CN109446743A - 基于统计自适应方法计算突发污染源和外来污染输送贡献 - Google Patents
基于统计自适应方法计算突发污染源和外来污染输送贡献 Download PDFInfo
- Publication number
- CN109446743A CN109446743A CN201811583852.2A CN201811583852A CN109446743A CN 109446743 A CN109446743 A CN 109446743A CN 201811583852 A CN201811583852 A CN 201811583852A CN 109446743 A CN109446743 A CN 109446743A
- Authority
- CN
- China
- Prior art keywords
- concentration
- extraneous contamination
- contribution
- pollutant concentration
- website
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Sampling And Sample Adjustment (AREA)
Abstract
本发明公开了一种基于统计自适应方法计算突发污染源和外来污染输送贡献,包括:a.在一个空气质量检测区域内设置若干个检测站点,获得每个站点的污染物浓度—小时或分钟数据序列,并获得污染物浓度增长曲线;b.检测突然升高数据,并进行判识;c.若为单个站点突变则判定为突发污染源,若为所有站点同时或依次突变则判定为外来污染输送;d.突发污染源贡献是由突变期间浓度减去突变前后时刻浓度线性插值结果计算得出;单个站点的外来污染输送贡献是由外来污染输送过程的增长曲线减去外来污染传输前的增长曲线计算得出,整个区域的贡献是由所有站点的外来污染输送贡献之和然后算术平均得出。本发明计算结果准确,且不需要污染源信息。
Description
技术领域
本发明涉及一种空气质量监测中的突发污染源贡献和外来污染输送贡献计算方法,特别是涉及一种基于统计的自适应方法计算突发污染源和外来污染输送贡献,属于环境监测技术领域。
背景技术
突发污染源和外来污染输送贡献,传统的计算方法主要采用数值模型模拟和污染物来源解析,但该方法存在以下两个方面的缺点:一方面,计算突发污染源和外来污染输送贡献,均需要污染源信息;另一方面,由于污染源谱的不确定性和模式物理化学过程与实际大气过程有差异,导致计算时间长、成本和技术要求较高,计算结果也存在较大不确定性。
发明内容
本发明要解决的技术问题是提供一种计算方法简单,成本低,可靠性高,而且不需要污染源信息的基于统计自适应方法计算突发污染源和外来污染输送贡献。
为解决上述技术问题,本发明采用这样一种基于统计自适应方法计算突发污染源和外来污染输送贡献,包括以下步骤:
a. 在一个空气质量检测区域内设置若干个间隔分散分布的空气污染检测站点,通过设置在每个空气污染检测站点内的空气污染检测仪器,获得每个空气污染检测站点的污染物浓度—小时或分钟数据序列,并由所述污染物浓度—小时或分钟数据序列,获得每个空气污染检测站点的污染物浓度增长曲线;
b. 对每个空气污染检测站点内的所述污染物浓度—小时或分钟数据序列变化趋势进行突变检测,并相互比对,根据所述污染物浓度—小时或分钟数据序列变化趋势,检测突然升高的数据,并对该突然升高的数据段进行判识;
c. 通过对所述污染物浓度—小时或分钟数据序列变化趋势的突变检测,判断所述突然升高的数据段是单个空气污染检测站点突变,还是所有空气污染检测站点同时或依次突变,若为单个站点突变则将所述突然升高的数据段判定为突发污染源影响,若为所有站点同时或依次突变则将所述突然升高的数据段判定为外来污染输送影响;
d. 在步骤c中,若判定为突发污染源影响,则突发污染源贡献是由突变期间污染物浓度减去突变前后时刻污染物浓度线性插值结果计算得出;若判定为外来污染输送影响,则单个空气污染检测站点的外来污染输送贡献是由单个空气污染检测站点外来污染输送过程的污染物浓度增长曲线减去外来污染传输前的污染物浓度增长曲线计算得出;整个空气质量检测区域的外来污染输送贡献是由同一区域内所有空气污染检测站点的外来污染输送贡献之和然后算术平均得出。
在本发明中,在步骤a中,由所述污染物浓度—小时或分钟数据序列减去参考浓度得到每个空气污染检测站点的污染物浓度增长曲线,所述污染物浓度—小时或分钟数据序列初始时段往前推24小时内的最低浓度或者前2日的平均最低浓度为所述参考浓度;在步骤d中,所述外来污染传输前的污染物浓度增长曲线为选取外来污染传输前1~2日的污染物浓度增长曲线,或者外来污染传输过程前一段时间的污染物浓度增长曲线。
采用上述计算方法后,本发明具有以下有益效果:
本发明采用统计方法,根据污染物浓度—小时或分钟数据序列及其波动增长曲线特征,对空气质量监测数据直接进行统计分析,计算出突发污染源贡献和外来污染输送贡献,不需要污染源信息,计算方法简单,成本低,可靠性高。
本发明大幅缩短了计算时间,并且计算结果准确,同时对操作人员的技术要求较低。
附图说明
以下结合附图对本发明的具体实施方式作进一步的详细说明。
图1为本发明中突发污染源贡献的一种计算示意图。
图2为本发明中外来污染输送贡献的一种计算示意图。
具体实施方式
参见图1和图2,本发明提供了一种基于统计自适应方法计算突发污染源和外来污染输送贡献,包括以下步骤:
a. 在一个空气质量检测区域内设置若干个间隔分散分布的空气污染检测站点,所述的一个空气质量检测区域可以是某个城市,也可以是某个城市的一个行政区域等,所述的间隔分散分布可以是相互间隔数公里,例如5~10公里等,相互间隔的距离可根据城市大小实际情况确定,通过设置在每个空气污染检测站点内的空气污染检测仪器,所述仪器可采用市售的ThermoFisher5030、MetOne1020等各类型颗粒物监测设备,包含β射线原理、震荡天平原理等各类型监测设备,获得每个空气污染检测站点的污染物浓度—小时或分钟数据序列,并由所述污染物浓度—小时或分钟数据序列,获得每个空气污染检测站点的污染物浓度增长曲线;在本发明中,所述污染物浓度—小时或分钟数据序列可以是每隔1小时或15分钟或30分钟等时间段得到的污染物浓度数据序列,本发明优选为每隔1小时;
b. 对每个空气污染检测站点内的所述污染物浓度—小时或分钟数据序列变化趋势进行突变检测,并相互比对,根据所述污染物浓度—小时或分钟数据序列变化趋势,检测突然升高的数据,如图1中的A1段,并对该突然升高的数据段进行判识;
c. 通过对所述污染物浓度—小时或分钟数据序列变化趋势的突变检测,判断所述突然升高的数据段是单个空气污染检测站点突变,还是所有空气污染检测站点同时或依次突变,若为单个站点突变则将所述突然升高的数据段判定为突发污染源影响,若为所有站点同时或依次突变则将所述突然升高的数据段判定为外来污染输送影响;
d. 在步骤c中,若判定为突发污染源影响,则突发污染源贡献是由突变期间污染物浓度减去突变前后时刻污染物浓度线性插值结果计算得出;若判定为外来污染输送影响,则单个空气污染检测站点的外来污染输送贡献是由单个空气污染检测站点外来污染输送过程的污染物浓度增长曲线减去外来污染传输前的污染物浓度增长曲线计算得出;整个空气质量检测区域的外来污染输送贡献是由同一区域内所有空气污染检测站点的外来污染输送贡献之和然后算术平均得出。
在本发明中,在步骤a中,由所述污染物浓度—小时或分钟数据序列减去参考浓度得到每个空气污染检测站点的污染物浓度增长曲线,所述污染物浓度—小时或分钟数据序列初始时段往前推24小时内的最低浓度或者前2日的平均最低浓度为所述参考浓度;在步骤d中,所述外来污染传输前的污染物浓度增长曲线优选为选取外来污染传输前1~2日的污染物浓度增长曲线,或者外来污染传输过程前一段时间的污染物浓度增长曲线,所述前一段时间可以是前数小时,例如前6小时或12小时或24小时等。
参见图1所示的突发污染源贡献一种优选实施例计算示意图,首先,根据空气污染检测仪器监测得到的每隔1小时的污染物浓度数据序列,例如图1中所示的1点的浓度为6μg/m3,2点的浓度为5μg/m3,3点的浓度为7.2μg/m3,4点的浓度为7.9μg/m3,5点的浓度为8.8μg/m3,6点的浓度为10.2μg/m3,7点的浓度为13.5μg/m3,8点的浓度为19μg/m3,9点的浓度为55μg/m3,10点的浓度为24.5μg/m3,11点的浓度为19μg/m3,12点的浓度为10.5μg/m3,13点的浓度为8μg/m3,14点的浓度为11μg/m3,15点的浓度为17.5μg/m3,16点的浓度为25μg/m3,17点的浓度为33.5μg/m3,18点的浓度为36μg/m3,19点的浓度为34μg/m3,20点的浓度为29.5μg/m3,21点的浓度为19.5μg/m3,22点的浓度为13μg/m3,23点的浓度为10.5μg/m3,24点的浓度为9μg/m3,由上述污染物浓度—小时数据序列得到污染物浓度曲线A,在图中,8点~10点之间的数据段是突然升高的数据段A1,该突然升高的数据段A1仅为单个站点突变,其中,9点的浓度55μg/m3为突变点也即突变期间污染物浓度,突变前时刻污染物浓度即8点的浓度19μg/m3,突变后时刻污染物浓度即10点的浓度24.5μg/m3,突变前后时刻污染物浓度线性插值即8点与10点之间的平均浓度21.8μg/m3,则突发污染源贡献由突变期间污染物浓度55μg/m3减去突变前后时刻污染物浓度线性插值21.8μg/m3计算得出33.2μg/m3。
