CN102116734A - 污染物来源预测方法及*** - Google Patents
污染物来源预测方法及*** Download PDFInfo
- Publication number
- CN102116734A CN102116734A CN2009102158216A CN200910215821A CN102116734A CN 102116734 A CN102116734 A CN 102116734A CN 2009102158216 A CN2009102158216 A CN 2009102158216A CN 200910215821 A CN200910215821 A CN 200910215821A CN 102116734 A CN102116734 A CN 102116734A
- Authority
- CN
- China
- Prior art keywords
- pollution
- wind direction
- direction data
- probability
- determined number
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种污染物来源预测方法及***,该方法包括:根据设于一第一位置的一第一污染监测仪器所测量的污染浓度数据及气象站的一第一风向数据建立一第一既定数量的污染对风向数据;根据设于一第二位置的一第二污染监测仪器所测量的污染浓度数据及气象站的一第二风向数据建立一第二既定数量的污染对风向数据;根据至少该第一既定数量的污染对风向数据以及至少该第二既定数量的污染对风向数据建构一污染机率区域分布信息;以及根据该污染机率区域分布信息判断污染物来源。
Description
技术领域
本发明涉及一种污染物来源预测方法及***。
背景技术
传统的确定污染源可以利用逐步搜寻的方式直接寻找污染物浓度最高的位置,或者利用建立污染物浓度分布的方式推定污染浓度最高的位置。这两种方式都需要在现场建置大量的监测设备,或是重复地移动测量位置才能达到搜寻污染源的效果。举例来说,建立污染物浓度分布的方式一般包含两种方式,一种是使用低维度的点侦测进行单一点浓度的采样分析或实时监测。另一种是中维度的线侦测,例如开放光径遥测技术所获得的浓度信息。至于整个平面的浓度侦测则是依据点侦测或线侦测的结果进行内插补值方式或计算机断层方式间接计算获得。因此实务上,需要在许多定点设置仪器侦测污染浓度,然后根据这些仪器所测量的污染浓度计算出区域的污染浓度分布情况,再通过污染浓度分布情况确定污染源。
为了更有效率地找出污染源,有必要提供一种使用更少污染监测仪器预测污染物来源的方法与***。
发明内容
本发明提供一种污染物来源预测方法,包括:根据设于一第一位置的一第一污染监测仪器所测量的污染浓度数据及气象站的一第一风向数据建立一第一既定数量的污染对风向数据;根据设于一第二位置的一第二污染监测仪器所测量的污染浓度数据及气象站的一第二风向数据建立一第二既定数量的污染对风向数据;根据至少该第一既定数量的污染对风向数据以及至少该第二既定数量的污染对风向数据建构一污染机率区域分布信息;以及根据该污染机率区域分布信息判断污染物来源。
本发明还提供一种污染物来源预测***,包括:一第一污染监测仪器,于一第一位置收集一第一污染浓度数据;一第二污染监测仪器,于一第二位置收集一第二污染浓度数据;一主控计算机,根据该第一污染浓度数据及来自气象站的一第一风向数据建立一第一既定数量的污染对风向数据、根据该第二污染浓度数据及来自气象站的一第二风向数据建立一第二既定数量的污染对风向数据、根据至少该第一既定数量的污染对风向数据以及至少该第二既定数量的污染对风向数据建构一污染机率区域分布信息,以及根据该污染机率区域分布信息判断污染物来源。
本发明的污染物来源预测的方法与***利用两组污染监测仪器结合气象监测数据通过数值运算分析出污染机率的分布情况。因此在不增加额外成本之下,使用现有的监测技术与少量的监测设备达到确定污染源的目的。
附图说明
图1为根据发明实施例说明污染物来源预测的方法的流程图;
图2A为发明实施例的浓度-风向玫瑰图的示意图;
图2B为说明发明实施例的三次云规内插值法(cubic splineinterpolation)的示意图;
图2C为说明发明实施例的建构污染机率区域分布信息的示意图;
图2D为说明根据污染机率区域分布信息预测污染来源的实施例的示意图;以及
图3为显示发明污染物来源预测的***的架构图。
【主要组件符号说明】
102、104、106、108、110~流程步骤;
300~污染物来源预测的***;
310~第一污染监测仪器;
320~第二污染监测仪器;
330~气象站;
340~主控计算机;
342~运算单元;
344~第一计算单元;
346~第二计算单元。
具体实施方式
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附图式,作详细说明如下:
图1为根据发明实施例说明污染物来源预测的方法的流程图。在步骤102与104,分别根据污染监测仪器的污染浓度数据与气象站的风向数据建立第一既定数量与第二既定数量的特定方向的污染浓度机率。在本发明的实施例中,在一个位置设置一台污染监测仪器测量污染浓度,配合气象站的风向数据,建立第一个污染浓度-风向玫瑰图,如图2A所示。再另一位置同样设置一台污染监测仪器测量污染浓度,配合气象站的风向数据,建立第二个污染浓度-风向玫瑰图。在本实施例中,正规风向的既定数量是16,污染浓度-风向玫瑰图表示所在位置相对16个正规方向所产生的污染浓度的机率的示意图。举例来说,在图2A中的E方向,长条状的长度表示机率大小,对于E方向来说是3个单位个大小,而长条状的颜色深度与宽度表示污染浓度的高低,以E方向来说,此长条状表示污染浓度在8-16ppb范围,因此E方向在污染浓度8-16ppb的机率是3个单位,其它污染浓度机率则几乎为零。同样地,在NW方向,就呈现4种污染浓度机率,加总大约为4个单位,因此,NW方向的污染浓度机率为4个单位。在本实施例中,污染浓度-风向玫瑰图所呈现的数据是用于往后建构污染机率区域分布信息时的重要计算依据。
在步骤106,分别根据第一既定数量与第二既定数量的特定方向的污染浓度机率实施三次云规内插值法以求得更多特定方向的污染浓度机率。由于正规风向数据仅有16个方向。为了取得更多方向的污染浓度机率,本发明的实施例使用三次云规内插值法,如图2B所示,根据原本16个正规方向的污染浓度机率求出360度方向的污染浓度机率。当然使用者可依据需求计算某些特定方向的污染浓度机率。因此可以分别取得至少第一既定数量或至少第二既定数量的特定方向的污染浓度机率。
在步骤108,根据第一位置的一个特定方向的污染浓度机率与第二位置的一个特定方向的污染浓度机率计算出一个既定位置的污染机率,然后建构一个污染机率区域分布信息。参考图2C,举例来说,有两个污染浓度-风向玫瑰图,分别具有至少第一既定数目的特定方向的污染浓度机率与至少第二既定数目的特定方向的污染浓度机率。例如左边的污染浓度-风向玫瑰图Q0-Q15(Q7-Q15因简化而未标示)代表这个方向的污染浓度机率(包含各个浓度范围的污染浓度机率),同理P0-P15是另一组污染浓度-风向玫瑰图中对应方向的污染浓度机率。在另一个实施例中,两组污染浓度-风向玫瑰图可能有超过16个正规方向的污染浓度机率。在本实施例中,假如需要A0位置的污染机率,则以Q3与P14的污染浓度机率的乘积数值作为A0位置的污染机率。同理,A1位置的浓度机率则是Q4与P13的乘积数值。如此就可以建构一个污染机率区域分布信息。在另一实施例中,可依需要建构更完整与密集的污染机率区域分布的信息。承接上一段所描述,使用者可依据需求计算出更多特定方向的污染浓度机率。参考图2C,当存在Qx与Px方向的污染浓度机率时。则可以计算出位置A999的污染机率(Qx乘以Px),同样地,位置B999的污染机率亦可求得。另外,在一实施例中,为有效率地计算所有既定位置的浓度机率,只要特定方向的浓度机率为零时,则可以略过计算其所对应位置的污染机率。
最后,在步骤110,根据污染机率区域分布信息找出污染来源。当建构出浓度机率分布区域信息时,可依据这些信息建立一个等高图并且标示各种颜色以表示各种污染机率,则可以清楚确定污染机率高的位置,如图2D所示。
图3为显示本发明污染物来源预测的***的架构图。污染物来源预测的***300包括第一污染监测仪器310、第二污染监测仪器320、气象站330以及主控计算机340。
第一污染监测仪器310设置于第一位置收集第一污染浓度数据,第二污染监测仪器320则设置于第二位置收集第二污染浓度数据。主控计算机340会根据第一污染浓度数据及来自气象站330的第一风向数据建立第一既定数量的污染对风向数据,亦即是第一位置上的16个正规方向的污染浓度机率。主控计算机340还会根据第二污染浓度数据及来自气象站330的第二风向数据建立第二既定数量的污染对风向数据,亦即是第二位置上的16个正规方向的污染浓度机率。污染监测仪器可能是傅利叶转换红外光谱仪(Fourier transform infraredspectroscopy,FTIR)、光游离侦测器(Photo ionization detector,PID)、气相层析质谱分析仪(Gas chromatography-mass spectrometry,GC/MS)或其它能长时间连续监测污染物浓度装置。
此外,主控计算机340会根据至少第一既定数量的污染对风向数据以及至少第二既定数量的污染对风向数据建构一污染机率区域分布信息,以及根据污染机率区域分布信息判断污染物来源。在本实施例中,主控计算机340另包含一个运算单元342,用以计算污染机率区域分布信息中既定位置的污染机率。举例来说,运算单元342根据第一个位置上16个污染对风向数据中对应于既定位置的方向的一个机率数值乘以另一位置上16个污染对风向数据中对应于此既定位置的方向的一个机率数值得到污染机率区域分布信息中此既定位置的污染机率。综合所有既定位置的污染机率则可以求得污染机率区域分布信息。实务上,会将污染机率区域分布信息建立成以颜色表示机率高低的等高图,使用者可轻易地根据等高图确认污染来源。
另外,主控计算机340还包括一第一计算单元与一第二计算单元,分别根据第一位置上16个污染对风向数据以及第二位置上16个污染对风向数据实施三次云规内插值法以求得第一污染监测仪器、第二污染监测仪器与气象站16个正规方向之外的污染对风向数据。在一实施例中,越多的污染对风向数据可以建立更多既定位置的污染机率,产生更大量的污染机率区域分布信息以助于建构更精密的等高图。
最后,本领域技术人员可以轻易地使用本发明揭露的观念以及特定实施例为基础,变更及设计可以实施同样目的的其它结构,但不脱离本发明的权利要求书所保护的范围。
Claims (15)
1.一种污染物来源预测方法,包括:
根据设于一第一位置的一第一污染监测仪器所测量的污染浓度数据及气象站的一第一风向数据建立一第一既定数量的污染对风向数据;
根据设于一第二位置的一第二污染监测仪器所测量的污染浓度数据及气象站的一第二风向数据建立一第二既定数量的污染对风向数据;
根据至少该第一既定数量的污染对风向数据以及至少该第二既定数量的污染对风向数据建构一污染机率区域分布信息;以及
根据该污染机率区域分布信息判断污染物来源。
2.根据权利要求1所述的污染物来源预测方法,其中一个污染对风向数据表示相对于该第一或第二位置的一个特定方向的污染浓度机率。
3.根据权利要求1所述的污染物来源预测方法,其中该建构该污染机率区域分布信息包括:
根据该第一位置对应于一既定位置的方向的该第一既定数量的污染对风向数据的一个与该第二位置对应于该既定位置的方向的该第二既定数量的污染对风向数据的一个求得该污染机率区域分布信息中该既定位置的污染机率。
4.根据权利要求3所述的污染物来源预测方法,其中该既定位置污染机率为该二个污染对风向数据的乘积。
5.根据权利要求4所述的污染物来源预测方法,其中该二个污染对风向数据都不等于零。
6.根据权利要求2所述的污染物来源预测方法,其中还包括根据该第一既定数量的污染对风向数据实施三次云规内插值法以求得该第一污染监测仪器与气象站16个正规方向之外的污染对风向数据。
7.根据权利要求2所述的污染物来源预测方法,其中还包括根据该第二既定数量的污染对风向数据实施三次云规内插值法以求得该第二污染监测仪器与气象站16个正规方向之外的污染对风向数据。
8.一种污染物来源预测***,包括:
一第一污染监测仪器,于一第一位置收集一第一污染浓度数据;
一第二污染监测仪器,于一第二位置收集一第二污染浓度数据;
一主控计算机,根据该第一污染浓度数据及来自气象站的一第一风向数据建立一第一既定数量的污染对风向数据、根据该第二污染浓度数据及来自气象站的一第二风向数据建立一第二既定数量的污染对风向数据、根据至少该第一既定数量的污染对风向数据以及至少该第二既定数量的污染对风向数据建构一污染机率区域分布信息,以及根据该污染机率区域分布信息判断污染物来源。
9.根据权利要求8所述的污染物来源预测***,其中一个污染对风向数据表示相对于该第一或第二位置的一个特定方向的污染浓度机率。
10.根据权利要求8所述的污染物来源预测***,其中该主控计算机还包括一运算单元,用于根据该第一既定数量的污染对风向数据中对应于一既定位置的方向的一个与该第二既定数量的污染对风向数据中对应于该既定位置的方向的一个求得该污染机率区域分布信息中的该既定位置的污染机率。
11.根据权利要求10所述的污染物来源预测***,其中该既定位置的污染机率为该二个污染对风向数据的乘积。
12.根据权利要求11所述的污染物来源预测***,其中该二个污染对风向数据都不等于零。
13.根据权利要求9所述的污染物来源预测***,其中该主控计算机还包括一第一计算单元,用于根据该第一既定数量的污染对风向数据实施三次云规内插值法以求得该第一污染监测仪器与气象站16个正规方向之外的污染对风向数据。
14.根据权利要求9所述的污染物来源预测***,其中该主控计算机还包括一第二计算单元,用于根据该第二既定数量的污染对风向数据实施三次云规内插值法以求得该第二污染监测仪器与气象站16个正规方向之外的污染对风向数据。
15.根据权利要求8所述的污染物来源预测***,其中污染监测仪器为傅利叶转换红外光谱仪、光游离侦测器、或气相层析质谱分析仪。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200910215821A CN102116734B (zh) | 2009-12-30 | 2009-12-30 | 污染物来源预测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200910215821A CN102116734B (zh) | 2009-12-30 | 2009-12-30 | 污染物来源预测方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102116734A true CN102116734A (zh) | 2011-07-06 |
CN102116734B CN102116734B (zh) | 2012-10-17 |
Family
ID=44215601
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200910215821A Active CN102116734B (zh) | 2009-12-30 | 2009-12-30 | 污染物来源预测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102116734B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102818884A (zh) * | 2012-08-15 | 2012-12-12 | 长沙理工大学 | 一种违规排污口的定位方法 |
CN107589222A (zh) * | 2017-09-15 | 2018-01-16 | 深圳市卡普瑞环境科技有限公司 | 一种污染物综合监测方法以及处理*** |
CN107589223A (zh) * | 2017-09-15 | 2018-01-16 | 深圳市卡普瑞环境科技有限公司 | 一种定位的方法、装置以及存储介质 |
CN107631729A (zh) * | 2017-09-15 | 2018-01-26 | 深圳市卡普瑞环境科技有限公司 | 一种排放源信息校验方法及终端设备 |
CN107643367A (zh) * | 2017-09-15 | 2018-01-30 | 深圳市卡普瑞环境科技有限公司 | 一种定位的方法、装置以及存储介质 |
CN107656298A (zh) * | 2017-09-15 | 2018-02-02 | 深圳市卡普瑞环境科技有限公司 | 一种获取方位信息的方法及相关设备 |
CN107656017A (zh) * | 2017-09-15 | 2018-02-02 | 深圳市卡普瑞环境科技有限公司 | 一种信息监测的方法及相关设备 |
CN108053602A (zh) * | 2017-12-19 | 2018-05-18 | 深圳市泛海三江电子股份有限公司 | 一种光电感烟探测器的污染预测方法及其污染预测*** |
CN109115949A (zh) * | 2018-07-26 | 2019-01-01 | 郑州轻工业学院 | 基于大数据的污染溯源方法及计算机可读介质 |
CN110687255A (zh) * | 2019-10-21 | 2020-01-14 | 软通动力信息技术有限公司 | 一种空气污染物的溯源方法、装置、设备和存储介质 |
CN110750257A (zh) * | 2019-09-28 | 2020-02-04 | 天津同阳科技发展有限公司 | 一种玫瑰图显示方法及*** |
CN111611296A (zh) * | 2020-05-20 | 2020-09-01 | 中科三清科技有限公司 | Pm2.5污染成因分析方法、装置、电子设备及存储介质 |
CN112051362A (zh) * | 2020-09-01 | 2020-12-08 | 杭州壹丈科技有限公司 | 风玫瑰预判污染物变化模型 |
CN113759441A (zh) * | 2021-09-08 | 2021-12-07 | 长春嘉诚信息技术股份有限公司 | 基于风玫瑰图及污染源监测的空气质量溯源方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2174701Y (zh) * | 1994-01-28 | 1994-08-17 | 侯志明 | 烟尘黑度监测记录仪 |
CN1884969A (zh) * | 2005-06-24 | 2006-12-27 | 高圣龙 | 移动式海洋地理信息海上水文环境监控方法及其*** |
-
2009
- 2009-12-30 CN CN200910215821A patent/CN102116734B/zh active Active
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102818884B (zh) * | 2012-08-15 | 2015-03-04 | 长沙理工大学 | 一种违规排污口的定位方法 |
CN102818884A (zh) * | 2012-08-15 | 2012-12-12 | 长沙理工大学 | 一种违规排污口的定位方法 |
CN107589223B (zh) * | 2017-09-15 | 2020-04-07 | 深圳市卡普瑞环境科技有限公司 | 一种定位的方法、装置以及存储介质 |
CN107589222A (zh) * | 2017-09-15 | 2018-01-16 | 深圳市卡普瑞环境科技有限公司 | 一种污染物综合监测方法以及处理*** |
CN107589223A (zh) * | 2017-09-15 | 2018-01-16 | 深圳市卡普瑞环境科技有限公司 | 一种定位的方法、装置以及存储介质 |
CN107631729A (zh) * | 2017-09-15 | 2018-01-26 | 深圳市卡普瑞环境科技有限公司 | 一种排放源信息校验方法及终端设备 |
CN107643367A (zh) * | 2017-09-15 | 2018-01-30 | 深圳市卡普瑞环境科技有限公司 | 一种定位的方法、装置以及存储介质 |
CN107656298A (zh) * | 2017-09-15 | 2018-02-02 | 深圳市卡普瑞环境科技有限公司 | 一种获取方位信息的方法及相关设备 |
CN107656017A (zh) * | 2017-09-15 | 2018-02-02 | 深圳市卡普瑞环境科技有限公司 | 一种信息监测的方法及相关设备 |
CN108053602A (zh) * | 2017-12-19 | 2018-05-18 | 深圳市泛海三江电子股份有限公司 | 一种光电感烟探测器的污染预测方法及其污染预测*** |
CN109115949B (zh) * | 2018-07-26 | 2020-12-11 | 郑州轻工业学院 | 基于大数据的污染溯源方法及计算机可读介质 |
CN109115949A (zh) * | 2018-07-26 | 2019-01-01 | 郑州轻工业学院 | 基于大数据的污染溯源方法及计算机可读介质 |
CN110750257A (zh) * | 2019-09-28 | 2020-02-04 | 天津同阳科技发展有限公司 | 一种玫瑰图显示方法及*** |
CN110750257B (zh) * | 2019-09-28 | 2021-03-02 | 天津同阳科技发展有限公司 | 一种玫瑰图显示方法及*** |
CN110687255A (zh) * | 2019-10-21 | 2020-01-14 | 软通动力信息技术有限公司 | 一种空气污染物的溯源方法、装置、设备和存储介质 |
CN111611296A (zh) * | 2020-05-20 | 2020-09-01 | 中科三清科技有限公司 | Pm2.5污染成因分析方法、装置、电子设备及存储介质 |
CN111611296B (zh) * | 2020-05-20 | 2021-02-19 | 中科三清科技有限公司 | Pm2.5污染成因分析方法、装置、电子设备及存储介质 |
CN112051362A (zh) * | 2020-09-01 | 2020-12-08 | 杭州壹丈科技有限公司 | 风玫瑰预判污染物变化模型 |
CN112051362B (zh) * | 2020-09-01 | 2022-06-24 | 杭州壹丈科技有限公司 | 风玫瑰预判污染物变化模型 |
CN113759441A (zh) * | 2021-09-08 | 2021-12-07 | 长春嘉诚信息技术股份有限公司 | 基于风玫瑰图及污染源监测的空气质量溯源方法 |
CN113759441B (zh) * | 2021-09-08 | 2022-04-22 | 长春嘉诚信息技术股份有限公司 | 基于风玫瑰图及污染源监测的空气质量溯源方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102116734B (zh) | 2012-10-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102116734B (zh) | 污染物来源预测方法及*** | |
US11933774B1 (en) | Leak detection event aggregation and ranking systems and methods | |
Bigi et al. | Performance of NO, NO 2 low cost sensors and three calibration approaches within a real world application | |
CN114371260B (zh) | 一种工业企业无组织VOCs网格化监测、扩散预警及溯源方法 | |
Zhang et al. | Real time localized air quality monitoring and prediction through mobile and fixed IoT sensing network | |
US9229133B2 (en) | Meteorological parameter forecasting | |
CN112418609A (zh) | 一种基于面-网格-点的大气二次污染精准溯源方法 | |
CN105206057B (zh) | 基于浮动车居民出行热点区域的检测方法及*** | |
KR20180041828A (ko) | 미세먼지농도 측정, 보정 및 예측을 통한 미세먼지정보 구축장치 및 그 방법 | |
US10386258B1 (en) | Systems and methods for detecting changes in emission rates of gas leaks in ensembles | |
JP5314087B2 (ja) | 腐食解析システムおよび方法 | |
CN110426493B (zh) | 空气质量监测数据校准方法、装置、设备和存储介质 | |
Lian et al. | Assessing the effectiveness of an urban CO2 monitoring network over the Paris region through the COVID-19 lockdown natural experiment | |
CN115453069A (zh) | 一种面向城市臭氧超标污染遥感溯源方法 | |
CN112991132B (zh) | Pm2.5和臭氧协同管控区域识别方法及装置 | |
KR20070038058A (ko) | 비정형 격자를 통한 기상 예보 방법 및 시스템 | |
CN115358904A (zh) | 一种动静结合的城市区域空气质量监测站选址方法 | |
CN114077798B (zh) | 估算小尺度区域大气污染物网格浓度的方法 | |
Hong et al. | Predicting outdoor ultrafine particle number concentrations, particle size, and noise using street-level images and audio data | |
TWI395932B (zh) | 污染物來源預測的方法及系統 | |
Balen et al. | Air quality monitoring device for vehicular ad hoc networks: enviodev | |
CN109598064B (zh) | 一种基于OpenFOAM的风资源计算区域寻优方法 | |
CN117073907A (zh) | 用于定位和定量逸散性排放物泄漏的方法和*** | |
CN113111860B (zh) | 道路移动源排放计算方法、装置、设备及介质 | |
Miller et al. | Spatial variability of volatile organic compound concentrations in Sarnia, Ontario, Canada |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |