CN112967764A - 多技术耦合的污染物源解析方法、装置 - Google Patents
多技术耦合的污染物源解析方法、装置 Download PDFInfo
- Publication number
- CN112967764A CN112967764A CN202110342937.7A CN202110342937A CN112967764A CN 112967764 A CN112967764 A CN 112967764A CN 202110342937 A CN202110342937 A CN 202110342937A CN 112967764 A CN112967764 A CN 112967764A
- Authority
- CN
- China
- Prior art keywords
- source
- contribution degree
- pollution source
- sub
- pollution
- 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
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/20—Identification of molecular entities, parts thereof or of chemical compositions
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
- Y02A50/20—Air quality improvement or preservation, e.g. vehicle emission control or emission reduction by using catalytic converters
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Chemical & Material Sciences (AREA)
- Crystallography & Structural Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Theoretical Computer Science (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
- Investigating Or Analysing Materials By The Use Of Chemical Reactions (AREA)
- Sampling And Sample Adjustment (AREA)
Abstract
本发明适用于污染物源解析技术领域,提供了一种多技术耦合的污染物源解析方法、装置,所述方法包括:获取空气颗粒物样品数据;对所述空气颗粒物样品数据依次进行组分分析和正定矩阵因子分解,确定所述空气颗粒物样品数据对应的污染源的贡献度;获取所述污染源对应的排放数据;根据所述排放数据和所述污染源对应的评估模型,确定所述污染源对应的行业源的贡献度;根据所述污染源的贡献度和所述行业源的贡献度,确定所述污染源和所述行业源的精细化解析结果。本发明综合考虑多源数据,并利用正定矩阵因子分解和评估模型对多源数据进行处理,得到大气污染物的精细化解析结果且得到的解析结果精确度高。
Description
技术领域
本发明属于污染物源解析技术领域,尤其涉及一种多技术耦合的污染物源解析方法、装置。
背景技术
近年来,随着我国大气污染防治政策的不断深入,环境空气质量明显改善,颗粒物浓度(大气污染物)逐年降低。颗粒物来源一般分为自然源和人为源,具有关注度和下降空间的人为源包括工业生产、生物质燃烧、移动源等。为从源头控制颗粒物污染,需要对颗粒物进行源解析,合理把控颗粒物的重点管控方向。
目前,采用基于观测数据的受体模型解析法对颗粒物进行源解析,可获取到各类污染源随时间的变化趋势,且具有时效性高、针对性强,操作方便等特点。
但基于观测数据的受体模型解析法存在解析结果不够精细化且精确度低的问题。
发明内容
有鉴于此,本发明实施例提供了一种多技术耦合的污染物源解析方法、装置,以解决现有技术中存在解析结果不够精细化且精确度低的问题。
本发明实施例的第一方面提供了一种多技术耦合的污染物源解析方法,包括:
获取空气颗粒物样品数据;
对所述空气颗粒物样品数据依次进行组分分析和正定矩阵因子分解,确定所述空气颗粒物样品数据对应的污染源的贡献度;
获取所述污染源对应的排放数据;
根据所述排放数据和所述污染源对应的评估模型,确定所述污染源对应的行业源的贡献度;
根据所述污染源的贡献度和所述行业源的贡献度,确定所述污染源和所述行业源的精细化解析结果。
本发明实施例的第二方面提供了一种多技术耦合的污染物源解析装置,包括:
第一获取模块,用于获取空气颗粒物样品数据;
第一解析模块,用于对所述空气颗粒物样品数据依次进行组分分析和正定矩阵因子分解,确定所述空气颗粒物样品数据对应的污染源的贡献度;
第二获取模块,用于获取所述污染源对应的排放数据;
第二解析模块,用于根据所述排放数据和所述污染源对应的评估模型,确定所述污染源对应的行业源的贡献度;
解析结果确定模块,用于根据所述污染源的贡献度和所述行业源的贡献度,确定所述污染源和所述行业源的精细化解析结果。
本发明实施例的第三方面提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如第一方面所述一种多技术耦合的污染物源解析方法的步骤。
本发明实施例的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面所述一种多技术耦合的污染物源解析方法的步骤。
本发明实施例与现有技术相比存在的有益效果是:
本发明实施例首先获取空气颗粒物样品数据;然后对所述空气颗粒物样品数据依次进行组分分析和正定矩阵因子分解,确定所述空气颗粒物样品数据对应的污染源的贡献度;之后获取所述污染源对应的排放数据;再根据所述排放数据和所述污染源对应的评估模型,确定所述污染源对应的行业源的贡献度;最后根据所述污染源的贡献度和所述行业源的贡献度,确定所述污染源和所述行业源的精细化解析结果。本发明综合考虑多源数据,并利用正定矩阵因子分解和评估模型对多源数据进行处理,得到大气污染物的精细化解析结果且得到的解析结果精确度高。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例提供的一种多技术耦合的污染物源解析方法的实现流程示意图;
图2是本发明实施例中S102的细化步骤的实现流程示意图;
图3是本发明实施例中S103的细化步骤的实现流程示意图;
图4是本发明一实施例中S104的细化步骤的实现流程示意图;
图5是本发明另一实施例中S104的细化步骤的实现流程示意图;
图6是本发明实施例中S105的细化步骤的实现流程示意图;
图7是本发明实施例中S603的细化步骤的实现流程示意图;
图8是本发明实施例中污染源和所述行业源的精细化解析结果的示意图;
图9是本发明实施例提供的一种多技术耦合的污染物源解析装置的结构示意图;
图10是本发明实施例提供的终端设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定***结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的***、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案,下面对本发明中的相关词汇进行说明。
1、源解析方法
常用的包括但不限于源清单法、源模型法、受体模型法。
2、受体模型法
从受体出发,根据源和受体颗粒物的化学、物理特征等信息,利用数学方法定量解析各污染源类对环境空气中颗粒物的贡献。显著优势:可获取逐时(高时间分辨率/小时)的污染源贡献,捕捉短时污染过程(3h左右)及典型污染过程(如:烟花爆竹燃放、扬尘污染等)。
3、正定矩阵因子分解(PMF)模型
PMF模型法根据长时间序列的受体化学组分数据进行源解析,不需要源类样品采集,提取的因子是数学意义的指标,需要通过源类特征的化学组成信息进一步识别实际的污染源类。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
图1是本发明一实施例提供的一种多技术耦合的污染物源解析方法的示意图。如图1所示,该实施例的一种多技术耦合的污染物源解析方法包括:
步骤S101:获取空气颗粒物样品数据;
步骤S102:对所述空气颗粒物样品数据依次进行组分分析和正定矩阵因子分解,确定所述空气颗粒物样品数据对应的污染源的贡献度;
步骤S103:获取所述污染源对应的排放数据;
步骤S104:根据所述排放数据和所述污染源对应的评估模型,确定所述污染源对应的行业源的贡献度;
步骤S105:根据所述污染源的贡献度和所述行业源的贡献度,确定所述污染源和所述行业源的精细化解析结果。
在一实施例中,本申请对空气颗粒物样品数据依次进行组分分析和正定矩阵因子分析,以获得空气颗粒物样品数据对应的污染源的贡献度。其中,空气颗粒物样品是通过对A地区每隔1小时进行一次空气采样确定的,基于大量的空气颗粒物样品数据和分析,可获得精确的污染源的贡献度,使污染物源解析方法的有效性和可靠性更高。污染源包括一个或多个子污染源,子污染源可为固定燃烧源、工艺过程源等。污染源的贡献度是指污染源在空气颗粒物样品中的占比,例如固定燃烧源的贡献度,即固定燃烧源在空气颗粒物样品中的占比,可采用百分数表示。
在一实施例中,行业源是指污染源的行业来源,行业类型有很多,但是对于某种污染源,其具有固定的行业来源。其中,行业源的数目可为一个或多个,此处不作具体限定。以污染源为固定燃烧源为例,固定燃烧源对应的行业源包括电力供热、工业锅炉、民用锅炉、民用燃烧等。
进一步地,以污染源包括固定燃烧源和工艺过程源为例,对本实施例进行具体说明。获取空气颗粒物样品数据,通过对所述空气颗粒物样品数据依次进行组分分析和正定矩阵因子分解,确定所述空气颗粒物样品数据对应的固定燃烧源的贡献度和工艺过程源的贡献度。再获取所述固定燃烧源的排放数据和工艺过程源的排放数据,并根据所述固定燃烧源的排放数据、工艺过程源的排放数据、固定燃烧源的的评估模型和工艺过程源的评估模型,分别确定固定燃烧源对应的行业源的贡献度以及工艺过程源对应的行业源的贡献度。之后,根据固定燃烧源的贡献度、工艺过程源的贡献度、固定燃烧源对应的行业源的贡献度以及工艺过程源对应的行业源的贡献度,确定所述固定燃烧源和固定燃烧源对应的行业源的精细化解析结果,以及工艺过程源和工艺过程源对应的行业源的精细化解析结果。该结果既考虑了实时在线监测数据的变化趋势,又考虑了污染源排放信息和气象条件影响,结果较为精确,可满足大气污染防治精细化管控要求,做到时间精准和行业精准。
本发明实施例首先获取空气颗粒物样品数据;然后对所述空气颗粒物样品数据依次进行组分分析和正定矩阵因子分解,确定所述空气颗粒物样品数据对应的污染源的贡献度;之后获取所述污染源对应的排放数据;再根据所述排放数据和所述污染源对应的评估模型,确定所述污染源对应的行业源的贡献度;最后根据所述污染源的贡献度和所述行业源的贡献度,确定所述污染源和所述行业源的精细化解析结果。本发明综合考虑多源数据,并利用正定矩阵因子分解和评估模型对多源数据进行处理,得到大气污染物的精细化解析结果且得到的解析结果精确度高。
图2是本发明实施例中S102的细化步骤的流程示意图,如图2所示,S102包括:
步骤S201:对所述空气颗粒物样品数据进行组分分析,得到所述空气颗粒物样品数据对应的多组化学成分的浓度数据;
步骤S202:对所述多组化学成分的浓度数据依次进行清洗和质量控制,得到所述空气颗粒物样品数据对应的标准化文件;
步骤S203:利用所述正定矩阵因子分解解析所述标准化文件,得到所述空气颗粒物样品数据对应的污染源的贡献度。
在一实施例中,本申请基于受体模型法表征空气颗粒物对应的污染来源,受体模型法是从环境空气受体出发,对环境空气颗粒物样品进行采集与监测,获取环境样本化学组分构成信息,并利用数学方法(正定矩阵因子分解)定量解析各污染源对环境空气中颗粒物的贡献度。具体步骤如下:
1、由于空气颗粒物样品中包含多种化学成分,需对多种化学成分进行分组,以确定不同组分中化学成分的浓度。本申请主要利用组分监测设备有机碳元素碳在线分析仪(主要针对OC和EC),离子色谱分析仪(主要针对NO3 -、SO4 2-、NH4 +、K+和Cl-等),重金属元素分析仪(主要针对K、Na、Ca、Mg、Fe、Zn、Cu、Ni、Pb、Hg、As和Se等)对颗粒物组分进行采集与分析。
2、将获取的不同组分的化学浓度数据进行质控审核。质控审核主要包括数据清洗和质量控制,以确定待解析数据。其中,质控审核通常包括阴阳离子平衡检验、NH4 +离子一致性检验和PM2.5化学组分重构等。
3、将待解析数据调整成受体模型可输入的标准化文件。标准化文件包括浓度文件和不确定性文件,不确定性文件需要考虑各参数检出限、监测值和误差部分等因素。
4、利用正定矩阵因子分解PMF对受体进行解析,得到源谱矩阵和贡献矩阵,以确定污染源的分担率(贡献度)。在利用PMF对受体进行解析之前,需设置PMF的基础模型调试参数、物种权重和因子数量。本申请采用的PMF模型如下式所示。
其中,Xij是第i个样品中第j种组分的质量浓度,单位为μg/m3;Gik是第k个源类对第i个样品的贡献,k为大于等于1且小于等于p的整数,p为大于等于1的整数;单位为μg/m3;Fkj是第k个源类源谱中第j种组分的含量,单位为%;Eij为残差因子矩阵。
5、对污染物的来源及占比进行计算,公式如下:
其中,n为污染源大类数目,n≤k;p为污染源大类下的细分源类;Hnp是第n种污染源大类中第p种细分源类贡献,单位为%;Gik是第k个源类对第i个样品的贡献,单位为μg/m3;是初步PMF解析结果中样品的贡献浓度之和。
图3是本发明实施例中S103的细化步骤的流程示意图,如图3所示,S103包括:
步骤S301:获取不同类型行业的排放数据;
步骤S302:在所述排放数据中进行数据筛选,得到所述多个子污染源中的每个子污染源对应的排放数据。
在一实施例中,所述污染源包括多个子污染源,本申请中的子污染源分别为固定燃烧源、工艺过程源、移动源、二次无机源、扬尘源、钢铁冶炼等。为了分析各个子污染源的来源,本申请获取不同类型行业的排放数据,然后对不同类型行业的排放数据进行筛选,可以确定每个子污染源对应的排放数据,也就是说,可以确定每个子污染源来源于哪些行业。以子污染源为固定污染源为例,通过对排放数据的筛选,可知固定污染源主要来源于电力供热、工业锅炉、民用锅炉、民用燃烧。而其他子污染源的行业来源如下表1所示。
表1污染源的排放数据
其中,表1中的一级源为污染源,二级源为行业源。
图4是本发明实施例中S104的细化步骤的流程示意图,如图4所示,S104包括:
步骤S401:获取每个子污染源对应的影响因子;
步骤S402:将所述每个子污染源对应的排放数据和所述每个子污染源对应的影响因子输入所述每个子污染源对应的评估模型,得到每个子污染源对应的至少一个子行业源的贡献度。
在一实施例中,以A地区为例,利用PMF模型计算得到A地区每个小时的污染源有钢铁冶炼、二次无机源、移动源、固定燃烧源、工艺过程源、扬尘源、其他源。由于得到的污染源的解析结果指向性不强,源类较粗略,尤其是对固定燃烧源、工艺过程源、移动源和扬尘源的解析需要更加精细。因此,对子污染源进行细化,确定子污染源对应的子行业源的贡献度。
为了使本申请的子行业源的贡献度更加精确、可靠,综合污染源的影响因子,每个子污染源的影响因子如表2所示。
表2污染源的影响因子
在表2中,可知移动源的评估因素有两类,分别为道路移动源和非道路移动源。针对道路移动源的影响因子分别为污染源距离、主导风向、大气稳定度和交通流量;针对非道路移动源的影响因子分别为污染源距离、主导风向和大气稳定度。此外,表2中的一级源为污染源。
进一步地,每个子污染源对应的子行业源均存在贡献度,且每个子污染源的贡献度等于每个子污染源对应的至少一个子行业源的总贡献度。例如,固定燃烧源对应四个子行业源,分别为电力供热、工业锅炉、民用锅炉和民用燃烧。电力供热的贡献度为8.31%、工业锅炉的贡献度为1.56%、民用锅炉的贡献度为0.24%、民用燃烧的贡献度为5.69%,则固定燃烧源的贡献度为上述四个子行业源的贡献度之和,即固定燃烧源的贡献度为15.8%。
图5是本发明另一实施例中S104的细化步骤的流程示意图。如图5所示,S104包括:
步骤S501:获取每个子污染源对应的影响因子;
步骤S502:获取每个子污染源对应的排放特性;
步骤S503:根据所述每个子污染源对应的排放特性,从以高斯扩散模式或影响因子权重分析为核心的评估模型中选取与每个子污染源匹配的评估模型,以确定所述每个子污染源对应的评估模型;
步骤S504:将所述每个子污染源对应的排放数据和所述每个子污染源对应的影响因子输入所述每个子污染源对应的评估模型,得到每个子污染源对应的至少一个子行业源的贡献度。
在一实施例中,根据污染源排放特性建立不同污染源的评估模型。评估模型构建以排放点为原点(高架源排放点在地面的投影点)的三维坐标系,x轴正方向为某小时的平均风向,y轴在水平面垂直于x轴,正向在x轴的左侧,z轴垂直于垂直于水平面xoy,向上为正向,即为右手坐标系。
针对不同污染源建立不同的评估模型,具体如下:
1、固定燃烧源的评估模型和工艺过程源的评估模型
对于固定燃烧源和工艺过程源,主要分为有组织和无组织排放源两种。
(1)有组织排放源以高架点源的高斯扩散模式进行影响评估,利用高架源扩散的地面浓度扩散模式,令z=0,可估算出监测点位处的排放量。
其中,σy—距原点x处烟流中污染物在y向分布的标准差,m;σz—距原点x处烟流中污染物在z向分布的标准差,m;—平均风速,m/s;Q—源强,g/s;H—烟囱的有效高度,应为烟囱的几何高度H1与烟气的抬升高度ΔH之和,烟气抬升高度使用如下霍兰德公式进行计算,下述公式适合中性大气条件,对不稳定条件,烟气抬升增加15%;对稳定条件,减小15%。
(1)无组织排放源近似以地面点源扩散模式进行影响评估
利用高架源扩散,取H=0,作为地面源扩散模式评估,求取地面监测点浓度时,取z=0。
2、移动源的评估模型
移动源主要考虑道路移动源和非道路移动源。
(1)道路移动源,使用有界长线源扩散模式进行影响评估
设线源长度范围为[-L0,+L0],评估模型为:
这里我们也仅考虑地面浓度,令z=0求解即可,erf为误差函数,具体公式为:
需注意:Ql为线源源强,单位为mg/(s*m),主要考虑交通流量,可用某小时内的该路段的车流量进行排放量估算。
(2)非道路移动机械对监测点位的影响大小,使用地面固定点源评估模型如下:
3、扬尘源的评估模型
扬尘源的评估模型主要包括道路扬尘、堆场扬尘和施工扬尘,影响直接,采用权重系数进行评估。
(1)堆场扬尘和施工扬尘也考虑距离和主导风向影响,包含步骤:
a.距离:堆场扬尘和施工扬尘传播距离较小,权重等级划分为2级,当D≤1km时,则Di赋值1,均以原有清单贡献量为基准;当D>1km时,则Di赋值0.5。
b.风向:主导风向权重考虑监测时段主导风向(wd:0-360°)影响,主导风向以八方位表示,分别记为0°、45°、90°、135°、180°、225°、270°、315°、360°,记污染源和受体点连线与主导风向之间的夹角为θ。
当夹角θ≤|22.5°|,则WDj赋值1;当|22.5°|<θ≤|45°|,则WDj赋值0.8;当|45°|<θ≤|67.5°|,则WDj赋值0.6;当|67.5°|<θ≤|90°|,则WDj赋值0.4;当夹角θ>|90°|,则WDj赋值0.2。
c.风力:记风力权重为Sl,风力划分为5个权重等级,如下所示:
当风力在1级以内,则Sl赋值0.5;当风力在1-2级以内,则Sl赋值0.6;当风力在2-3级以内,则Sl赋值0.7;当风力在3-4级以内,则Sl赋值0.8;当风力在4级以上,则Sl赋值0.9。
d.对监测点的贡献度:
qnp=Qnp×Di×WDj×Sl
qnp是第n种污染源大类中第p种细分源类对监测点的贡献度,单位mg/h;Qnp是第n种污染源大类中第p种细分源类的初始源强,单位mg/h。
(2)道路扬尘指车辆通过时所引起的道路周边起尘情况,道路扬尘除受距离、主导风向和风速影响外,还会受到道路积尘和车速影响,分别记为Ek和Vm。
道路积尘:记积尘负荷权重为Ek,按照道路积尘负荷分为3个权重等级,如下所示:
当积尘负荷在1g/m2级以下,则Ek赋值0.3;当积尘负荷在1~2g/m2之间,则Ek赋值0.6;当积尘负荷在2g/m2以上,则Ek赋值0.8。
b.车速:记车速权重为Vm,车速划分为3个权重等级,如下所示:
当车速在30km/h级以下,则Vm赋值0.3;
当车速在30~60km/h级之间,则Vm赋值0.6;
当车速在60km/h级以上,则Vm赋值0.8;
c.对监测点的贡献度:
qnp=Qnp×Di×WDj×Sl×Ek×Vm
4、获取子行业源在对应的子污染源中的占比
其中,n为污染源大类数目,n≤k;p为污染源大类下的细分源类;Anp是第n种污染源大类中第p种细分源类对监测点的贡献度占比,单位为%;qnp是第n种污染源大类中第p种细分源类对监测点的贡献度,单位mg/h,在本申请中细分源为行业源。
图6是本发明一实施例中S105的细化步骤的流程示意图。如图6所示,S105包括:
步骤S601:获取空气颗粒物样品数据的不确定度和污染源对应的排放数据的不确定度;
步骤S602:分别根据所述空气颗粒物样品数据的不确定度和所述污染源对应的排放数据的不确定度,计算所述污染源的贡献度对应的不确定度和所述行业源的贡献度对应的不确定度;
步骤S603:根据所述污染源的贡献度对应的不确定度与所述污染源的贡献度的对应关系,以及所述行业源的贡献度对应的不确定度与所述行业源的贡献度的对应关系,确定所述污染源和所述行业源的精细化解析结果。
在一实施例中,不确定度是误差可能值(或量值可能范围)的测度,表征所引用的测量结果代表被测量真实值的程度,即对被测量的真实值在某量值范围的评定。本申请通过不确定度对获得贡献度进行评定。不同污染源的贡献度对应的不确定度如表3所示。
表3不同污染源的贡献度对应的不确定度
图7是本发明一实施例中S603的细化步骤的流程示意图。如图7所示,S603包括:
步骤S701:获取每个子污染源的贡献度、每个子行业源的贡献度、每个子污染源的贡献度对应的不确定度和每个子行业源的贡献度对应的不确定度;
步骤S702:将所述每个子污染源的贡献度和所述每个子污染源的贡献度对应的不确定度进行匹配,确定所述污染源的精细化解析结果;
步骤S703:将所述每个子行业源的贡献度和所述每个子行业源的贡献度对应的不确定度进行匹配,确定所述行业源的精细化解析结果。
在一实施例中,本申请将每个子污染源的贡献度和所述每个子污染源的贡献度对应的不确定度进行匹配,以及所述每个子行业源的贡献度和所述每个子行业源的贡献度对应的不确定度进行匹配,输出污染源和行业源的精细化解析结果。污染源的精细化解析结果如表4所示。
表4污染源的精细化正定矩阵因子PMF解析结果
将表4中的解析结果通过饼图进行显示如图8所示,图8清晰、直观地显示了污染源和行业源的对应关系,以及子污染源和子行业源的贡献度。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
在一个实施例中,如图9所示,提供了一种多技术耦合的污染物源解析装置,包括:第一获取模块901、第一解析模块902、第二获取模块903、第二解析模块904和解析结果确定模块905,其中,
第一获取模块901,用于获取空气颗粒物样品数据;
第一解析模块902,用于对所述空气颗粒物样品数据依次进行组分分析和正定矩阵因子分解,确定所述空气颗粒物样品数据对应的污染源的贡献度;
第二获取模块903,用于获取所述污染源对应的排放数据;
第二解析模块904,用于根据所述排放数据和所述污染源对应的评估模型,确定所述污染源对应的行业源的贡献度;
解析结果确定模块905,用于根据所述污染源的贡献度和所述行业源的贡献度,确定所述污染源和所述行业源的精细化解析结果。
在一实施例中,所述第一解析模块902,包括:
数据分析模块,用于对所述空气颗粒物样品数据进行组分分析,得到所述空气颗粒物样品数据对应的多组化学成分的浓度数据;
标准化模块,用于对所述多组化学成分的浓度数据依次进行清洗和质量控制,得到所述空气颗粒物样品数据对应的标准化文件;
第一贡献度确定模块,用于利用所述正定矩阵因子分解解析所述标准化文件,得到所述空气颗粒物样品数据对应的污染源的贡献度。
在一实施例中,所述污染源包括多个子污染源;所述第二获取模块903,包括:
第三获取模块,用于获取不同类型行业的排放数据;
数据筛选模块,用于在所述排放数据中进行数据筛选,得到所述多个子污染源中的每个子污染源对应的排放数据。
在一实施例中,所述行业源包括至少一个子行业源;所述第二解析模块904,包括:
第四获取模块,用于获取每个子污染源对应的影响因子;
第二贡献度确定模块,用于将所述每个子污染源对应的排放数据和所述每个子污染源对应的影响因子输入所述每个子污染源对应的评估模型,得到每个子污染源对应的至少一个子行业源的贡献度。
在一实施例中,所述第二贡献度确定模块之前,还包括:
第五获取模块,用于获取每个子污染源对应的排放特性;
模型确定模块,用于根据所述每个子污染源对应的排放特性,从以高斯扩散模式或影响因子权重分析为核心的评估模型中选取与每个子污染源匹配的评估模型,以确定所述每个子污染源对应的评估模型。
在一实施例中,所述解析结果确定模块905,包括:
第六获取模块,用于获取空气颗粒物样品数据的不确定度和污染源对应的排放数据的不确定度;
不确定度确定模块,用于分别根据所述空气颗粒物样品数据的不确定度和所述污染源对应的排放数据的不确定度,计算所述污染源的贡献度对应的不确定度和所述行业源的贡献度对应的不确定度;
贡献度处理模块,用于根据所述污染源的贡献度对应的不确定度与所述污染源的贡献度的对应关系,以及所述行业源的贡献度对应的不确定度与所述行业源的贡献度的对应关系,确定所述污染源和所述行业源的精细化解析结果。
在一实施例中,所述贡献度处理模块,包括:
第七获取模块,用于获取每个子污染源的贡献度、每个子行业源的贡献度、每个子污染源的贡献度对应的不确定度和每个子行业源的贡献度对应的不确定度;
第一匹配模块,用于将所述每个子污染源的贡献度和所述每个子污染源的贡献度对应的不确定度进行匹配,确定所述污染源的精细化解析结果;
第二匹配模块,用于将所述每个子行业源的贡献度和所述每个子行业源的贡献度对应的不确定度进行匹配,确定所述行业源的精细化解析结果。
图10是本发明一实施例提供的终端设备的示意图。如图10所示,该实施例的终端设备10包括:处理器1001、存储器1002以及存储在所述存储器1002中并可在所述处理器1001上运行的计算机程序1003。所述处理器1001执行所述计算机程序1003时实现上述各个多技术耦合的污染物源解析方法实施例中的步骤,例如图1所示的步骤101至105。或者,所述处理器1001执行所述计算机程序1003时实现上述各装置实施例中各模块/单元的功能,例如图9所示模块901至905的功能。
示例性的,所述计算机程序1003可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器1002中,并由所述处理器1001执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序1003在所述终端设备10中的执行过程。例如,所述计算机程序1003可以被分割成第一获取模块、第一解析模块、第二获取模块、第二解析模块和解析结果确定模块,各模块具体功能如下:
第一获取模块,用于获取空气颗粒物样品数据;
第一解析模块,用于对所述空气颗粒物样品数据依次进行组分分析和正定矩阵因子分解,确定所述空气颗粒物样品数据对应的污染源的贡献度;
第二获取模块,用于获取所述污染源对应的排放数据;
第二解析模块,用于根据所述排放数据和所述污染源对应的评估模型,确定所述污染源对应的行业源的贡献度;
解析结果确定模块,用于根据所述污染源的贡献度和所述行业源的贡献度,确定所述污染源和所述行业源的精细化解析结果。
所述终端设备10可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述10终端设备可包括,但不仅限于,处理器1001、存储器1002。本领域技术人员可以理解,图10仅仅是终端设备的示例,并不构成对终端设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器1001可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器1002可以是所述终端设备10的内部存储单元,例如终端设备10的硬盘或内存。所述存储器1002也可以是所述终端设备10的外部存储设备,例如所述终端设备10上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器1002还可以既包括所述终端设备10的内部存储单元也包括外部存储设备。所述存储器1002用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器1002还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述***中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种多技术耦合的污染物源解析方法,其特征在于,包括:
获取空气颗粒物样品数据;
对所述空气颗粒物样品数据依次进行组分分析和正定矩阵因子分解,确定所述空气颗粒物样品数据对应的污染源的贡献度;
获取所述污染源对应的排放数据;
根据所述排放数据和所述污染源对应的评估模型,确定所述污染源对应的行业源的贡献度;
根据所述污染源的贡献度和所述行业源的贡献度,确定所述污染源和所述行业源的精细化解析结果。
2.如权利要求1所述的多技术耦合的污染物源解析方法,其特征在于,所述对所述空气颗粒物样品数据依次进行组分分析和正定矩阵因子分解,确定所述空气颗粒物样品数据对应的污染源的贡献度,包括:
对所述空气颗粒物样品数据进行组分分析,得到所述空气颗粒物样品数据对应的多组化学成分的浓度数据;
对所述多组化学成分的浓度数据依次进行清洗和质量控制,得到所述空气颗粒物样品数据对应的标准化文件;
利用所述正定矩阵因子分解解析所述标准化文件,得到所述空气颗粒物样品数据对应的污染源的贡献度。
3.如权利要求2所述的多技术耦合的污染物源解析方法,其特征在于,所述污染源包括多个子污染源;
所述获取所述污染源对应的排放数据,包括:
获取不同类型行业的排放数据;
在所述排放数据中进行数据筛选,得到所述多个子污染源中的每个子污染源对应的排放数据。
4.如权利要求3所述的多技术耦合的污染物源解析方法,其特征在于,所述行业源包括至少一个子行业源;
所述根据所述排放数据和所述污染源对应的评估模型,确定所述污染源对应的行业源的贡献度,包括:
获取每个子污染源对应的影响因子;
将所述每个子污染源对应的排放数据和所述每个子污染源对应的影响因子输入所述每个子污染源对应的评估模型,得到每个子污染源对应的至少一个子行业源的贡献度。
5.如权利要求4所述的多技术耦合的污染物源解析方法,其特征在于,所述将所述每个子污染源对应的排放数据和所述每个子污染源对应的影响因子输入所述每个子污染源对应的评估模型,得到每个子污染源对应的至少一个子行业源的贡献度之前,还包括:
获取每个子污染源对应的排放特性;
根据所述每个子污染源对应的排放特性,从以高斯扩散模式或影响因子权重分析为核心的评估模型中选取与每个子污染源匹配的评估模型,以确定所述每个子污染源对应的评估模型。
6.如权利要求1-5任一项所述的多技术耦合的污染物源解析方法,其特征在于,所述根据所述污染源的贡献度和所述行业源的贡献度,确定所述污染源和所述行业源的精细化解析结果,包括:
获取空气颗粒物样品数据的不确定度和污染源对应的排放数据的不确定度;
分别根据所述空气颗粒物样品数据的不确定度和所述污染源对应的排放数据的不确定度,计算所述污染源的贡献度对应的不确定度和所述行业源的贡献度对应的不确定度;
根据所述污染源的贡献度对应的不确定度与所述污染源的贡献度的对应关系,以及所述行业源的贡献度对应的不确定度与所述行业源的贡献度的对应关系,确定所述污染源和所述行业源的精细化解析结果。
7.如权利要求6所述的多技术耦合的污染物源解析方法,其特征在于,所述根据所述污染源的贡献度对应的不确定度与所述污染源的贡献度的对应关系,以及所述行业源的贡献度对应的不确定度与所述行业源的贡献度的对应关系,确定所述污染源和所述行业源的精细化解析结果,包括:
获取每个子污染源的贡献度、每个子行业源的贡献度、每个子污染源的贡献度对应的不确定度和每个子行业源的贡献度对应的不确定度;
将所述每个子污染源的贡献度和所述每个子污染源的贡献度对应的不确定度进行匹配,确定所述污染源的精细化解析结果;
将所述每个子行业源的贡献度和所述每个子行业源的贡献度对应的不确定度进行匹配,确定所述行业源的精细化解析结果。
8.一种多技术耦合的污染物源解析装置,其特征在于,包括:
第一获取模块,用于获取空气颗粒物样品数据;
第一解析模块,用于对所述空气颗粒物样品数据依次进行组分分析和正定矩阵因子分解,确定所述空气颗粒物样品数据对应的污染源的贡献度;
第二获取模块,用于获取所述污染源对应的排放数据;
第二解析模块,用于根据所述排放数据和所述污染源对应的评估模型,确定所述污染源对应的行业源的贡献度;
解析结果确定模块,用于根据所述污染源的贡献度和所述行业源的贡献度,确定所述污染源和所述行业源的精细化解析结果。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述多技术耦合的污染物源解析方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述多技术耦合的污染物源解析方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110342937.7A CN112967764B (zh) | 2021-03-30 | 2021-03-30 | 多技术耦合的污染物源解析方法、装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110342937.7A CN112967764B (zh) | 2021-03-30 | 2021-03-30 | 多技术耦合的污染物源解析方法、装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112967764A true CN112967764A (zh) | 2021-06-15 |
CN112967764B CN112967764B (zh) | 2023-05-30 |
Family
ID=76279650
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110342937.7A Active CN112967764B (zh) | 2021-03-30 | 2021-03-30 | 多技术耦合的污染物源解析方法、装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112967764B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113420102A (zh) * | 2021-06-25 | 2021-09-21 | 山东诺方电子科技有限公司 | 一种利用积尘与扬尘精准定位污染源的方法 |
CN116128421A (zh) * | 2022-09-23 | 2023-05-16 | 北京清创美科环境科技有限公司 | 一种耦合污染源排放和解析的大气污染管控方案生成方法 |
CN117272070A (zh) * | 2023-11-21 | 2023-12-22 | 北京大学 | 一种同时利用有机和无机污染物的定量源解析方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN108446531A (zh) * | 2018-03-08 | 2018-08-24 | 南开大学 | 基于实测源成分谱和源解析技术的受体Si和Al重构方法 |
CN110046382A (zh) * | 2019-03-06 | 2019-07-23 | 环境保护部环境工程评估中心 | 大气污染的源解析方法、装置、电子设备及存储介质 |
CN110610279A (zh) * | 2019-09-27 | 2019-12-24 | 复旦大学 | 一种大气细颗粒物污染源识别方法及其应用 |
CN111798928A (zh) * | 2020-06-30 | 2020-10-20 | 中科三清科技有限公司 | 大气颗粒物污染源解析方法和装置 |
CN111899817A (zh) * | 2020-08-04 | 2020-11-06 | 中科三清科技有限公司 | 污染物源解析方法和装置 |
CN112562794A (zh) * | 2020-12-09 | 2021-03-26 | 河北先进环保产业创新中心有限公司 | 污染源解析方法、装置及终端设备 |
-
2021
- 2021-03-30 CN CN202110342937.7A patent/CN112967764B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN108446531A (zh) * | 2018-03-08 | 2018-08-24 | 南开大学 | 基于实测源成分谱和源解析技术的受体Si和Al重构方法 |
CN110046382A (zh) * | 2019-03-06 | 2019-07-23 | 环境保护部环境工程评估中心 | 大气污染的源解析方法、装置、电子设备及存储介质 |
CN110610279A (zh) * | 2019-09-27 | 2019-12-24 | 复旦大学 | 一种大气细颗粒物污染源识别方法及其应用 |
CN111798928A (zh) * | 2020-06-30 | 2020-10-20 | 中科三清科技有限公司 | 大气颗粒物污染源解析方法和装置 |
CN111899817A (zh) * | 2020-08-04 | 2020-11-06 | 中科三清科技有限公司 | 污染物源解析方法和装置 |
CN112562794A (zh) * | 2020-12-09 | 2021-03-26 | 河北先进环保产业创新中心有限公司 | 污染源解析方法、装置及终端设备 |
Non-Patent Citations (1)
Title |
---|
王金南等: "《环境规划学》", 30 November 2014, 中国环境出版社 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113420102A (zh) * | 2021-06-25 | 2021-09-21 | 山东诺方电子科技有限公司 | 一种利用积尘与扬尘精准定位污染源的方法 |
CN116128421A (zh) * | 2022-09-23 | 2023-05-16 | 北京清创美科环境科技有限公司 | 一种耦合污染源排放和解析的大气污染管控方案生成方法 |
CN116128421B (zh) * | 2022-09-23 | 2023-10-20 | 北京清创美科环境科技有限公司 | 一种耦合污染源排放和解析的大气污染管控方案生成方法 |
CN117272070A (zh) * | 2023-11-21 | 2023-12-22 | 北京大学 | 一种同时利用有机和无机污染物的定量源解析方法 |
CN117272070B (zh) * | 2023-11-21 | 2024-02-02 | 北京大学 | 一种同时利用有机和无机污染物的定量源解析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112967764B (zh) | 2023-05-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112967764B (zh) | 多技术耦合的污染物源解析方法、装置 | |
CN108106979B (zh) | 一种基于modis和机器学习模型融合的pm2.5反演方法 | |
CN110489785B (zh) | 一种大气污染物在线源解析方法及*** | |
Giechaskiel et al. | Solid particle number (SPN) portable emissions measurement systems (PEMS) in the European legislation: A review | |
CN111798928B (zh) | 大气颗粒物污染源解析方法和装置 | |
Belis et al. | A new methodology to assess the performance and uncertainty of source apportionment models II: The results of two European intercomparison exercises | |
Gupta et al. | Source apportionment of PM10 by positive matrix factorization in urban area of Mumbai, India | |
CN105631203A (zh) | 识别土壤中重金属污染源的方法 | |
CN111753426B (zh) | 颗粒物污染的源解析方法和装置 | |
CN118133554A (zh) | 一种基于calpuff-cmb耦合模型的大气污染源解析方法 | |
CN108052486B (zh) | 基于颗粒物无机组分和有机标识物的精细化源解析方法 | |
CN109187287A (zh) | 基于稳定元素粒径分布信息的大气颗粒物来源解析方法 | |
CN107944213A (zh) | Pmf在线源解析方法、***、终端设备及计算机可读存储介质 | |
CN115963041A (zh) | 一种大气环境中细颗粒物浓度与碳排放量之间关系的评价方法 | |
CN108170927B (zh) | 一种基于modis的pm2.5遥感反演方法 | |
CN113917093B (zh) | 一种基于无线网络的空气质量监控*** | |
CN112364940A (zh) | 基于多源数据的大气污染物源解析方法、存储介质及设备 | |
CN116087044A (zh) | 一种基于cmb模型的pm2.5在线来源解析方法及设备 | |
CN110781225A (zh) | 一种环境介质污染物浓度水平的诊断方法 | |
CN116089771A (zh) | 一种颗粒物来源分析方法、装置、终端及存储介质 | |
Huang et al. | Identifying and quantifying PM2. 5 pollution episodes with a fusion method of moving window technique and constrained Positive Matrix Factorization | |
CN109856321A (zh) | 异常高值点位的确定方法 | |
Zhang et al. | Source apportionment of heavy metals in wet deposition in a typical industry city based on multiple models | |
CN114974452B (zh) | 一种确定二次转化来源的管控目标的方法和装置 | |
CN111047160A (zh) | 污染原因分析方法、装置、可读存储介质及电子设备 |
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 |