CN111220549B - 测算待测区域污染物排放面浓度的测算方法 - Google Patents
测算待测区域污染物排放面浓度的测算方法 Download PDFInfo
- Publication number
- CN111220549B CN111220549B CN201811327592.2A CN201811327592A CN111220549B CN 111220549 B CN111220549 B CN 111220549B CN 201811327592 A CN201811327592 A CN 201811327592A CN 111220549 B CN111220549 B CN 111220549B
- Authority
- CN
- China
- Prior art keywords
- discharge surface
- pollutant
- concentration
- area
- sampling
- 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.)
- Active
Links
- 239000003344 environmental pollutant Substances 0.000 title claims abstract description 144
- 231100000719 pollutant Toxicity 0.000 title claims abstract description 144
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000009826 distribution Methods 0.000 claims abstract description 73
- 238000004364 calculation method Methods 0.000 claims abstract description 6
- 238000005070 sampling Methods 0.000 claims description 138
- 230000003287 optical effect Effects 0.000 claims description 105
- 238000012544 monitoring process Methods 0.000 claims description 11
- 238000005259 measurement Methods 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 4
- 238000002922 simulated annealing Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000000356 contaminant Substances 0.000 description 1
- 239000010779 crude oil Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000012855 volatile organic compound Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/55—Specular reflectivity
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N2021/1793—Remote sensing
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明提供一种测算待测区域污染物排放面浓度的测算方法,包括:获取所述污染物排放面最优化空间浓度分布模型的排放面,该最优化空间浓度分布模型基于预先构建的污染物空间浓度分布模型以及所述污染物排放面内的污染物浓度的实际分布而被建立;以及对所述最优化空间浓度分布模型的排放面,应用所述最优化空间浓度分布模型进行积分计算,测算所述待测区域污染物排放面浓度。本发明给出了依据待测区域污染物排放面内的污染物浓度实际分布特点构建污染物空间浓度分布模型的方法,所构建的模型能够更加全面、真实、准确的反应待测区域污染物排放面气体浓度分布特征,则利用该模型测算的待测区域污染物排放面浓度准确性更高,精度更高。
Description
技术领域
本发明涉及环境监测及保护领域,具体地,涉及一种测算待测区域污染物排放面浓度的测算方法。
背景技术
随着国家环保政策的日益严厉,环保部门对涉污染物生产企业的要求也愈加严格,为进一步促进企业增设污染物治理设施,减少污染物排放量,当前国内已有20个省市自治区颁布污染物排污收费政策。在此背景下国家、企业对污染物排放量测定办法的准确性也提出了更高要求。
目前,很多单位和企业也都设计了一些污染物排放量测算方法,但在测算待测区域污染物排放量时,对排放物浓度的处理,多采用平均浓度的概念描述排放源在监测位置处的浓度特性,没有给出监测位置处排放面的浓度分布特性,以及排放面的面浓度的获取办法,计算方法简单粗糙,进而影响了污染物排放量计算的准确性。
发明内容
本发明提供测算待测区域污染物排放面浓度的测算方法,以解决上述技术问题,至少部分地解决上述技术问题。
根据本公开示例性实施例,提供一种测算待测区域污染物排放面浓度的测算方法,所述方法包括:
获取所述污染物排放面最优化空间浓度分布模型的排放面,该最优化空间浓度分布模型基于预先构建的污染物空间浓度分布模型以及所述污染物排放面内的污染物浓度的实际分布而被建立;以及对所述最优化空间浓度分布模型的排放面,应用所述最优化空间浓度分布模型进行积分计算,测算所述待测区域污染物排放面浓度。
可选的,所述最优化空间浓度分布模型通过以下步骤被构建:
利用光学遥测设备实际测量获取设置在所述污染物排放面内的多条采样光路中的每一条采样光路的实测线积分浓度。
根据所述多条采样光路中的每一条采样光路的路径,应用预先构建的污染物空间浓度分布模型,获取所述待测区域污染物排放面上多条采样光路中的每一条采样光路的理论线积分浓度。
根据所述实际测量获取的每一条采样光路的实测线积分浓度、所述根据多条采样光路中的每一条采样光路的路径应用预先构建的污染物空间浓度分布模型获取的每一条采样光路的理论线积分浓度、以及以所述实测线积分浓度和所述理论线积分浓度的平方差之和最小为原则,通过对所述预先构建的污染物空间浓度分布模型进行最优化处理获得所述污染物排放面最优化空间浓度分布模型。
可选的,所述待测区域污染物排放面上多条采样光路中的每一者的理论线积分浓度由以下步骤获得:
获取所述污染物排放面内该条采样光路的路径;以及
根据所获取的该条采样光路的路径以及预先构建的污染物空间浓度分布模型,分别计算所述待测区域污染物排放面上多条采样光路中的该条采样光路的理论线积分浓度。
可选的,所述待测区域污染物排放面上多条采样光路中的第i条采样光路的理论线积分浓度ei为ei=∫G(P1,P2,P3…)dli,
其中,G(P1,P2,P3…)为所述预先构建的污染物空间浓度分布模型;
(P1,P2,P3…)为待最优化的模型参数;
li为第i条采样光路的路径,i∈[1,N],N为采样光路条数。
可选的,所述最优化处理获得最优化空间浓度分布模型的步骤如下:
多次执行上述两个步骤,防止得到的最优参数(P1J,P2J,P3J…)陷入局部最优解,
其中,
ci为所述利用光学遥测设备获取的多条采样光路中的第i条采样光路的实测线积分浓度;以及
∫G(P1j,P2j,P3j…)dli为所述待测区域污染物排放面上多条采样光路中的第i条采样光路基于第j组模型参数(P1j,P2j,P3j…)的理论线积分浓度。
可选的,所述待测区域污染物排放面上多条采样光路中的每一条采样光路被设置为分布如下:
所述污染物排放面上多条采样光路中的第一条采样光路分布在利用光学遥测设备获取排放面内污染物实测线积分浓度最大位置。
所述第一条采样光路两侧采样光路的数量与所述第一条采样光路将排放面分成的两部分面积的数值关系成正比。
所述排放面被所述第一条采样光路分割而成的两部分内的采样光路在该部分内均匀分布。
可选的,所述污染物排放面内污染物实测线积分浓度最大位置难以确认时,定义排放面对角线为第一条采样光路;或直接按面积均分的原则,在所述污染物排放面内均匀设置各采样光路。
可选的,所述光学遥测设备的监测点分布在排放面边界上。
可选的,当所述污染物排放面面积较大或所述污染物排放面上采样光路数量较少时,所述光学遥测设备的监测点设置在排放面边界交点处。
另一方面,本发明提供一种机器可读存储介质,该机器可读存储介质上存储有指令,该指令用于使得机器执行本申请上述任一项测算待测区域污染物排放面浓度的测算方法。
通过上述技术方案,本发明给出了依据待测区域污染物排放面内的污染物浓度实际分布特点构建污染物排放面空间浓度分布模型的方法,所构建的模型能够更加全面、真实、准确的反应待测区域污染物排放面气体浓度分布特征,则利用该模型测算的待测区域污染物排放面浓度准确性更高,精度更高。本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明实施例的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本发明实施例,但并不构成对本发明实施例的限制。
图1是根据一示例性实施例给出的测算待测区域污染物排放面浓度的流程图;
图2是根据一示例性实施例给出的构建污染物排放面最优化空间浓度分布模型流程图;
图3是根据一示例性实施例给出的计算所述待测区域污染物排放面上多条采样光路中的第i条采样光路的理论线积分浓度的流程图;图4是根据一示例性实施例给出的4条采样光路在排放面内分布示意图;以及
图5是根据一示例性实施例给出的8条采样光路在排放面内分布示意图。
附图标记说明
OPQR 污染物排放面 O 监测点
OA 污染物排放面内实测线积分浓度最大的采样光路
OB、OC、OD、OE、OF、OG、OH 污染物排放面内其他多条采样光路
具体实施方式
以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明实施例,并不用于限制本发明实施例。
图1是根据一示例性实施例给出的测算待测区域污染物排放面浓度的流程图;如图1所示,该方法包括如下步骤。
在步骤S101中,获取所述污染物排放面最优化空间浓度分布模型的排放面,该最优化空间浓度分布模型基于预先构建的污染物空间浓度分布模型以及所述污染物排放面内的污染物浓度的实际分布而被建立,该污染物排放面最优化空间浓度分布模型的构建将在以下结合图2详细说明。
在步骤S102中,对所述最优化空间浓度分布模型的排放面,应用最优化空间浓度分布模型进行积分计算,测算所述待测区域污染物排放面浓度。
最优化空间浓度分布模型构建将在以下结合图2详细说明,在本发明的示例性实施例中,污染物排放面空间浓度分布模型可以是G(P1,P2,P3…),其中(P1,P2,P3…)为待最优化的模型参数。
本发明的示例性实施例中,通过排放面内污染物的最优化空间浓度分布模型描述污染物排放面内的污染物浓度的实际分布特征,且在本实施例中,排放面内污染物的最优化空间浓度分布模型主要与多条采样光路的位置有关,因此,多条采样光路的分布合理性决定了污染物排放面最优化空间浓度分布模型构建的准确性。
本发明的示例性实施例中,待测区域污染物排放面上多条采样光路中的每一条采样光路被设置为分布如下:
所述污染物排放面上多条采样光路中的第一条采样光路分布在利用光学遥测设备获取排放面内污染物实测线积分浓度最大的位置;所述第一条采样光路两侧采样光路的数量与所述第一条采样光路将排放面分成的两部分面积的数值关系成正比;所述排放面被所述第一条采样光路分割而成的两部分内的采样光路在该部分内均匀分布。
举例而言,图4是根据一示例性实施例给出的4条采样光路在排放面内分布示意图。
如图4所示,设定采样光路数量N=4,多边形OPQR为排放面,O为光学遥测设备的监测点。首先,利用光学遥测设备不断改变采样光路的位置,对排放面OPQR进行普遍采样,并通过数据对比确定排放面OPQR内实测线积分浓度最大的采样光路位置,如图4中OA为实测线积分浓度最大的采样光路。采样光路OA将排放面OPQR分割为A1和A2两个部分,其中A1为多边形OAQR且面积为SA1,A2为多边形OPA且面积为SA2。根据A1和A2面积的比值关系分配A1和A2面内采样光路N1、N2的数量。假设SA1/SA2=2,去除第一条采样光路OA,剩余采样光路为3条,恰好A1内设置2条采样光路,A2内设置1条采样光路,即N1/N2=2,A1与A2交界OA为另一条采样光路,合计4条。若SA1/SA2不等于2而是2.3或2.4时,仍可根据大致比例关系设定A1包含2条采样光路,A2包含1条采样光路。针对A1区域内2条采样光路的设计问题,本专利给出了所述排放面被所述第一条采样光路分割而成的两部分内的采样光路在该部分内均匀分布的原则,也即均分面积原则。设计采样光路OB、OC可将A1均匀分割为3部分,即多边形OAQB、OBC、OCR面积相等;同理,A2区域内,按均分面积的原则,设计光路OD,使得多边形OPD、ODA面积相等。
图5是根据一示例性实施例给出的8条采样光路在排放面内分布示意图。如图5所示,以8条采样光路为例,多边形SPQR为排放面,OA为排放面内实测线积分浓度最大的采样光路位置,O为光学遥测设备监测点。假设A1、A2的面积比例SA1/SA2=3≈5/2,A1内设置5条采样光路,A2内设置2条采样光路,A1与A2交界OA为另一条采样光路,合计8条;A1区域内,按均分面积的原则,设计采样光路OB、OC、OD、OE、OF,即多边形OAQB、OBC、OCD、ODE、OERF、OFS面积相等;A2区域内,按均分面积的原则,设计采样光路OG、OH,即多边形OPH、OHG、OGA面积相等。
进一步的,污染物排放面内实测线积分浓度最大的位置难以确认时,定义排放面对角线为第一条采样光路;或直接按面积均分的原则,在所述污染物排放面内均匀设置各采样光路。
进一步的,光学遥测设备的监测点分布在排放面边界上;当所述污染物排放面面积较大或所述污染物排放面上采样光路数量较少时,应设置在排放面边界交点处。
本发明给出的多条采样光路的设计方法,能更合理、更全面的监测到排放面污染物的排放特性,进而建立更加准确的最优化空间浓度分布模型。
通过上述技术方案,本发明给出了依据待测区域污染物排放面内的污染物浓度实际分布特点,也即根据合理分布的多条采样光路位置及实测线积分浓度构建污染物排放面最优化空间浓度分布模型的方法,所构建的最优化模型能够更加全面、真实、准确的反应待测区域污染物排放面气体浓度分布特征,则利用该最优化模型测算的待测区域污染物排放面浓度准确性更高,精度更高。
图2是根据一示例性实施例给出的构建污染物排放面最优化空间浓度分布模型流程图,如图2所示,所述最优化空间浓度分布模型通过以下步骤被构建:
在步骤S201中,利用光学遥测设备实际测量获取所述多条采样光路中的每一条采样光路的实测线积分浓度。
在本发明的示例性实施例中,采用的光学遥测设备有设备主体和反光镜组成,设备主体到反光镜之间为采样光路的路径,且该光学设备可直接测量采样光路上的污染物实测线积分浓度。
在步骤S202中,计算所述待测区域污染物排放面上多条采样光路中的每一条采样光路的理论线积分浓度。
举例而言,图3为根据一示例性实施例给出的计算所述待测区域污染物排放面上多条采样光路中的第i条采样光路的理论线积分浓度的流程图,如图3所示,所述待测区域污染物排放面上多条采样光路中的第i条采样光路的理论线积分浓度由以下步骤包括:
在步骤S301中,
获取所述污染物排放面上多条采样光路中的第i条采样光路的路径。
在步骤S302中,计算所述待测区域污染物排放面上多条采样光路中的第i条采样光路的理论线积分浓度。
举例而言,所述待测区域污染物排放面上多条采样光路中的第i条采样光路的理论线积分浓度可以为∫G(P1,P2,P3…)dli;
其中,G(P1,P2,P3…)为所述预先构建的污染物空间浓度分布模型;
(P1,P2,P3…)为待最优化的模型参数;li为第i条采样光路的路径,i∈[1,N],N为采样光路条数。
在S203中,构建所述污染物排放面最优化空间浓度分布模型。
在本发明的示例性实施例中,根据所述实际测量获取的每一条采样光路的实测线积分浓度、所述根据污染物排放面最优化空间浓度分布模型获取的每一条采样光路的理论线积分浓度、以及以所述实测线积分浓度和所述理论线积分浓度平方差之和最小为原则,通过最优化处理构建所述污染物排放面最优化空间浓度分布模型。
举例说明,所述最优化处理获得最优化空间浓度分布模型的步骤如下:
多次执行上述两个步骤,防止得到的最优参数(P1J,P2J,P3J…)陷入局部最优解,
其中,
ci为所述利用光学遥测设备获取的多条采样光路中的第i条采样光路的实测线积分浓度;以及
∫G(P1j,P2j,P3j…)dli为所述待测区域污染物排放面上多条采样光路中的第i条采样光路基于第j组模型参数(P1j,P2j,P3j…)的理论线积分浓度。
进一步的,本发明示例性实施例中,测算所述待测区域污染物排放面浓度的方法还包括:将最优参数(P1J,P2J,P3J…)带入污染物空间浓度分布模型中得到最优化空间浓度分布模型G(P1J,P2J,P3J…),并对G(P1J,P2J,P3J…)进行积分计算,获得污染物排放面浓度。
在示例性实施例中,本发明提到的污染物可以是VOCS,实际应用中,本发明提供的测算待测区域污染物排放面浓度测算方法,可以适用于多种污染物的排放面浓度测算。
通过以上技术方案,本发明给出了获取排放面内实测线积分浓度最大的采样光路之后按照均分面积原则设计采样光路的方法,能够能更准确的获取排放面内污染物的浓度分布特征,则基于排放面内污染物的浓度分布特征给出污染物排放面最优化空间浓度分布模型更合理。对最优化空间浓度分布模型的排放面应用此模型测算待测区域污染物排放面浓度,测算方法更合理,可以有效提高测算可靠性、精度和准确性。
以上结合附图详细描述了本发明实施例的可选实施方式,但是,本发明实施例并不限于上述实施方式中的具体细节,在本发明实施例的技术构思范围内,可以对本发明实施例的技术方案进行多种简单变型,这些简单变型均属于本发明实施例的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合。为了避免不必要的重复,本发明实施例对各种可能的组合方式不再另行说明。
本领域技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序存储在一个存储介质中,包括若干指令用以使得单片机、芯片或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
此外,本发明实施例的各种不同的实施方式之间也可以进行任意组合,只要其不违背本发明实施例的思想,其同样应当视为本发明实施例所公开的内容。
Claims (8)
1.一种测算待测区域污染物排放面浓度的测算方法,其特征在于,所述方法包括:
获取所述污染物排放面最优化空间浓度分布模型的排放面,该最优化空间浓度分布模型基于预先构建的污染物空间浓度分布模型以及所述污染物排放面内的污染物浓度的实际分布而被建立;以及
对所述最优化空间浓度分布模型的排放面,应用所述最优化空间浓度分布模型进行积分计算,测算所述待测区域污染物排放面浓度;
其中,所述污染物排放面最优化空间浓度分布模型与多条采样光路的位置有关,所述待测区域污染物排放面上多条采样光路中的每一条采样光路被设置为分布如下:
所述污染物排放面上多条采样光路中的第一条采样光路分布在利用光学遥测设备获取排放面内污染物实测线积分浓度最大位置;
所述第一条采样光路两侧采样光路的数量与所述第一条采样光路将排放面分成的两部分面积的数值关系成正比;
所述排放面被所述第一条采样光路分割而成的两部分内的采样光路在该部分内均匀分布。
2.根据权利要求1所述的测算待测区域污染物排放面浓度的测算方法,其特征在于,
所述最优化空间浓度分布模型通过以下步骤被构建:
利用光学遥测设备实际测量获取设置在所述污染物排放面内的多条采样光路中的每一条采样光路的实测线积分浓度;
根据所述多条采样光路中的每一条采样光路的路径,应用预先构建的污染物空间浓度分布模型,获取所述待测区域污染物排放面上多条采样光路中的每一条采样光路的理论线积分浓度;以及
根据所述实际测量获取的每一条采样光路的实测线积分浓度、所述根据多条采样光路中的每一条采样光路的路径应用预先构建的污染物空间浓度分布模型获取的每一条采样光路的理论线积分浓度、以及以所述实测线积分浓度和所述理论线积分浓度的平方差之和最小为原则,通过对所述预先构建的污染物空间浓度分布模型进行最优化处理获得所述污染物排放面最优化空间浓度分布模型。
3.根据权利要求1所述的测算待测区域污染物排放面浓度的测算方法,其特征在于,
所述待测区域污染物排放面上多条采样光路中的每一者的理论线积分浓度由以下步骤获得:
获取所述污染物排放面内该条采样光路的路径;以及
根据所获取的该条采样光路的路径以及预先构建的污染物空间浓度分布模型,分别计算所述待测区域污染物排放面上多条采样光路中的该条采样光路的理论线积分浓度。
4.根据权利要求3所述的测算待测区域污染物排放面浓度的测算方法,其特征在于,
所述待测区域污染物排放面上多条采样光路中的第i条采样光路的理论线积分浓度ei为:
ei=∫G(P1,P2,P3…)dli,
其中,
G(P1,P2,P3…)为所述预先构建的污染物空间浓度分布模型;
(P1,P2,P3…)为待最优化的模型参数;
li为第i条采样光路的路径,i∈[1,N],N为采样光路条数。
5.根据权利要求2所述的测算待测区域污染物排放面浓度的测算方法,其特征在于,
所述最优化处理获得最优化空间浓度分布模型的步骤如下:
多次执行上述两个步骤,防止得到的最优参数(P1J,P2J,P3J…)陷入局部最优解,
其中,
ci为所述利用光学遥测设备获取的多条采样光路中的第i条采样光路的实测线积分浓度;以及
∫G(P1j,P2j,P3j…)dli为所述待测区域污染物排放面上多条采样光路中的第i条采样光路基于第j组模型参数(P1j,P2j,P3j…)的理论线积分浓度。
6.根据权利要求1所述的测算待测区域污染物排放面浓度的测算方法,其特征在于,
所述污染物排放面内污染物实测线积分浓度最大位置难以确认时,定义排放面对角线为第一条采样光路;
或直接按面积均分的原则,在所述污染物排放面内均匀设置各采样光路。
7.根据权利要求6所述的测算待测区域污染物排放面浓度的测算方法,其特征在于,
所述光学遥测设备的监测点分布在排放面边界上;
当所述污染物排放面面积较大或所述污染物排放面上采样光路数量较少时,所述光学遥测设备的监测点设置在排放面边界交点处。
8.一种机器可读存储介质,该机器可读存储介质上存储有指令,该指令用于使得机器执行本申请上述任一项测算待测区域污染物排放面浓度的测算方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811327592.2A CN111220549B (zh) | 2018-11-08 | 2018-11-08 | 测算待测区域污染物排放面浓度的测算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811327592.2A CN111220549B (zh) | 2018-11-08 | 2018-11-08 | 测算待测区域污染物排放面浓度的测算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111220549A CN111220549A (zh) | 2020-06-02 |
CN111220549B true CN111220549B (zh) | 2023-01-31 |
Family
ID=70828566
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811327592.2A Active CN111220549B (zh) | 2018-11-08 | 2018-11-08 | 测算待测区域污染物排放面浓度的测算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111220549B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6542242B1 (en) * | 1999-05-10 | 2003-04-01 | University Of Washington | Mapping air contaminants using path-integrated optical remote sensing with a non-overlapping variable path length beam geometry |
CN104881546A (zh) * | 2015-06-01 | 2015-09-02 | 中国科学院上海高等研究院 | 一种提高大气污染模型预测效率的方法 |
CN106383205A (zh) * | 2016-10-13 | 2017-02-08 | 北京伟瑞迪科技有限公司 | VOCs区域在线监测及预警*** |
CN106841087A (zh) * | 2017-04-17 | 2017-06-13 | 中国石油化工股份有限公司 | 石油化工企业无组织排放源vocs排放量测算方法 |
CN106909801A (zh) * | 2017-04-17 | 2017-06-30 | 中国神华能源股份有限公司 | 计算气态污染物的有效小时均值的方法及*** |
CN107314983A (zh) * | 2016-06-12 | 2017-11-03 | 中国石油化工股份有限公司 | 基于开路式红外测算炼化装置vocs排放量的方法 |
CN107436343A (zh) * | 2017-07-31 | 2017-12-05 | 南京南瑞集团公司 | 一种模拟计算敏感区域污染物浓度的方法 |
CN207503015U (zh) * | 2017-09-21 | 2018-06-15 | 成都帝图信息技术有限公司 | 分散式污水处理站智能远程监管终端 |