参见图2所示的外来污染输送贡献一种优选实施例计算示意图,首先,通过设置在每个空气污染检测站点内的空气污染检测仪器,监测得到每个空气污染检测站点外来污染输送过程的每隔1小时的污染物浓度数据序列,例如图2中所示单个空气污染检测站点外来污染输送过程的1点的浓度为68μg/m3,2点的浓度为78μg/m3,3点的浓度为87μg/m3,4点的浓度为100μg/m3,5点的浓度为108μg/m3,6点的浓度为118μg/m3,7点的浓度为132μg/m3,8点的浓度为139μg/m3,9点的浓度为147μg/m3,10点的浓度为155μg/m3,11点的浓度为158μg/m3,12点的浓度为169μg/m3,13点的浓度为174μg/m3,14点的浓度为172μg/m3,15点的浓度为169μg/m3,16点的浓度为167μg/m3,17点的浓度为146μg/m3,18点的浓度为161μg/m3,19点的浓度为185μg/m3,20点的浓度为182μg/m3,21点的浓度为168μg/m3,22点的浓度为158μg/m3,23点的浓度为147μg/m3,24点的浓度为124μg/m3,选取该数据序列初始时段往前推24小时内的最低浓度例如64μg/m3为参考浓度,通过上述污染物浓度—小时数据序列依次减去参考浓度得到1点~24点的浓度依次为4μg/m3、14μg/m3、23μg/m3、36μg/m3、44μg/m3、54μg/m3、68μg/m3、75μg/m3、83μg/m3、91μg/m3、94μg/m3、105μg/m3、110μg/m3、108μg/m3、105μg/m3、103μg/m3、82μg/m3、97μg/m3、121μg/m3、118μg/m3、104μg/m3、94μg/m3、83μg/m3和60μg/m3,从而得到单个空气污染检测站点外来污染输送过程的污染物浓度增长曲线B;通过设置在每个空气污染检测站点内的空气污染检测仪器,监测得到每个空气污染检测站点外来污染传输前1日的每隔1小时的污染物浓度数据序列,例如图2中所示上述单个空气污染检测站点外来污染传输前1日的1点的浓度为48.5μg/m3,2点的浓度为47.5μg/m3,3点的浓度为49.5μg/m3,4点的浓度为50.5μg/m3,5点的浓度为53μg/m3,6点的浓度为56.5μg/m3,7点的浓度为61.5μg/m3,8点的浓度为67μg/m3,9点的浓度为72.5μg/m3,10点的浓度为72.5μg/m3,11点的浓度为67μg/m3,12点的浓度为58.5μg/m3,13点的浓度为56μg/m3,14点的浓度为59μg/m3,15点的浓度为65.5μg/m3,16点的浓度为73μg/m3,17点的浓度为81.5μg/m3,18点的浓度为84μg/m3,19点的浓度为82μg/m3,20点的浓度为77.5μg/m3,21点的浓度为67.5μg/m3,22点的浓度为61μg/m3,23点的浓度为58.5μg/m3,24点的浓度为64μg/m3,选取该数据序列初始时段往前推24小时内的最低浓度例如48μg/m3为参考浓度,通过上述污染物浓度—小时数据序列依次减去参考浓度得到1点~24点的浓度依次为0.5μg/m3、-0.5μg/m3、1.5μg/m3、2.5μg/m3、5μg/m3、8.5μg/m3、13.5μg/m3、19μg/m3、24.5μg/m3、24.5μg/m3、19μg/m3、10.5μg/m3、8μg/m3、11μg/m3、17.5μg/m3、25μg/m3、3.5μg/m3、36μg/m3、34μg/m3、29.5μg/m3、19.5μg/m3、13μg/m3、10.5μg/m3和16μg/m3,从而得到上述单个空气污染检测站点外来污染传输前1日的污染物浓度增长曲线C;则上述单个空气污染检测站点的外来污染输送贡献是由单个空气污染检测站点外来污染输送过程的污染物浓度增长曲线B减去外来污染传输前的污染物浓度增长曲线C计算得出,即图2中所示阴影部分D;整个空气质量检测区域的外来污染输送贡献是由同一区域内所有空气污染检测站点的外来污染输送贡献之和然后算术平均得出,图中未示。
经过试用,本发明在不需要污染源信息的情况下,通过人工手动或电脑自动快速计算出突发污染源贡献和外来污染输送贡献,计算方法简单,计算结果准确,成本低,取得了良好的效果。
Claims (2)
1.一种基于统计自适应方法计算突发污染源和外来污染输送贡献,其特征在于,包括以下步骤:
a. 在一个空气质量检测区域内设置若干个间隔分散分布的空气污染检测站点,通过设置在每个空气污染检测站点内的空气污染检测仪器,获得每个空气污染检测站点的污染物浓度—小时或分钟数据序列,并由所述污染物浓度—小时或分钟数据序列,获得每个空气污染检测站点的污染物浓度增长曲线;
b. 对每个空气污染检测站点内的所述污染物浓度—小时或分钟数据序列变化趋势进行突变检测,并相互比对,根据所述污染物浓度—小时或分钟数据序列变化趋势,检测突然升高的数据,并对该突然升高的数据段进行判识;
c. 通过对所述污染物浓度—小时或分钟数据序列变化趋势的突变检测,判断所述突然升高的数据段是单个空气污染检测站点突变,还是所有空气污染检测站点同时或依次突变,若为单个站点突变则将所述突然升高的数据段判定为突发污染源影响,若为所有站点同时或依次突变则将所述突然升高的数据段判定为外来污染输送影响;
d. 在步骤c中,若判定为突发污染源影响,则突发污染源贡献是由突变期间污染物浓度减去突变前后时刻污染物浓度线性插值结果计算得出;若判定为外来污染输送影响,则单个空气污染检测站点的外来污染输送贡献是由单个空气污染检测站点外来污染输送过程的污染物浓度增长曲线减去外来污染传输前的污染物浓度增长曲线计算得出;整个空气质量检测区域的外来污染输送贡献是由同一区域内所有空气污染检测站点的外来污染输送贡献之和然后算术平均得出。
2.根据权利要求1所述的基于统计自适应方法计算突发污染源和外来污染输送贡献,其特征在于:在步骤a中,由所述污染物浓度—小时或分钟数据序列减去参考浓度得到每个空气污染检测站点的污染物浓度增长曲线,所述污染物浓度—小时或分钟数据序列初始时段往前推24小时内的最低浓度或者前2日的平均最低浓度为所述参考浓度;在步骤d中,所述外来污染传输前的污染物浓度增长曲线为选取外来污染传输前1~2日的污染物浓度增长曲线,或者外来污染传输过程前一段时间的污染物浓度增长曲线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811583852.2A CN109446743B (zh) | 2018-12-24 | 2018-12-24 | 基于统计自适应方法计算突发污染源和外来污染输送贡献 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811583852.2A CN109446743B (zh) | 2018-12-24 | 2018-12-24 | 基于统计自适应方法计算突发污染源和外来污染输送贡献 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109446743A true CN109446743A (zh) | 2019-03-08 |
CN109446743B CN109446743B (zh) | 2022-11-29 |
Family
ID=65537997
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811583852.2A Active CN109446743B (zh) | 2018-12-24 | 2018-12-24 | 基于统计自适应方法计算突发污染源和外来污染输送贡献 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109446743B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20050122623A (ko) * | 2004-06-25 | 2005-12-29 | 주식회사 에니텍 | 이동형 에어와치 시스템 |
CN106650159A (zh) * | 2016-12-31 | 2017-05-10 | 中国科学技术大学 | 一种城市路网大气污染物浓度时空分布实时监测*** |
CN107194139A (zh) * | 2016-03-14 | 2017-09-22 | 日电(中国)有限公司 | 大气污染源分级方法及计算设备 |
CN107917987A (zh) * | 2017-11-09 | 2018-04-17 | 北京伟瑞迪科技有限公司 | 一种面向城市空气污染物溯源分析方法 |
CN108416521A (zh) * | 2018-03-06 | 2018-08-17 | 深圳市卡普瑞环境科技有限公司 | 一种信息来源确定的方法以及信息来源确定装置 |
-
2018
- 2018-12-24 CN CN201811583852.2A patent/CN109446743B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20050122623A (ko) * | 2004-06-25 | 2005-12-29 | 주식회사 에니텍 | 이동형 에어와치 시스템 |
CN107194139A (zh) * | 2016-03-14 | 2017-09-22 | 日电(中国)有限公司 | 大气污染源分级方法及计算设备 |
CN106650159A (zh) * | 2016-12-31 | 2017-05-10 | 中国科学技术大学 | 一种城市路网大气污染物浓度时空分布实时监测*** |
CN107917987A (zh) * | 2017-11-09 | 2018-04-17 | 北京伟瑞迪科技有限公司 | 一种面向城市空气污染物溯源分析方法 |
CN108416521A (zh) * | 2018-03-06 | 2018-08-17 | 深圳市卡普瑞环境科技有限公司 | 一种信息来源确定的方法以及信息来源确定装置 |
Non-Patent Citations (3)
Title |
---|
夏艳清: "移动源对空气污染指数贡献的经济学分析——以大连市为例", 《武汉职业技术学院学报》 * |
莫彩芬 等: "近两年武汉市环境空气质量时空分布特征及污染源解析", 《湖北大学学报(自然科学版)》 * |
马锋敏 等: "北京及周边地区一次典型大气污染过程的模拟分析", 《环境科学研究》 * |
Also Published As
Publication number | Publication date |
---|---|
CN109446743B (zh) | 2022-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107122483B (zh) | 基础地理信息数据质检方法、装置及*** | |
Cronbach | Statistical tests for moderator variables: Flaws in analyses recently proposed. | |
CN107063955B (zh) | 空气颗粒物检测仪校准方法及管理*** | |
CN115098829A (zh) | 一种基于多源计量数据的碳排放量在线分析方法 | |
CN106643897A (zh) | 一种远程计量质检***及远程计量质检方法 | |
CN106599367A (zh) | 一种航天器状态异常检测方法 | |
US11002624B2 (en) | Method and device for measuring a thrust margin of a turbomachine | |
Ramella et al. | K-band properties of well-sampled groups of galaxies | |
CN109446743A (zh) | 基于统计自适应方法计算突发污染源和外来污染输送贡献 | |
AU2003267562A1 (en) | Quality assessment of product in bulk flow | |
Zariņš et al. | Performance analysis of Latvian zenith camera | |
US9771880B2 (en) | Real-time vehicle data acquisition and analysis | |
CN109031328B (zh) | 含时序增益功能激光测距机的探测概率曲线簇测量方法 | |
CN107784148A (zh) | 一种集输管道失效率评估方法及装置 | |
CN110455240A (zh) | 车辆自动漆膜检测方法及*** | |
CN111832175B (zh) | 一种降雨条件下散射计海面风速测量方法及*** | |
CN111199089B (zh) | 管道环焊缝可靠性灵敏度分析方法及装置 | |
CN103514288B (zh) | 客户端类别识别方法和*** | |
CN108008437A (zh) | 用于射线探测的方法及装置 | |
CN108460519B (zh) | 污染源重心概化下小型河道纳污能力风险估计方法 | |
CN112182959A (zh) | 一种配水管网泄漏检测方法 | |
CN107239831B (zh) | 一种轮胎是否漏气的检测方法、检测***及检测装置 | |
CN205317191U (zh) | 一种电缆设备用牵引轮偏心监测装置 | |
CN102636440A (zh) | 基于n-气体模型的建材燃烧产烟毒性定量评价方法及*** | |
CN104614006B (zh) | 一种电站锅炉co2排放因子的测量方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |