CN107193056A - 空气污染物监测预警方法及云平台 - Google Patents
空气污染物监测预警方法及云平台 Download PDFInfo
- Publication number
- CN107193056A CN107193056A CN201710322237.5A CN201710322237A CN107193056A CN 107193056 A CN107193056 A CN 107193056A CN 201710322237 A CN201710322237 A CN 201710322237A CN 107193056 A CN107193056 A CN 107193056A
- Authority
- CN
- China
- Prior art keywords
- unit
- pollutant
- wind
- air
- monitoring
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
Landscapes
- Environmental & Geological Engineering (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Air Conditioning Control Device (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明一种空气污染物监测预警方法及云平台,所述的云平台,包括:数据采集模块,用于空气中污染物浓度、风向、风速;数据处理平台,用于获取数据采集模块输出的数据,采用烟团轨迹模型进行三维流场模拟,利用拟合历史污染物浓度及风速监测数据,纠正错误数据;预测未来一固定地点的污染物浓度,计算空气污染指数;利用各监测点污染物浓度和风速监测数据,通过烟团轨迹模型进行三维流场模拟得到污染物浓度平面分布精确追踪污染源;通信模块,用于通过有线或无线的方式连接管理***,通过无线的方式连接用户终端,定期向用户终端发布空气质量检测报告、预测报告、污染物分布等值图及可能污染源位置。
Description
技术领域
本发明涉及一种空气污染物监测预警方法及云平台。
背景技术
随着经济的迅速发展,人们生活水平不断提升,然而环境污染问题却逐渐突出。可吸入颗粒物、有毒气体严重威胁人们的生命健康。为了解决这一问题,相关部门出台了一系列环境监测标准,如《环境空气质量标准》、《环境空气质量监测规范(试行)》、《环境空气质量监测规范(试行)》等。成熟的检测技术、蓬勃发展的互联网和云计算技术,为实现空气污染的实时监测、无线传输、智能分析、准确预警和及时发布提供了全面的技术保障。
现在的空气污染预测机构和应用软件琳琅满目,但它们发布的结果只有固定地点污染物浓度监测结果的列表信息。预测结果为未来某一固定地区的污染物浓度,数据利用率较低。
发明内容
本发明的目的是提供一种能够实时检测空气质量,进行大数据分析,追踪污染源、预测空气质量,并利用通过移动终端发布预报的空气污染物监测预警方法及云平台。
为达到上述发明目的,本发明空气污染物监测预警方法,包括:
设置多个监测点,各监测点分别采集污染物浓度、气温、风向及风速的历史参数;
建立城市空气流动通道、地面反射率、风速和温度分布三维场;
获取各污染物的扩散参数、沉降参数;
建立三维烟团轨迹模型:在不均匀流畅中,污染物扩散采用积分烟团模型:
式中:Cp(x,y,z,T)——T时刻第p个源在(x,y,z)处的浓度,单位mg/m3;
σx、σy、σz——不同稳定度下的扩散系数,单位m2/s;
u、v、ω——流场在x,y,z方向的分量,单位m/s;
He——第p个源的有效高度,单位m;
VS——污染物颗粒沉降速度,气态污染物为0,单位m/s;
T——污染物排放时间,单位hr;
Qp——第p个点源的强度,单位mg/s,
α1——地面反射率;
预测污染源,调整污染源位置、强度排放时间,拟合获取的各监测点的污染物浓度数据,拟合精度达到80%以上,将偏离计算结果的检测数据纳入存疑数据库,并对监测点进行检查维修,达到拟合精度的污染源位置、强度和排放时间作为污染源的预测结果,完成拟合的三维烟团轨迹模型,得到反映污染物的三维分布场图;
还包括通过增加时间步,预测未来污染物浓度分布,计算空气污染指数。
进一步地,空气流动通道:根据城市地形和建筑物的分布建立流动通道的三维分布网格;
地面反射率分布:测量不同区域的地面反射率,并赋值给各个网格,得到地面反射率分布;
风速场:风场连续方程:
u*=u·ΔH(x·y),
v*=v·ΔH(x·y),
ΔH(x,y)=H(x,y)-h'
式中:u*、v*、w*——坐标调整后的风场,m/s;
σ——调整后的垂向坐标,单位m;
h's=hs(x,y)+10
H(x,y)=2000+hs(x,y)/2
式中:z——坐标铅直高度,单位m;
hs(x,y)——地形高度,单位m;
H(x,y)——模式上边界,单位m;
为了便于在x,y,σ坐标上插值风场满足风场连续方程,同时使得风场改变值最小,问题归结为求泛函的最小值:
式中:E(U*,V*,ω*,λ)——任一点的泛函值;
——初始风场,单位m/s;
λ——拉格朗日乘值;
a1——水平方向观测误差;
a2——垂直方向观测误差;
——观测误差方差;
地面风场初始化:
用加权插值法将地面各观测点的风速实测值按其u,v分量分别插到模式的各地面格点上,得到地面初始场;
式中:U——u,v的分量,m/s;
i,j——表示(i,j)网格点;
r——第K各观测点至(I,j)网格点的平均距离,单位m;
n——检测点数量;
RE——影响半径(以网格点为中心),单位m;
上层风场初始化:
上层风场利用风速幂次律的外推及地转风资料获得,具体包括;从地面至 200m的各层风速改变而风向不变,风速改变遵循:
式中:U——风速,单位m/s;
U10——地面10米风标观测风速,单位m/s;
200m以上各高度风场由上层地转风和地面外推的200m层风场线内插而得;
温度场
将各检测点得到温度数据赋值给三维网格中,没有检测点的网格通过线性插值得到温度场。
进一步地,还包括:定期向用户终端发布空气质量检测报告、预测报告、污染物分布图及预测污染源位置。
为达到上述发明目的,本发明空气污染物监测预警云平台,包括:
数据采集模块,用于采集污染物浓度、气温、风向及风速的历史参数;
数据处理平台,用于获取各污染物的扩散参数、沉降参数;
建立三维烟团轨迹模型:在不均匀流畅中,污染物扩散采用积分烟团模型:
式中:Cp(x,y,z,T)——T时刻第p个源在(x,y,z)处的浓度,单位mg/m3;
σx、σy、σz——不同稳定度下的扩散系数,单位m2/s;
u、v、ω——流场在x,y,z方向的分量,单位m/s;
He——第p个源的有效高度,单位m;
VS——污染物颗粒沉降速度,气态污染物为0,单位m/s;
T——污染物排放时间,单位hr;
Qp——第p个点源的强度,单位mg/s,
α1——地面反射率;
预测污染源,调整污染源位置、强度排放时间,拟合获取的各监测点的污染物浓度数据,拟合精度达到80%以上,将偏离计算结果的检测数据纳入存疑数据库,并对监测点进行检查维修,达到拟合精度的污染源位置、强度和排放时间作为污染源的预测结果,完成拟合的三维烟团轨迹模型,得到反映污染物的三维分布场图;
数据处理平台,还用于通过增加时间步,预测未来污染物浓度分布,计算空气污染指数;
管理***,通过光纤与数据处理平台通讯连接,用于获取数据处理平台输出的反映污染物的三维分布场图以及未来污染物浓度分布,空气污染指数;
用户终端,通过GPRS传输模块与数据处理平台通讯连接,用于定期接收数据处理平台输出的反映污染物的三维分布场图以及未来污染物浓度分布,空气污染指数;或者用于向数据处理平台输出请求,接收数据处理平台输出的反映污染物的三维分布场图以及未来污染物浓度分布,空气污染指数。
进一步地,所述数据采集模块,包括流量调节器、PLC控制器、存储器及传感器;其中传感器包含二氧化硫、二氧化氮、一氧化碳、臭氧、PM10、PM2.5、总悬浮颗粒物、氮氧化物、铅、苯并芘污染物浓度检测器。
本发明空气污染物监测预警方法及云平台相对于现有技术的优点。
1、本发明能够智能处理污染物浓度监测,数据传输、分析与发布。
2、本发明能够精确追踪污染源,预测未来某一固定地点污染物浓度。
3、本发明能够发布精确的污染物分布图。
4、本发明结合了互联网技术和云计算技术充分利用检测数据,能够及时、准确地追踪污染源,预测未来污染物浓度。
附图说明
图1是本发明平台拓扑图;
图2是本发明数据采集模块结构图。
具体实施方式
实施例1
本实施例空气污染物监测预警方法,包括:
(1)设置多个监测点,采集各监测点分别采集污染物浓度、气温、风向及风速的历史参数;污染物浓度、气温、风向及风速作为模型输入参数;
(2)建立城市空气流动通道、地面反射率、风速和温度分布三维场;
1)流动通道
根据城市地形和建筑物的分布建立流动通道的三维分布网格。
2)地面反射率分布
测量不同区域的地面反射率,并赋值给各个网格,得到地面反射率分布。
3)风速场
为了准确描述污染物浓度的分布,建立风速场,结合前述点源烟团轨迹模型可预测变化风场下的污染物分布情况。
a.风场连续方程:
u*=u·ΔH(x·y),
v*=v·ΔH(x·y),
ΔH(x,y)=H(x,y)-h'
式中:u*、v*、w*——坐标调整后的风场,m/s;
σ——调整后的垂向坐标,m。
h's=hs(x,y)+10
H(x,y)=2000+hs(x,y)/2
式中:z——坐标铅直高度,m;
hs(x,y)——地形高度,m;
H(x,y)——模式上边界,m。
为了便于在x,y,σ坐标上插值风场满足风场连续方程,同时使得风场改变值最小,问题归结为求泛函的最小值:
式中:E(U*,V*,ω*,λ)——任一点的泛函值,;
——初始风场,m/s;
λ——拉格朗日乘值;
a1——水平方向观测误差;
a2——垂直方向观测误差;
——观测误差方差。
b.地面风场初始化:
用加权插值法将地面各观测点的风速实测值按其u,v分量分别插到模式的各地面格点上,得到地面初始场。
式中:U——u,v的分量,m/s;
i,j——表示(i,j)网格点;
r——第K各观测点至(I,j)网格点的平均距离,m;
n——检测点数量;
RE——影响半径(以网格点为中心),m;
c.上层风场初始化:
上层风场利用风速幂次律的外推及地转风资料获得。
具体说,从地面至200m的各层风速改变而风向不变,风速改变遵循:
式中:U——风速,m/s;
U10——地面10米风标观测风速,m/s;
200m以上各高度风场由上层地转风和地面外推的200m层风场线内插而得。
4)温度场
将各检测点得到温度数据赋值给三维网格中,没有检测点的网格通过线性插值得到温度场。
(3)输入各污染物的扩散参数、沉降参数;
(4)建立三维烟团轨迹模型:
在不均匀流畅中,污染物扩散采用积分烟团模型:
式中:Cp(x,y,z,T)——T时刻第p个源在(x,y,z)处的浓度,mg/m3;
σx、σy、σz——不同稳定度下的扩散系数,m2/s;
u、v、ω——流场在x,y,z方向的分量,m/s;
He——第p个源的有效高度,m;
VS——污染物颗粒沉降速度,气态污染物为0,m/s;
T——污染物排放时间,hr;
Qp——第p个点源的强度,mg/s,
α1——地面反射率。
在污染物浓度较高的区域预测污染源,调整污染源位置、强度排放时间,拟合获取的的历史参数(各监测点的浓度数据),历史拟合精度达到80%以上,将偏离计算结果的检测数据纳入存疑数据库,并对监测点进行检查维修。达到拟合精度的污染源位置、强度和排放时间作为污染源的预测结果。完成拟合的三维烟团轨迹模型,得到准确反映污染物的三维分布场图;
(5)还包括通过增加时间步,预测未来污染物浓度分布,计算空气污染指数。
实施例2
本实施例空气污染物监测预警方法,在实施例1的基础上,还包括:定期向用户终端发布空气质量检测报告、预测报告、污染物分布图及预测污染源位置。
实施例3
本实施例空气污染物监测预警云平台,包括:
数据采集模块,用于采集污染物浓度、气温、风向及风速的历史参数;
数据处理平台,用于获取各污染物的扩散参数、沉降参数;
建立三维烟团轨迹模型:在不均匀流畅中,污染物扩散采用积分烟团模型:
式中:Cp(x,y,z,T)——T时刻第p个源在(x,y,z)处的浓度,单位mg/m3;
σx、σy、σz——不同稳定度下的扩散系数,单位m2/s;
u、v、ω——流场在x,y,z方向的分量,单位m/s;
He——第p个源的有效高度,单位m;
VS——污染物颗粒沉降速度,气态污染物为0,单位m/s;
T——污染物排放时间,单位hr;
Qp——第p个点源的强度,单位mg/s,
α1——地面反射率;
预测污染源,调整污染源位置、强度排放时间,拟合获取的各监测点的污染物浓度数据,拟合精度达到80%以上,将偏离计算结果的检测数据纳入存疑数据库,并对监测点进行检查维修,达到拟合精度的污染源位置、强度和排放时间作为污染源的预测结果,完成拟合的三维烟团轨迹模型,得到反映污染物的三维分布场图;
数据处理平台,还用于通过增加时间步,预测未来污染物浓度分布,计算空气污染指数;
管理***,通过光纤与数据处理平台通讯连接,用于获取数据处理平台输出的反映污染物的三维分布场图以及未来污染物浓度分布,空气污染指数;
用户终端,通过GPRS传输模块与数据处理平台通讯连接,用于定期接收数据处理平台输出的反映污染物的三维分布场图以及未来污染物浓度分布,空气污染指数;或者用于向数据处理平台输出请求,接收数据处理平台输出的反映污染物的三维分布场图以及未来污染物浓度分布,空气污染指数。
所述空气污染检测器通过GPRS传输模块和光纤与数据处理平台连接;所述数据处理平台通过光纤与管理***连接,同时通过GPRS传输模块与用户终端连接。本发明所述的GPRS传输模块用于在正常工况下将数据采集模块得到的数据处理平台。所述的光纤传输是在GPRS传输模块失效的条件下将数据采集模块得到的数据处理平台
本发明所述的数据处理平台是基于Hadoop平台,采用烟团轨迹模型进行三维流场模拟,利用拟合历史污染物浓度及风速监测数据,纠正错误数据,并预测未来某一固定地点的污染物浓度,计算空气污染指数;利用各监测点污染物浓度和风速监测数据,通过烟团轨迹模型进行三维流场模拟得到污染物浓度平面分布精确追踪污染源;并定期向用户终端发布空气质量检测报告、预测报告、污染物分布等值图及可能污染源位置。
以上所述仅是本发明的优选实施方式,并不用于限制本发明,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变型,这些改进和变型也应视为本发明的保护范围。
Claims (5)
1.一种空气污染物监测预警方法,其特征在于,包括:
设置多个监测点,各监测点分别采集污染物浓度、气温、风向及风速的历史参数;
建立城市空气流动通道、地面反射率、风速和温度分布三维场;
获取各污染物的扩散参数、沉降参数;
建立三维烟团轨迹模型:在不均匀流畅中,污染物扩散采用积分烟团模型:
式中:Cp(x,y,z,T)——T时刻第p个源在(x,y,z)处的浓度,单位mg/m3;
σx、σy、σz——不同稳定度下的扩散系数,单位m2/s;
u、v、ω——流场在x,y,z方向的分量,单位m/s;
He——第p个源的有效高度,单位m;
VS——污染物颗粒沉降速度,气态污染物为0,单位m/s;
T——污染物排放时间,单位hr;
Qp——第p个点源的强度,单位mg/s,
α1——地面反射率;
预测污染源,调整污染源位置、强度排放时间,拟合获取的各监测点的污染物浓度数据,拟合精度达到80%以上,将偏离计算结果的检测数据纳入存疑数据库,并对监测点进行检查维修,达到拟合精度的污染源位置、强度和排放时间作为污染源的预测结果,完成拟合的三维烟团轨迹模型,得到反映污染物的三维分布场图;
还包括通过增加时间步,预测未来污染物浓度分布,计算空气污染指数。
2.根据权利要求1所述的空气污染物监测预警方法,其特征在于,
空气流动通道:根据城市地形和建筑物的分布建立流动通道的三维分布网格;
地面反射率分布:测量不同区域的地面反射率,并赋值给各个网格,得到地面反射率分布;
风速场:风场连续方程:
u*=u·ΔH(x·y),
v*=v·ΔH(x·y),
ΔH(x,y)=H(x,y)-h'
式中:u*、v*、w*——坐标调整后的风场,m/s;
σ——调整后的垂向坐标,单位m;
h′s=hs(x,y)+10
H(x,y)=2000+hs(x,y)/2
式中:z——坐标铅直高度,单位m;
hs(x,y)——地形高度,单位m;
H(x,y)——模式上边界,单位m;
为了便于在x,y,σ坐标上插值风场满足风场连续方程,同时使得风场改变值最小,问题归结为求泛函的最小值:
式中:E(U*,V*,ω*,λ)——任一点的泛函值;
——初始风场,单位m/s;
λ——拉格朗日乘值;
a1——水平方向观测误差;
a2——垂直方向观测误差;
——观测误差方差;
地面风场初始化:
用加权插值法将地面各观测点的风速实测值按其u,v分量分别插到模式的各地面格点上,得到地面初始场;
式中:U——u,v的分量,m/s;
i,j——表示(i,j)网格点;
r——第K各观测点至(I,j)网格点的平均距离,单位m;
n——检测点数量;
RE——影响半径(以网格点为中心),单位m;
上层风场初始化:
上层风场利用风速幂次律的外推及地转风资料获得,具体包括;从地面至200m的各层风速改变而风向不变,风速改变遵循:
式中:U——风速,单位m/s;
U10——地面10米风标观测风速,单位m/s;
200m以上各高度风场由上层地转风和地面外推的200m层风场线内插而得;
温度场
将各检测点得到温度数据赋值给三维网格中,没有检测点的网格通过线性插值得到温度场。
3.根据权利要求1所述的空气污染物监测预警方法,其特征在于,还包括:
定期向用户终端发布空气质量检测报告、预测报告、污染物分布图及预测污染源位置。
4.一种空气污染物监测预警云平台,其特征在于,包括:
数据采集模块,用于采集污染物浓度、气温、风向及风速的历史参数;
数据处理平台,用于获取各污染物的扩散参数、沉降参数;
建立三维烟团轨迹模型:在不均匀流畅中,污染物扩散采用积分烟团模型:
式中:Cp(x,y,z,T)——T时刻第p个源在(x,y,z)处的浓度,单位mg/m3;
σx、σy、σz——不同稳定度下的扩散系数,单位m2/s;
u、v、ω——流场在x,y,z方向的分量,单位m/s;
He——第p个源的有效高度,单位m;
VS——污染物颗粒沉降速度,气态污染物为0,单位m/s;
T——污染物排放时间,单位hr;
Qp——第p个点源的强度,单位mg/s,
α1——地面反射率;
预测污染源,调整污染源位置、强度排放时间,拟合获取的各监测点的污染物浓度数据,拟合精度达到80%以上,将偏离计算结果的检测数据纳入存疑数据库,并对监测点进行检查维修,达到拟合精度的污染源位置、强度和排放时间作为污染源的预测结果,完成拟合的三维烟团轨迹模型,得到反映污染物的三维分布场图;
数据处理平台,还用于通过增加时间步,预测未来污染物浓度分布,计算空气污染指数;
管理***,通过光纤与数据处理平台通讯连接,用于获取数据处理平台输出的反映污染物的三维分布场图以及未来污染物浓度分布,空气污染指数;
用户终端,通过GPRS传输模块与数据处理平台通讯连接,用于定期接收数据处理平台输出的反映污染物的三维分布场图以及未来污染物浓度分布,空气污染指数;或者用于向数据处理平台输出请求,接收数据处理平台输出的反映污染物的三维分布场图以及未来污染物浓度分布,空气污染指数。
5.根据权利要求4所述的空气污染物监测预警方法及云平台,其特征在于,所述数据采集模块,包括流量调节器、PLC控制器、存储器及传感器;其中传感器包含二氧化硫、二氧化氮、一氧化碳、臭氧、PM10、PM2.5、总悬浮颗粒物、氮氧化物、铅、苯并芘污染物浓度检测器。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111674307.6A CN114280695A (zh) | 2017-05-09 | 2017-05-09 | 一种空气污染物监测预警方法及云平台 |
CN201710322237.5A CN107193056A (zh) | 2017-05-09 | 2017-05-09 | 空气污染物监测预警方法及云平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710322237.5A CN107193056A (zh) | 2017-05-09 | 2017-05-09 | 空气污染物监测预警方法及云平台 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111674307.6A Division CN114280695A (zh) | 2017-05-09 | 2017-05-09 | 一种空气污染物监测预警方法及云平台 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107193056A true CN107193056A (zh) | 2017-09-22 |
Family
ID=59873622
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111674307.6A Pending CN114280695A (zh) | 2017-05-09 | 2017-05-09 | 一种空气污染物监测预警方法及云平台 |
CN201710322237.5A Pending CN107193056A (zh) | 2017-05-09 | 2017-05-09 | 空气污染物监测预警方法及云平台 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111674307.6A Pending CN114280695A (zh) | 2017-05-09 | 2017-05-09 | 一种空气污染物监测预警方法及云平台 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN114280695A (zh) |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108170635A (zh) * | 2017-11-24 | 2018-06-15 | 南京大学 | 一种中尺度大气光化学污染综合过程分析方法 |
CN108182491A (zh) * | 2017-12-27 | 2018-06-19 | 宇星科技发展(深圳)有限公司 | 大气细颗粒物(pm2.5)实时源解析定位方法 |
CN108535418A (zh) * | 2018-04-12 | 2018-09-14 | 盐城工学院 | 一种污染物溯源方法、装置、监控终端及存储介质 |
CN108921760A (zh) * | 2018-08-20 | 2018-11-30 | 泛测(北京)环境科技有限公司 | 一种生成空气质量分析报告的方法 |
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 |
CN109357708A (zh) * | 2018-10-25 | 2019-02-19 | 华鉴认证有限公司 | 基于互联网的环境监测平台 |
CN109359341A (zh) * | 2018-09-20 | 2019-02-19 | 佛山科学技术学院 | 一种城市气浮颗粒扩散追踪方法 |
CN109542876A (zh) * | 2018-11-20 | 2019-03-29 | 南京莱斯信息技术股份有限公司 | 基于Hadoop数据挖掘航空器经验轨迹模型关键因子的提取方法 |
CN109858696A (zh) * | 2019-01-30 | 2019-06-07 | 山东万钢信息科技有限公司 | 一种城市环境污染预测方法及*** |
CN110043320A (zh) * | 2019-05-28 | 2019-07-23 | 中电建路桥集团有限公司 | 一种隧道施工环境监控方法 |
CN110427573A (zh) * | 2019-08-01 | 2019-11-08 | 软通动力信息技术有限公司 | 一种未知污染源区域的确定方法、装置、设备及存储介质 |
CN110531730A (zh) * | 2019-10-16 | 2019-12-03 | 广东紫方环保技术有限公司 | 一种污染源在线监控*** |
CN110531030A (zh) * | 2019-08-16 | 2019-12-03 | 北京慧辰资道资讯股份有限公司 | 一种基于物联网大数据大气污染物分析的方法及装置 |
CN110673229A (zh) * | 2019-10-23 | 2020-01-10 | 新亚优华科技有限公司 | 一种基于热点网格技术的大气污染物扩散轨迹追踪方法 |
CN111126710A (zh) * | 2019-12-27 | 2020-05-08 | 成都星时代宇航科技有限公司 | 一种大气污染物预测方法 |
CN111489041A (zh) * | 2020-06-23 | 2020-08-04 | 平安国际智慧城市科技股份有限公司 | 预测污染物异常排放的方法、装置、计算机设备 |
CN111581808A (zh) * | 2020-04-30 | 2020-08-25 | 中科三清科技有限公司 | 一种污染物信息处理方法、装置、存储介质及终端 |
CN111695712A (zh) * | 2019-03-12 | 2020-09-22 | 寰宇国际地球资讯有限公司 | 污染源追踪***及其方法 |
CN111781030A (zh) * | 2020-07-08 | 2020-10-16 | 南京大学 | 一种基于无人机的大气VOCs采样设备、采样及分析方法、以及计算方法 |
CN112305163A (zh) * | 2020-10-21 | 2021-02-02 | 西北工业大学 | 基于固定翼无人机的大气污染监测***及数据处理方法 |
CN113723702A (zh) * | 2021-09-07 | 2021-11-30 | 中国人民解放军陆军防化学院 | 一种化学危害扩散预测方法及装置 |
CN115185292A (zh) * | 2022-06-27 | 2022-10-14 | 福建农林大学 | 基于地空一体化的空气污染智能监测方法及平台 |
CN115201071A (zh) * | 2022-09-09 | 2022-10-18 | 杭州泽天春来科技有限公司 | 一种基于厂界恶臭在线监测***的空气扩散溯源方法及*** |
CN117129638A (zh) * | 2023-10-26 | 2023-11-28 | 江西怡杉环保股份有限公司 | 一种区域空气环境质量监测方法及*** |
US11854845B2 (en) | 2020-09-16 | 2023-12-26 | Changxin Memory Technologies, Inc. | System for monitoring environment |
CN117310101A (zh) * | 2023-10-31 | 2023-12-29 | 湖北凌创环保有限公司 | 一种大气污染物浓度监测*** |
CN116577469B (zh) * | 2023-05-17 | 2024-01-23 | 广州德亨信息技术有限公司 | 基于数据精度校准的大气环境监测***、数据预测方法 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115453070B (zh) * | 2022-11-09 | 2023-03-10 | 安徽皖欣环境科技有限公司 | 一种用于智慧环保管家的污染物预警方法 |
CN115561408B (zh) * | 2022-11-17 | 2023-04-28 | 河北先河环保科技股份有限公司 | 空气污染预警方法、装置、电子设备及存储介质 |
CN116699072B (zh) * | 2023-06-08 | 2024-01-26 | 东莞市华复实业有限公司 | 基于侦测巡航的环境预警方法 |
CN116859001B (zh) * | 2023-07-18 | 2024-03-19 | 安徽碧水环业生态科技有限公司 | 一种碳排放在线监测平台及分析方法 |
CN117419769B (zh) * | 2023-11-14 | 2024-06-04 | 中科迈航信息技术有限公司 | 一种物联网环保监控***及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103258116A (zh) * | 2013-04-18 | 2013-08-21 | 国家电网公司 | 一种大气污染物扩散模型的构建方法 |
CN104008229A (zh) * | 2014-04-30 | 2014-08-27 | 北京大学 | 一种街区污染物浓度分布模型建立方法 |
JP2015031636A (ja) * | 2013-08-05 | 2015-02-16 | 新日鐵住金株式会社 | 降下煤塵量の推定方法、装置、プログラム及び記憶媒体 |
CN104597212A (zh) * | 2015-02-03 | 2015-05-06 | 无锡中电科物联网创新研发中心 | 一种大气污染源定位方法 |
CN104598692A (zh) * | 2015-02-02 | 2015-05-06 | 廖鹰 | 火电厂排放烟尘污染仿真模拟方法 |
-
2017
- 2017-05-09 CN CN202111674307.6A patent/CN114280695A/zh active Pending
- 2017-05-09 CN CN201710322237.5A patent/CN107193056A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103258116A (zh) * | 2013-04-18 | 2013-08-21 | 国家电网公司 | 一种大气污染物扩散模型的构建方法 |
JP2015031636A (ja) * | 2013-08-05 | 2015-02-16 | 新日鐵住金株式会社 | 降下煤塵量の推定方法、装置、プログラム及び記憶媒体 |
CN104008229A (zh) * | 2014-04-30 | 2014-08-27 | 北京大学 | 一种街区污染物浓度分布模型建立方法 |
CN104598692A (zh) * | 2015-02-02 | 2015-05-06 | 廖鹰 | 火电厂排放烟尘污染仿真模拟方法 |
CN104597212A (zh) * | 2015-02-03 | 2015-05-06 | 无锡中电科物联网创新研发中心 | 一种大气污染源定位方法 |
Non-Patent Citations (4)
Title |
---|
刘鹤欣 等: "采用高斯模型的垃圾焚烧污染物环境监测及布点", 《西安交通大学学报》 * |
横山长之 等著,于春普 译: "《大气环境评价方法》", 31 January 1982, 中国建筑工业出版社 * |
陈军 等: "PM2.5扩散模型及预测研究", 《数学的实践与认识》 * |
魏东 等: "核事故中放射性核素扩散浓度的理论预测", 《中国安全科学学报》 * |
Cited By (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108170635A (zh) * | 2017-11-24 | 2018-06-15 | 南京大学 | 一种中尺度大气光化学污染综合过程分析方法 |
CN108170635B (zh) * | 2017-11-24 | 2023-09-08 | 南京大学 | 一种中尺度大气光化学污染综合过程分析方法 |
CN108182491A (zh) * | 2017-12-27 | 2018-06-19 | 宇星科技发展(深圳)有限公司 | 大气细颗粒物(pm2.5)实时源解析定位方法 |
CN108535418A (zh) * | 2018-04-12 | 2018-09-14 | 盐城工学院 | 一种污染物溯源方法、装置、监控终端及存储介质 |
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 |
CN108921760A (zh) * | 2018-08-20 | 2018-11-30 | 泛测(北京)环境科技有限公司 | 一种生成空气质量分析报告的方法 |
CN109359341A (zh) * | 2018-09-20 | 2019-02-19 | 佛山科学技术学院 | 一种城市气浮颗粒扩散追踪方法 |
CN109357708A (zh) * | 2018-10-25 | 2019-02-19 | 华鉴认证有限公司 | 基于互联网的环境监测平台 |
CN109542876A (zh) * | 2018-11-20 | 2019-03-29 | 南京莱斯信息技术股份有限公司 | 基于Hadoop数据挖掘航空器经验轨迹模型关键因子的提取方法 |
CN109542876B (zh) * | 2018-11-20 | 2023-04-07 | 南京莱斯信息技术股份有限公司 | 基于Hadoop数据挖掘航空器经验轨迹模型关键因子的提取方法 |
CN109858696A (zh) * | 2019-01-30 | 2019-06-07 | 山东万钢信息科技有限公司 | 一种城市环境污染预测方法及*** |
CN111695712B (zh) * | 2019-03-12 | 2023-08-25 | 寰宇国际地球资讯有限公司 | 污染源追踪***及其方法 |
CN111695712A (zh) * | 2019-03-12 | 2020-09-22 | 寰宇国际地球资讯有限公司 | 污染源追踪***及其方法 |
CN110043320A (zh) * | 2019-05-28 | 2019-07-23 | 中电建路桥集团有限公司 | 一种隧道施工环境监控方法 |
CN110043320B (zh) * | 2019-05-28 | 2020-06-12 | 中电建路桥集团有限公司 | 一种隧道施工环境监控方法 |
CN110427573A (zh) * | 2019-08-01 | 2019-11-08 | 软通动力信息技术有限公司 | 一种未知污染源区域的确定方法、装置、设备及存储介质 |
CN110531030A (zh) * | 2019-08-16 | 2019-12-03 | 北京慧辰资道资讯股份有限公司 | 一种基于物联网大数据大气污染物分析的方法及装置 |
CN110531030B (zh) * | 2019-08-16 | 2021-11-12 | 北京慧辰资道资讯股份有限公司 | 一种基于物联网大数据大气污染物分析的方法及装置 |
CN110531730A (zh) * | 2019-10-16 | 2019-12-03 | 广东紫方环保技术有限公司 | 一种污染源在线监控*** |
CN110673229A (zh) * | 2019-10-23 | 2020-01-10 | 新亚优华科技有限公司 | 一种基于热点网格技术的大气污染物扩散轨迹追踪方法 |
CN111126710A (zh) * | 2019-12-27 | 2020-05-08 | 成都星时代宇航科技有限公司 | 一种大气污染物预测方法 |
CN111126710B (zh) * | 2019-12-27 | 2021-07-16 | 成都星时代宇航科技有限公司 | 一种大气污染物预测方法 |
CN111581808B (zh) * | 2020-04-30 | 2021-04-13 | 中科三清科技有限公司 | 一种污染物信息处理方法、装置、存储介质及终端 |
CN111581808A (zh) * | 2020-04-30 | 2020-08-25 | 中科三清科技有限公司 | 一种污染物信息处理方法、装置、存储介质及终端 |
CN111489041A (zh) * | 2020-06-23 | 2020-08-04 | 平安国际智慧城市科技股份有限公司 | 预测污染物异常排放的方法、装置、计算机设备 |
CN111781030A (zh) * | 2020-07-08 | 2020-10-16 | 南京大学 | 一种基于无人机的大气VOCs采样设备、采样及分析方法、以及计算方法 |
US11854845B2 (en) | 2020-09-16 | 2023-12-26 | Changxin Memory Technologies, Inc. | System for monitoring environment |
CN112305163A (zh) * | 2020-10-21 | 2021-02-02 | 西北工业大学 | 基于固定翼无人机的大气污染监测***及数据处理方法 |
CN113723702A (zh) * | 2021-09-07 | 2021-11-30 | 中国人民解放军陆军防化学院 | 一种化学危害扩散预测方法及装置 |
CN115185292A (zh) * | 2022-06-27 | 2022-10-14 | 福建农林大学 | 基于地空一体化的空气污染智能监测方法及平台 |
CN115201071B (zh) * | 2022-09-09 | 2022-12-09 | 杭州泽天春来科技有限公司 | 一种基于厂界恶臭在线监测***的空气扩散溯源方法及*** |
CN115201071A (zh) * | 2022-09-09 | 2022-10-18 | 杭州泽天春来科技有限公司 | 一种基于厂界恶臭在线监测***的空气扩散溯源方法及*** |
CN116577469B (zh) * | 2023-05-17 | 2024-01-23 | 广州德亨信息技术有限公司 | 基于数据精度校准的大气环境监测***、数据预测方法 |
CN117129638A (zh) * | 2023-10-26 | 2023-11-28 | 江西怡杉环保股份有限公司 | 一种区域空气环境质量监测方法及*** |
CN117129638B (zh) * | 2023-10-26 | 2024-01-12 | 江西怡杉环保股份有限公司 | 一种区域空气环境质量监测方法及*** |
CN117310101A (zh) * | 2023-10-31 | 2023-12-29 | 湖北凌创环保有限公司 | 一种大气污染物浓度监测*** |
Also Published As
Publication number | Publication date |
---|---|
CN114280695A (zh) | 2022-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107193056A (zh) | 空气污染物监测预警方法及云平台 | |
Soegaard et al. | Towards a spatial CO2 budget of a metropolitan region based on textural image classification and flux measurements | |
Alexander et al. | Using LCZ data to run an urban energy balance model | |
Kwok et al. | How well does the local climate zone scheme discern the thermal environment of Toulouse (France)? An analysis using numerical simulation data | |
Gibson et al. | Dispersion model evaluation of PM2. 5, NOx and SO2 from point and major line sources in Nova Scotia, Canada using AERMOD Gaussian plume air dispersion model | |
Srbinovska et al. | The effect of small green walls on reduction of particulate matter concentration in open areas | |
CN110531030B (zh) | 一种基于物联网大数据大气污染物分析的方法及装置 | |
Kordowski et al. | Carbon dioxide fluxes over an urban park area | |
Song et al. | Impacts of mesic and xeric urban vegetation on outdoor thermal comfort and microclimate in Phoenix, AZ | |
Gu et al. | Spatial planning for urban ventilation corridors by urban climatology | |
CN106651036A (zh) | 空气质量预报*** | |
CN113804598B (zh) | 基于大数据的施工环境监测***及监测方法 | |
CN104181276A (zh) | 一种基于无人机的企业碳排放量检测方法 | |
CN114155129A (zh) | 一种基于工业园区的大气环境溯评方法和*** | |
KR20210084184A (ko) | 나무심기 입지 분석 장치 및 방법 | |
Sharipov et al. | Numerical modeling method for short-term air quality forecast in industrial regions | |
Unger et al. | Development, data processing and preliminary results of an urban human comfort monitoring and information system | |
CN111582580A (zh) | 一种考虑人群污染物暴露的出行路径规划方法 | |
Niska et al. | Evaluation of an integrated modelling system containing a multi-layer perceptron model and the numerical weather prediction model HIRLAM for the forecasting of urban airborne pollutant concentrations | |
CN114880933A (zh) | 一种基于再分析资料的无探空站点地基微波辐射计大气温湿廓线反演方法及*** | |
Xiong et al. | A spatial-and-temporal-based method for rapid particle concentration estimations in an urban environment | |
Yan et al. | Mitigating PM2. 5 exposure with vegetation barrier and building designs in urban open-road environments based on numerical simulations | |
Bahari et al. | Prediction of PM2. 5 concentrations using temperature inversion effects based on an artificial neural network | |
Lee et al. | Characterization of spatial-temporal distribution and microenvironment source contribution of PM2. 5 concentrations using a low-cost sensor network with artificial neural network/kriging techniques | |
Corsmeier et al. | Temporal evolution of winter smog within a nocturnal boundary layer at Christchurch, New Zealand |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170922 |