CN108398529A (zh) * | 2018-03-06 | 2018-08-14 | 深圳市卡普瑞环境科技有限公司 | 一种信息获取方法以及信息获取装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0766080A1 (en) * | 1995-09-29 | 1997-04-02 | FINMECCANICA S.p.A. AZIENDA ANSALDO | System and method for monitoring combustion and pollutants by means of laser diodes |
US5748318A (en) * | 1996-01-23 | 1998-05-05 | Brown University Research Foundation | Optical stress generator and detector |
US6251679B1 (en) * | 1998-10-26 | 2001-06-26 | Aerodyne Research, Inc. | Method for measuring pollutant formation |
GB0015015D0 (en) * | 2000-06-19 | 2000-08-09 | Sira Electro Optics Ltd | Apparatus and method for analysing the constituents of a gas or a gas like cloud or plume |
US8235627B2 (en) * | 2005-12-08 | 2012-08-07 | Ellis Mark T | System and method for detecting and remediating contamination |
US10628757B2 (en) * | 2017-01-26 | 2020-04-21 | International Business Machines Corporation | Dynamic emission discharge reduction |
CN107703516B (zh) * | 2017-10-13 | 2020-12-11 | 天津大学 | 一种远程测定船舶污染排放装置及其应用方法 |
-
2018
- 2018-11-08 CN CN201811327592.2A patent/CN111220549B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6542242B1 (en) * | 1999-05-10 | 2003-04-01 | University Of Washington | Mapping air contaminants using path-integrated optical remote sensing with a non-overlapping variable path length beam geometry |
CN104881546A (zh) * | 2015-06-01 | 2015-09-02 | 中国科学院上海高等研究院 | 一种提高大气污染模型预测效率的方法 |
CN107314983A (zh) * | 2016-06-12 | 2017-11-03 | 中国石油化工股份有限公司 | 基于开路式红外测算炼化装置vocs排放量的方法 |
CN106383205A (zh) * | 2016-10-13 | 2017-02-08 | 北京伟瑞迪科技有限公司 | VOCs区域在线监测及预警*** |
CN106841087A (zh) * | 2017-04-17 | 2017-06-13 | 中国石油化工股份有限公司 | 石油化工企业无组织排放源vocs排放量测算方法 |
CN106909801A (zh) * | 2017-04-17 | 2017-06-30 | 中国神华能源股份有限公司 | 计算气态污染物的有效小时均值的方法及*** |
CN107436343A (zh) * | 2017-07-31 | 2017-12-05 | 南京南瑞集团公司 | 一种模拟计算敏感区域污染物浓度的方法 |
CN207503015U (zh) * | 2017-09-21 | 2018-06-15 | 成都帝图信息技术有限公司 | 分散式污水处理站智能远程监管终端 |
CN108398529A (zh) * | 2018-03-06 | 2018-08-14 | 深圳市卡普瑞环境科技有限公司 | 一种信息获取方法以及信息获取装置 |
Non-Patent Citations (2)
Title |
---|
OP-FTIR 技术在评估炼化装置VOCs排放量中的应用研究;贾润中;《现代化工》;20171031;第37卷(第10期);第177-180页 * |
光学气体成像技术在泄漏检测与维修中的应用研究;朱亮;《泄露检测与维修专栏》;20140430;第14卷(第4期);第14-16页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111220549A (zh) | 2020-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jiang et al. | Measuring urban sprawl in Beijing with geo-spatial indices | |
CN109446696B (zh) | 基于cmaq模型的快速大气环境容量测算方法、存储介质和终端 | |
Walker et al. | An evaluation of the predictive accuracy of wake effects models for offshore wind farms | |
KR101888722B1 (ko) | 광 임계 치수(ocd) 계측을 위한 레일리 파장의 개구수 적분 | |
CN102436519A (zh) | 电力***自动装置动态可靠性综合评估方法 | |
CN103902451A (zh) | 一种智能电能表软件品质评价方法 | |
CN112197749B (zh) | 一种波浪浮标有效波高的交叉校准方法及装置 | |
TW201518678A (zh) | 具有反射不對稱結構之反射對稱對之計量成像目標 | |
CN103472672A (zh) | 校正光学邻近校正模型的方法 | |
CN111220549B (zh) | 测算待测区域污染物排放面浓度的测算方法 | |
CN111222678A (zh) | 路面技术状况预测方法 | |
Hall et al. | The application of isogeometric analysis to the neutron diffusion equation for a pincell problem with an analytic benchmark | |
CN108182503B (zh) | 一种工业用离心泵的质量评价方法及其设备 | |
CN111767212B (zh) | 一种软件代码质量评价方法、装置、设备及存储介质 | |
CN113486295A (zh) | 基于傅里叶级数的臭氧总量变化预测方法 | |
Wang et al. | The influence and adjust method of hyperparameters’ prior distributions in Bayesian calibration for building stock energy prediction | |
Mirats-Tur et al. | Leak detection and localization using models: field results | |
CN112784392A (zh) | 待测区域内污染物动态分布模拟方法及模拟*** | |
CN115577597A (zh) | 裂隙通道中溶质超扩散的模拟方法、装置、介质、设备 | |
JP5433559B2 (ja) | 拡散物質の発生源推定装置および発生源推定方法 | |
KR101444794B1 (ko) | 노내계측기 신호 기반의 반경방향 첨두계수를 이용한 노심운전제한치감시계통의 Pseudo Hot Pin 출력분포 구성 방법 | |
Liang et al. | Fractal Design of Indoor and Outdoor Forms of Architectural Space Based on a Three‐Dimensional Box Dimension Algorithm | |
CN111157038B (zh) | 测量待测区域内的污染物排放量测算方法 | |
CN114200078A (zh) | Oh自由基浓度的测算方法和装置 | |
Campanelli et al. | Variance gradients and uncertainty budgets for nonlinear measurement functions with independent inputs |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230105 Address after: 100728 No. 22 North Main Street, Chaoyang District, Beijing, Chaoyangmen Applicant after: CHINA PETROLEUM & CHEMICAL Corp. Applicant after: Sinopec Safety Engineering Research Institute Co.,Ltd. Address before: 100728 No. 22 North Main Street, Chaoyang District, Beijing, Chaoyangmen Applicant before: CHINA PETROLEUM & CHEMICAL Corp. Applicant before: SINOPEC Research Institute OF SAFETY ENGINEERING |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |