This study demonstrates that uniform makeup air distribution is not an effective strategy for smoke control in multi-story atria. Due to the dominant influence of buoyancy and stack effect, upper floors experience disproportionately higher levels of smoke and toxic gases, particularly CO.
A CO-concentration-based approach for allocating makeup air flow is proposed and validated through detailed numerical simulations. The results indicate that supplying approximately 55–60% of the total makeup air to the upper floors significantly enhances evacuation safety by reducing CO concentration, improving visibility, and maintaining stable thermal conditions.
The proposed methodology provides a practical and economical framework that can be integrated into existing smoke control design practices and standards. By focusing on toxic gas distribution rather than temperature alone, designers can achieve more reliable and performance-based smoke management in atrium buildings.

Highlights

در این بخش نتایج حاصل از اجرای سناریوهای مختلف توزیع دبی هوای جبرانی در آتریوم چندطبقه ارائه و تحلیل می‌شود. هدف اصلی تحلیل نتایج، بررسی رفتار دود، دما، دید و به‌ویژه غلظت CO در طبقات مختلف تحت الگوهای متفاوت توزیع دبی است تا مشخص شود کدام الگو می‌تواند بهترین سطح عملکرد را در حفظ ایمنی مسیرهای تخلیه فراهم کند. برای این منظور،  رفتار سه مدل توزیع دبی مطابق جدول4 بررسی شد. سناریو (الف) حالت ابتدایی هست که دبی در تمام طبقات یکسان توزیع شده است. سناریو (ب) و (ج) بر این اساس انتخاب شده که در حالت بدون وجود هوای جبرانی غلظت CO اندازه گیری شده است. برای سناریو (ج) اندازه‌گیری این غلظت در لحظه نهایی شبیه‌سازی انجام شده و سناریوی (ب) به صورت یک حالت میانی بین (الف) و (ج) در نظر گرفته شده است.

Keywords
Smoke management
atrium fire
fire safety
make-up air
numerical simulation

Subjects

آتریوم‌ها در هنگام وقوع آتش به یکی از چالش‌برانگیزترین بخش‌های ساختمان از نظر ایمنی تبدیل می‌شوند، زیرا ساختار باز و ارتفاع زیاد آن‌ها شرایطی را ایجاد می‌کند که موجب تسریع حرکت دود به سمت طبقات بالاتر می‌شود [1]. این پدیده که عمدتاً ناشی از اثر دودکشی است، باعث می‌شود دود و گازهای سمی به‌سرعت در فضای آتریوم و طبقات مجاور پخش شده و محیط را برای ساکنین بسیار خطرناک کند [2]. گازهای سمی موجود در دود، به‌ویژه مونوکسیدکربن (CO)، به‌عنوان مهم‌ترین عامل مرگ‌ومیر در حوادث آتش‌سوزی شناخته می‌شوند و می‌توانند در زمان کوتاهی موجب بیهوشی و مرگ افراد شوند [3]. بنابراین کنترل حرکت دود و تأمین یک مسیر امن برای تخلیه افراد در شرایط اضطراری یکی از مهم‌ترین موضوعات در طراحی سامانه‌های مدیریت دود در آتریوم‌ها محسوب می‌شود.

در مطالعات مرتبط با کنترل دود، همواره بر اهمیت تأمین هوای جبرانی در کنار سامانه تخلیه دود تأکید شده است، زیرا خروج دود بدون ورود هوای جیرانی باعث ایجاد فشار منفی در فضا شده و عملکرد سامانه تخلیه دود را مختل می‌کند [4]. استانداردها و دستورالعمل‌های بین‌المللی مانند NFPA نیز بر لزوم استفاده از سامانه‌های هوارسانی جبرانی تأکید کرده‌اند تا از کاهش فشار بیش از حد و از بین‌رفتن تعادل جریان هوا جلوگیری شود. از سوی دیگر، استفاده از هوای جبرانی به‌صورت غیرسازمان‌یافته و طبیعی می‌تواند موجب کج‌شدن شعله، تشدید ناپایداری جریان، گسترش آتش و تشدید حرکت دود شود [5]. به همین دلیل، تأمین مکانیکی و کنترل‌شده‌ی هوای جبرانی از اهمیت زیادی برخوردار است و تلاش‌های متعددی در سال‌های اخیر برای طراحی و بهینه‌سازی این سامانه‌ها صورت گرفته است.

بخش مهمی از پژوهش‌ها به بررسی پارامترهای مؤثر بر رفتار دود در آتریوم‌ها اختصاص یافته است، از جمله اثر سرعت جریان هوای جبرانی، نحوه آرایش دریچه‌ها، موقعیت ورودی‌ها و مکانیابی سامانه‌های تخلیه دود [6]. نتایج این مطالعات نشان می‌دهد که آرایش مناسب سامانه هوارسانی می‌تواند ارتفاع لایه دود را افزایش داده، دمای محیط را کنترل کند و مسیرهای تخلیه را از آلودگی دور نگه دارد [7]. با این حال، سرعت بیش از حد جریان ورودی هوا می‌تواند موجب تلاطم قابل توجه جریان دود شده و در نتیجه باعث کاهش ارتفاع لایه پاک و افزایش خطر برای افراد شود [8]. این موضوع سبب شده است که طراحی سرعت و دبی مناسب هوای ورودی به‌عنوان یکی از حساس‌ترین بخش‌های مدیریت دود شناخته شود.

علاوه بر مطالعات فوق، پژوهشگران در سال‌های اخیر به موضوعات پیشرفته‌تری مانند مدل‌سازی عددی، استفاده از روش‌های مقیاس‌سازی و تحلیل اثرات متقابل ورودی و خروجی هوا پرداخته‌اند [9]. مدل‌سازی عددی، به‌ویژه با استفاده از نرم‌افزارهایی مانند FDS، ابزار بسیار قدرتمندی برای تحلیل رفتار پیچیده دود در فضاهای بزرگ فراهم کرده است. استفاده از شبکه‌های LES و مدل‌های احتراق مبتنی بر کسری اختلاط نیز موجب شده است که شبیه‌سازی جریان دود و گازهای سمی با دقت بیشتری انجام شود. این مدل‌ها امکان بررسی تأثیرات غلظت CO، دما و دید را فراهم می‌کنند که از مهم‌ترین شاخص‌های ایمنی در زمان آتش‌سوزی هستند [10].

باوجود پیشرفت‌های مهم در حوزه مدیریت دود، یک خلأ پژوهشی قابل‌توجه همچنان وجود دارد. بیشتر پژوهش‌های پیشین بر مواردی مانند توزیع یکنواخت دبی بین طبقات، بررسی رفتار دود در شرایط مشخص یا مطالعه اثر یک نوع سامانه هوارسانی متمرکز بوده‌اند [11]. با اینکه برخی از مطالعات به بررسی تأمین هوای جبرانی از طریق یک یا چند نوع دریچه پرداخته‌اند، اما موضوع تخصیص بهینۀ دبی هوای جبرانی میان طبقات بر اساس وضعیت واقعی آلودگی دود و غلظت CO کمتر مورد توجه قرار گرفته است. در واقع بسیاری از طرح‌های موجود فرض می‌کنند که شرایط هر طبقه مشابه بوده و می‌توان جریان هوای جبرانی را به‌صورت مساوی بین طبقات توزیع کرد؛ در حالی‌که توزیع دود و CO در آتریوم‌ها به‌شدت ناهمگن بوده و طبقات بالاتر معمولاً با خطر بیشتری مواجه می‌شوند.

از آنجا که رفتار دود در آتریوم‌ها متأثر از اختلاف دما، اثر دودکشی، هندسه فضا و شرایط تهویه است، تمرکز بر غلظت CO به‌عنوان شاخص اصلی خطر می‌تواند رویکرد مؤثرتری برای تحلیل و کنترل دود باشد. CO نه‌تنها عامل اصلی بروز مرگ و ناتوانی در آتش‌سوزی‌ها است، بلکه به دلیل انتشار سریع‌تر و تجمع تدریجی، شاخص بهتری نسبت به دما برای تعیین خطر محسوب می‌شود [12]. بنابراین تخصیص هوای جبرانی با توجه به غلظت CO هر طبقه می‌تواند عملکرد سامانه مدیریت دود را به شکل قابل توجهی بهبود دهد.

در پژوهش حاضر، با استفاده از مدل‌سازی عددی در نرم‌افزار FDS و بهره‌گیری از مدل LES، رفتار دود، دما و غلظت CO در آتریوم چندطبقه تحت شرایط مختلف توزیع دبی هوای جبرانی بررسی شده است. در این مطالعه، برخلاف برخی تحقیقات گذشته که از ترکیب ورودی‌های کف و دیوار استفاده کرده‌اند، فقط از ورودی‌های دیواری برای تزریق هوای جبرانی استفاده شده است. این موضوع موجب سادگی سیستم، کاهش هزینه اجرا و امکان‌پذیری بیشتر در ساختمان‌های معمولی می‌شود.

نوآوری اصلی پژوهش در این است که به‌جای توزیع یکنواخت دبی یا تمرکز بر یک‌طبقه خاص، یک رویکرد مبتنی بر غلظت CO برای تعیین نسبت بهینۀ دبی هوای جبرانی در هر طبقه ارائه شده است. در این رویکرد، شرایط واقعی انتشار دود در هر طبقه تحلیل شده و سپس سهم مناسب هر طبقه از مجموع دبی هوای جبرانی تعیین می‌شود تا بهترین عملکرد در جلوگیری از ورود دود به مسیرهای تخلیه حاصل شود. این روش می‌تواند همانند یک چارچوب طراحی مورد استفاده مهندسان قرار گیرد و به طور بالقوه در استانداردهای آینده وارد شود.

روش حل و صحت‌سنجی

Figure 1 – Schematic of the simulated atrium

شکل 1‌- شماتیکی از آتریوم شبیه‌سازی شده

 

در این پژوهش، با هدف تحلیل رفتار دود، دما و گازهای سمی در یک آتریوم چندطبقه و تعیین نسبت بهینة توزیع دبی هوای جبرانی بین طبقات، یک مدل عددی مبتنی بر دینامیک سیالات محاسباتی توسعه داده شد که تمرکز اصلی آن، بررسی توزیع غلظت CO در مسیرهای تخلیه و ایجاد یک شاخص تصمیم‌گیری برای اختصاص هوای جبرانی به طبقات مختلف است. به همین منظور، ابتدا طرح مسئله به‌گونه‌ای تعریف شد که بتواند شرایط واقعی انتشار دود در یک آتش‌سوزی در فضای آتریوم را بازنمایی کند و هم‌زمان امکان آزمون سناریوهای مختلف توزیع دبی هوای جبرانی را فراهم آورد. در این راستا، یک مدل سه‌بعدی شامل چهارطبقه، یک فضای مرکزی آتریوم، مجموعه‌ای از دریچه‌های خروج دود و تأمین هوای جبرانی و در ارتفاع‌های مختلف مانند شکل 1 طراحی شد که تنها از ترکیب ورودی‌های دیواری برای تزریق هوای جبرانی استفاده می‌کند.

هر طبقه دارای یک ناحیه آزادسازی هوا در ارتفاعی مشخص از سطح کف است تا الگوی طبیعی تخلیه افراد در زمان حادثه شبیه‌سازی شود.

در تعریف طرح مسئله، فرض شده است که همة شرایط ورودی و خروجی سیستم ثابت نگه‌داشته شده و تنها متغیر تصمیم‌گیری، نسبت دبی هوای جبرانی اختصاص‌یافته به هر طبقه است. این مسئله از آن‌ جهت اهمیت دارد که توزیع دود در آتریوم‌ها یک الگوی یکنواخت نیست و طبقات بالا معمولاً در معرض غلظت بیشتر CO قرار می‌گیرند. به همین دلیل، هدف این است که به‌جای تخصیص یکنواخت دبی، الگویی ارائه شود که هوای جبرانی را بر‌اساس نیاز واقعی هر طبقه تخصیص دهد؛ به‌گونه‌ای که مسیرهای تخلیه[1] در شرایط ایمن باقی بمانند. برای تحقق این هدف، در مرحلة اول لازم بود مفاهیم پایه‌ای مانند رفتار لایه دود، تأثیر اثر دودکشی، مکانیسم تجمع CO در طبقات بالا، و نقش فشار دینامیک ورودی هوا تحلیل شود؛ بنابراین، مجموعه‌ای از مفاهیم فیزیکی نظیر جابه‌جایی طبیعی، گسترش قائم دود، تشکیل لایة گرم، مکانیسم آشفتگی ناشی از ورودی‌های هوای جبرانی و همچنین وابستگی غلظت CO به ‌سرعت احتراق، در مدل در نظر گرفته شد.

حریق ماهیتی به‌شدت آشفته دارد و در نتیجه، نحوه مدل‌سازی آشفتگی یکی از مهم‌ترین ویژگی‌های هر روش دینامیک سیالات محاسباتی است. از میان سه رویکرد اصلی برای حل معادلات جریان‌های آشفته، نرم‌افزار FDS تنها از دو روش شبیه‌سازی گردابه‌های بزرگ (LES) و شبیه‌سازی عددی مستقیم (DNS) بهره می‌گیرد. در مسائل سی‌اف‌دی[2]، وجود نوسانات زمانی و مکانی در مقیاس‌های بسیار کوچک نیازمند روشی برای کاهش اثرات این مقیاس‌ها بر حل معادلات است. در مدل LES این کار از طریق اعمال فیلتر انجام می‌شود. فیلترگذاری در واقع یک بازنویسی از معادلات ناویراستوکس است که طی آن، گردابه‌هایی با اندازه کوچک‌تر از اندازه فیلتر - که معمولاً همان ابعاد شبکه محاسباتی است- از حل صریح معادلات حذف می‌شوند. به‌این‌ترتیب، شکل فیلترشدة هر یک از معادلات حاکم به کار گرفته می‌شود که نخستین آن‌ها معادله پیوستگی است و می‌توان آن را مطابق رابطه (1) بیان کرد.

                                                                                                                               (1)

در معادله (1)،   سرعت،  زمان و  چگالی است. معادله بقای تکانه به صورت فیلترگیری شده در معادله (2) بیان شده است:

                                                   (2)

در معادله بالا،  گرانروی دینامیکی و  فشار است. گرانروی دینامیکی، شامل مجموع ، گرانروی مولکولی و  گرانروی مقیاس زیر شبکه است.  برابر حاصل‌ضرب  در  است.  گرانروی سینماتیکی زیر شبکه است که مقدار آن با استفاده از مدل اسماگورینسکی محاسبه می‌شود. شکل فیلترگیری شده بقای انرژی در معادله (3) بیان شده است:

  (3)                                               

در معادله (3)،  ضریب انتشار حرارتی،  شار حرارتی تابشی،  نرخ آزاد شدن گرما در واحد حجم در اثر احتراق،  انرژی محسوس و  عدد پرانتل جریان آشفته است. شکل فیلترگیری شده بقای گونه‌ها در معادله (4) بیان شده است:

 (4)                                                                  

در معادله (4)،  ضریب انتشار جرم گونه،  کسر جرمی گونه،  عدد اشمیت آشفته هستند. در این معادله از تأثیر گرادیان فشار و دما بر ضریب نفوذ صرف‌‌نظر شده است.  نرخ واکنش گونه است که با استفاده از مدل احتراقی اتلاف گردابه‌ای (ای‌دی‌ام[3]) محاسبه می‌شود.

در نرم‌افزار شبیه‌ساز دینامیک آتش انتقال حرارت تابشی به‌صورت یک معادله انتقال گاز خاکستری[4] حل می‌شود. معادله انتقال تشعشع[5] برای محیطی شامل جذب[6]، نشر[7]، پخش[8] به‌صورت رابطه (5) است:

(5)                       

 

که در آن  شدت تابش در طول موج λ است، s بردار جهت شدت،  و  به ترتیب ضرایب جذب و پراکندگی محلی هستند و  عبارت منبع انتشار است و برابر با مقدار حرارتی است که توسط مخلوط محلی گاز، دوده و ذرات منتشر می‌شود. انتگرال در سمت راست، انرژی تشعشی پراکنده شده از جهات دیگر را توصیف می‌کند [13].

این مفاهیم مبنای الگوسازی نظری سیستم را تشکیل می‌دهند و تعیین می‌کنند که در کدام نقاط مدل باید اندازه‌گیری، نمونه‌برداری یا تحلیل دقیق‌تری انجام شود.

در بخش الگوسازی عددی، از نرم‌افزار FDS به‌عنوان یک ابزار مبتنی بر روش تفاضل محدود و مدل آشفتگی LES استفاده شد تا بتوان رفتار لحظه‌ای دود، دما و غلظت CO را در مقیاس بزرگ تحلیل کرد. شبیه‌سازی‌های این پژوهش با نرم افزار‌Pyrosim 2024 انجام شده است که مطابق Release Notes/manual این نسخه برای FDS طراحی شده است. در این مطالعه کلیه پارامترهای LES و انتقال اسکالرها مطابق مقادیر پیش فرض FDS استفاده شده و هیچ تغییر در تنظیمات پیش فرض از جمله  ضرایب SGS اعمال نشده است. مقادیر ثابت پیش فرض مورد استفاده قرار گرفته در انتقال اسکالرها در جدول 1 آمده است.


[1] Available Avacuation Passageway

[2] Computational Fluid Dynamics(CFD)

[3] Eddy Dissipation Model  (EDM)

[4] Gray gas

[5] Radiative Transport Equation

[6] Absorption

[7] Emitting

[8] Scattering

[1]  H. Hu, H. Li, Z. Qi, J. Shi, and J. Ji, “Full-scale experiments on smoke movement in a two-story detached house with two horizontal openings at the lower-floor ceiling,” J. Build. Eng., vol. 91, p. 109564, 2024.doi:10.1016/j.jobe.2024.109564
[2]  M. Fu, R. Liu, and Y. Zhang, “Why do people make risky decisions during a fire evacuation? Study on the effect of smoke level, individual risk preference, and neighbor behavior,” Saf. Sci., vol. 140, p. 105245, 2021.doi:10.1016/j.ssci.2021.105245
[3]  D. A. Purser, “Effects of pre‐fire age and health status on vulnerability to incapacitation and death from exposure to carbon monoxide and smoke irritants in Rosepark fire incident victims,” Fire Mater., vol. 41, no. 5, pp. 555–569, 2017.
[4]  J. H. Klote, J. A. Milke, P. G. Turnbull, A. Kashef, and M. J. Ferreira, “Handbook of smoke control engineering,” 2012.
[5]  W. Węgrzyński and G. Krajewski, “Influence of wind on natural smoke and heat exhaust system performance in fire conditions,” J. Wind Eng. Ind. Aerodyn., vol. 164, pp. 44–53, 2017.doi: 10.1016/j.jweia.2017.01.014
[6]  W. Lei, Y. Qi, A. Li, and S. Mei, “Effects of makeup air on atrium smoke conditions: a review,” Indoor Built Environ., vol. 32, no. 1, pp. 66–84, 2023.
[7]  C. Pongratz, J. A. Milke, and A. Trouve, “A CFD Study to Identify Methods to Increase Maximum Velocity of Makeup Air for Atrium Smoke Control.,” ASHRAE Trans., vol. 122, no. 2, 2016.
[8]  A. Rafinazari and G. Hadjisophocleous, “A study of the effect of make-up air velocity on the smoke layer height with symmetric openings in atrium fires,” Fire Technol., vol. 54, no. 1, pp. 229–253, 2018.
[9]  C. Gutierrez-Montes, E. Sanmiguel-Rojas, M. A. Burgos, and A. Viedma, “On the fluid dynamics of the make-up inlet air and the prediction of anomalous fire dynamics in a large-scale facility,” Fire Saf. J., vol. 51, pp. 27–41, 2012.doi: 10.1016/j.firesaf.2012.02.007
[10]         J. S. Roh, H. S. Ryou, W. H. Park, and Y. J. Jang, “CFD simulation and assessment of life safety in a subway train fire,” Tunn. Undergr. Sp. Technol., vol. 24, no. 4, pp. 447–453, 2009.doi: 10.1016/j.tust.2008.12.003
[11]         M. Krol, “Review of smoke management in atrium,” Archit. Civ. Eng. Environ., vol. 4, no. 3, pp. 121–127, 2011.
[12]         Y. Alarie, “Toxicity of fire smoke,” Crit. Rev. Toxicol., vol. 32, no. 4, pp. 259–289, 2002.
[13]         S. A. Kebriyaee, M. Moghiman, and H. Niazmand, “Numerical study of the effect of ambient air temperature and relative humidity on diesel pool fire,” Fuel Combust., vol. 17, no. 2, pp. 57–76, 2024.
[14]         S . A. Kebriyaee, M. Moghiman, and H. Niazmand, “Numerical study on the effects of ambient air temperature and relative humidity on diesel pool fire,” Fuel and Combustion, vol. 17, no. 2, pp. 57–76, 2024, doi: 10.22034/jfnc.2024.463133.1398.
[15]         W. Lei, Z. Zhang, Z. Zheng, C. Tai, L. Zhang, and S. Zhao, “Scaled experiment and numerical study on the effect of a novel makeup air system on smoke control in atrium fires,” J. Build. Eng., vol. 95, p. 110237, 2024, doi: https://doi.org/10.1016/j.jobe.2024.110237.