CN113063897A - 空气污染物溯源方法及装置 - Google Patents
空气污染物溯源方法及装置 Download PDFInfo
- Publication number
- CN113063897A CN113063897A CN202110308191.8A CN202110308191A CN113063897A CN 113063897 A CN113063897 A CN 113063897A CN 202110308191 A CN202110308191 A CN 202110308191A CN 113063897 A CN113063897 A CN 113063897A
- Authority
- CN
- China
- Prior art keywords
- matrix
- pollution
- data
- iteration
- air
- 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
- 238000000034 method Methods 0.000 title claims abstract description 82
- 239000000809 air pollutant Substances 0.000 title claims abstract description 40
- 231100001243 air pollutant Toxicity 0.000 title claims abstract description 40
- 239000011159 matrix material Substances 0.000 claims abstract description 119
- 238000003915 air pollution Methods 0.000 claims abstract description 70
- 238000012544 monitoring process Methods 0.000 claims abstract description 52
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 51
- 238000007781 pre-processing Methods 0.000 claims abstract description 9
- 239000002245 particle Substances 0.000 claims description 160
- 230000006870 function Effects 0.000 claims description 83
- 238000009833 condensation Methods 0.000 claims description 26
- 230000005494 condensation Effects 0.000 claims description 26
- 238000005070 sampling Methods 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 18
- 239000013618 particulate matter Substances 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 16
- 238000001514 detection method Methods 0.000 claims description 11
- 238000001228 spectrum Methods 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 9
- 238000000149 argon plasma sintering Methods 0.000 claims description 8
- 150000002500 ions Chemical class 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 6
- 230000017105 transposition Effects 0.000 claims description 3
- 239000000356 contaminant Substances 0.000 claims 1
- 238000004458 analytical method Methods 0.000 abstract description 40
- 239000007789 gas Substances 0.000 description 55
- 239000000523 sample Substances 0.000 description 35
- 239000003344 environmental pollutant Substances 0.000 description 24
- 231100000719 pollutant Toxicity 0.000 description 24
- 238000010586 diagram Methods 0.000 description 18
- 230000008859 change Effects 0.000 description 14
- 230000008569 process Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 7
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 5
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 229910002091 carbon monoxide Inorganic materials 0.000 description 3
- 239000003245 coal Substances 0.000 description 3
- 238000002485 combustion reaction Methods 0.000 description 3
- 238000013480 data collection Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000005684 electric field Effects 0.000 description 3
- 238000012806 monitoring device Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 230000008685 targeting Effects 0.000 description 3
- 239000011882 ultra-fine particle Substances 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- LRHPLDYGYMQRHN-UHFFFAOYSA-N N-Butanol Chemical compound CCCCO LRHPLDYGYMQRHN-UHFFFAOYSA-N 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 229910052751 metal Inorganic materials 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 229920006395 saturated elastomer Polymers 0.000 description 2
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 1
- 239000000443 aerosol Substances 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000002848 electrochemical method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002105 nanoparticle Substances 0.000 description 1
- 239000012466 permeate Substances 0.000 description 1
- 238000006552 photochemical reaction Methods 0.000 description 1
- 238000009738 saturating Methods 0.000 description 1
- 238000007873 sieving Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- XTQHKBHJIVJGKJ-UHFFFAOYSA-N sulfur monoxide Chemical class S=O XTQHKBHJIVJGKJ-UHFFFAOYSA-N 0.000 description 1
- 229910052815 sulfur oxide Inorganic materials 0.000 description 1
- 238000012360 testing method 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
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
-
- 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
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Combustion & Propulsion (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Dispersion Chemistry (AREA)
- Sampling And Sample Adjustment (AREA)
Abstract
本发明公开了一种空气污染物溯源方法及装置,该方法包括:预处理空气污染数据,形成m×n阶监测数据矩阵;确定污染源的数量范围,针对数量范围内每一污染源数量,执行如下迭代方法:根据污染源数量将监测数据矩阵分解,得到分解矩阵,利用分解矩阵和监测数据矩阵构造梯度函数;设定步长,利用步长、梯度函数及分解矩阵进行最小二乘迭代运算,每一次迭代得到一个中间矩阵;根据中间矩阵计算目标函数的函数值;当满足预设条件时停止迭代;在每一次迭代时重新设定步长;根据每一个数量的污染源迭代得到的目标函数的函数值确定目标污染源数量;根据目标污染源数量对应的分解矩阵确定污染源的类型。本发明可以对城市空气环境进行常态化的溯源分析。
Description
技术领域
本发明涉及环境保护技术领域,尤其涉及一种空气污染物溯源方法及装置。
背景技术
本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
空气的污染主要分为有害气体和可吸入颗粒物。有害气体包括:一氧化碳(CO)、氮氧化物(NOx)、碳氢化合物、硫氧化物等。目前,对有害气体主要采用电化学的方法进行检测,技术已相对成熟,在用的空气质量监测站大都具备此项功能。
PM10和PM2.5颗粒物已经成为各地常态化的被监测污染物,但PM10(直径10μm的颗粒物)和PM2.5(直径2.5μm的颗粒物)并非一次污染物,它主要是由超细颗粒(直径小于0.1μm的颗粒物)、臭氧以及VOC等气态污染物经过一系列的大气光化学反应形成的二次污染物。一些超细颗粒物可以渗入血液,在人体内沉积,从而引起癌症等一系列疾病,对人体的健康危害更大。
为保证空气质量,国家相继出台了多项政策及举措对各地空气质量进行监测管控,真正的查清污染来源及各污染源特点成为一项主要任务。目前的污染物溯源方法主要结合大气化学模式和观测浓度信息来反演污染源的特征,并结合大量的污染源特征信息(先验信息),期望实现对单个或多个污染源的位置及强度的精确估计,这种方法更适用于应对突发污染事件的发生,更适用于相对独立、面积较小的区域,而对于整个城市这样大面积、非独立性区域的空气质量管控,却无法对城市空气环境进行常态化的溯源分析,导致无法客观了解城市的空气质量变化规律及污染源时间、空间分布态势等,对于城市空气环境的科学管控也缺少数据支撑。
发明内容
本发明实施例提供一种空气污染物溯源方法,用以对城市空气环境进行常态化的溯源分析,从而客观了解城市的空气质量变化规律及污染源时间、空间分布态势等,为城市空气环境的科学管控提供数据支撑,该方法包括:
获取空气污染数据,所述空气污染数据包括可吸入颗粒物浓度、有害气体浓度和气象数据,所述可吸入颗粒物浓度包括粒径小于1μm的颗粒物浓度;
对空气污染数据进行预处理,形成m×n阶的监测数据矩阵,其中,m表示空气污染物组分数量,n表示采集空气污染数据的采样次数;
根据空气污染物组分数量,确定污染源的数量范围,针对数量范围内每一污染源数量,执行如下迭代方法:
根据污染源数量将监测数据矩阵分解,得到分解矩阵,利用分解矩阵和监测数据矩阵构造梯度函数;
设定步长,利用步长、梯度函数及分解矩阵进行最小二乘迭代运算,每一次迭代得到一个中间矩阵;根据中间矩阵计算目标函数的函数值;当目标函数的函数值或迭代次数满足预设条件时,停止迭代;其中,设定中间矩阵中各元素非负,并在每一次迭代时重新设定步长;
根据每一个数量的污染源迭代得到的目标函数的函数值确定目标污染源数量;
根据目标污染源数量对应的分解矩阵,确定污染源的类型。
本发明实施例还提供一种空气污染物溯源装置,用以对城市空气环境进行常态化的溯源分析,从而客观了解城市的空气质量变化规律及污染源时间、空间分布态势等,为城市空气环境的科学管控提供数据支撑,该装置包括:
获取模块,用于获取空气污染数据,所述空气污染数据包括可吸入颗粒物浓度、有害气体浓度和气象数据,所述可吸入颗粒物浓度包括粒径小于1μm的颗粒物浓度;
数据处理模块,用于对空气污染数据进行预处理,形成m×n阶的监测数据矩阵,其中,m表示空气污染物组分数量,n表示采集空气污染数据的采样次数;
迭代模块,用于根据空气污染物组分数量,确定污染源的数量范围,针对数量范围内每一污染源数量,执行如下迭代方法:
根据污染源数量将监测数据矩阵分解,得到分解矩阵,利用分解矩阵和监测数据矩阵构造梯度函数;
设定步长,利用步长、梯度函数及分解矩阵进行最小二乘迭代运算,每一次迭代得到一个中间矩阵;根据中间矩阵计算目标函数的函数值;当目标函数的函数值或迭代次数满足预设条件时,停止迭代;其中,设定中间矩阵中各元素非负,并在每一次迭代时重新设定步长;
确定模块,用于根据每一个数量的污染源迭代得到的目标函数的函数值确定目标污染源数量;
确定模块,还用于根据目标污染源数量对应的分解矩阵,确定污染源的类型。
本发明实施例还提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在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上述空气污染物溯源方法。
本发明实施例还提供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执行上述空气污染物溯源方法的计算机程序。
本发明实施例中,依赖获取的空气污染数据,如可吸入颗粒物浓度、有害气体浓度和气象数据等,对城市空气环境进行常态化的溯源分析,从而建立数据更为丰富、变化更为明显、特征更为鲜明的空气污染分析样本,后端平台能够对颗粒物排放特征不同的污染源进行有针对性的分析,获取各个污染因素,如交通、工业排放等在污染结果中所占的比重,进而甄别出致使污染超标的主要因素,从而对不同程度的污染采取更有针对性的措施,提高城市对空气污染治理的靶向性、科学性和有效性。并且,相较于现有技术中,只能获取到PM10、PM2.5的浓度信息,数据样本数量太少,即使用来进行溯源分析,也无法得到较为准确的结果,而只能借助气体污染数据从宏观上去分析,而大多污染源并不是直接排出PM10和PM2.5的,因此,在溯源分析中,PM10和PM2.5数据并不能起到直接的作用,本发明实施例能够快速检测到空气中粒径较小(小于1μm)的颗粒物浓度变化,能够真实的反映出污染源的变化,从而得到更加准确的溯源结果,还具备以下优点:
①、本溯源方法是开放性的,对样本的数量、组分数的数量均没有明确的限制,不同空气质量监测站点获得的空气污染信息均可以用此方法进行溯源分析。
②、本溯源方法计算过程对污染源成分谱依赖很小,即无需对监测区域潜在污染源进行成分谱数据收集,也不需要初猜信息,只在监测站获得监测数据后即可进行溯源分析。
③、本溯源方法采用了梯度投影的方法,并在每次迭代运算中都重新设置步长,相对于目前应用较广的基于贝叶斯推论的概率溯源分析方法收敛运算速度更快,效率更高。
④、目前常用的基于贝叶斯推论的概率溯源分析方法首先需要根据先验信息确定污染源类别数量,若数量分析不准确,则会造成溯源分析结果的偏差。而本方法具备污染源类别自动分析能力,弥补了概率溯源分析方法在这方面的弊端。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,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的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1为本发明实施例中一种空气污染物溯源方法的流程图;
图2为本发明实施例中一种凝聚核计数器的结构示意图;
图3为本发明实施例中一种电迁移计数器的结构示意图;
图4为本发明实施例中一种DMA的结构示意图;
图5为本发明实施例中一种空气质量监测设备的机柜结构示意图;
图6为本发明实施例中一种空气污染物溯源装置的结构示意图;
图7为本发明实施例中一种计算机设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白,下面结合附图对本发明实施例做进一步详细说明。在此,本发明的示意性实施例及其说明用于解释本发明,但并不作为对本发明的限定。
本发明实施例中提供了一种空气污染物溯源方法,如图1所示,该方法包括步骤101至步骤105:
步骤101、获取空气污染数据。
其中,空气污染数据包括可吸入颗粒物浓度、有害气体浓度和气象数据,所述可吸入颗粒物浓度包括粒径小于1μm的颗粒物浓度,还包括通过光散射原理测量得到的PM2.5、PM10颗粒物浓度。有害气体包括SO2、NO2、O3、CO,有害气体浓度通过电化学原理检测。气象数据包括实时测量的大气环境空气温湿度、风速、风向和大气压力。
步骤102、对空气污染数据进行预处理,形成m×n阶的监测数据矩阵。
其中,m表示空气污染物组分数量,n表示采集空气污染数据的采样次数。
预处理的主要目的有两个,其一可以替换异常数据,其二为补全在采样过程中或数据传输过程中缺失的数据,因此,本发明实施例中,对空气污染数据进行预处理,包括:根据预设的各项空气污染数据的数值范围,筛选出在数值范围之外的异常空气污染数据;根据空气污染数据的采样时间及采样间隔,校验空气污染数据的采样是否连续;利用插值法得到空气污染数据,替换异常空气污染数据,补全采样不连续的空气污染数据。
步骤103、根据空气污染物组分数量,确定污染源的数量范围,针对数量范围内每一污染源数量,执行如下迭代方法:根据污染源数量将监测数据矩阵分解,得到分解矩阵,利用分解矩阵和监测数据矩阵构造梯度函数;设定步长,利用步长、梯度函数及分解矩阵进行最小二乘迭代运算,每一次迭代得到一个中间矩阵;根据中间矩阵计算目标函数的函数值;当目标函数的函数值或迭代次数满足预设条件时,停止迭代;其中,设定中间矩阵中各元素非负,并在每一次迭代时重新设定步长。
其中,预设条件为目标函数的函数值小于一设定值,或者迭代次数达到一设定数值,当满足上述两条件的任意之一时,迭代过程结束。在每一次迭代时均自动重新设定步长,与现有技术中常用的PMF算法设定固定步长相比,重新设定步长可以加快迭代运算速度,明显缩短运算时间。
考虑到迭代的收敛性及准确性,本发明实施例中,将1~(m-4)设置为污染源的数量范围,若m=10,则污染源的数量在1~6之间。
根据污染源的数量,将检测数据矩阵分解,得到第一分解矩阵G,第一分解矩阵为m×P阶因子贡献矩阵,矩阵G中元素gip为i污染物组分在第p个污染源排放物中的浓度;F表示第二分解矩阵,第二分解矩阵为P×n阶因子谱矩阵,矩阵F中元素fpj为第p个污染源对第j个空气污染数据样本的贡献度。
之后,设定步长,同时,由于分解矩阵中各个元素均与空气污染物数据相关联,如果分解矩阵中出现负值与其实际物理意义不符,无法做出合理的数学解释,因此,本发明实施例中设定分解矩阵元素均为非负值。利用如下公式进行最小二乘迭代运算,得到第k次迭代的中间矩阵xk+1:
之后,利用如下公式计算目标函数的函数值Q:
其中,xij为监测数据矩阵中第i行第j列的元素;gik和fkj分别为分解矩阵G、F中第i行第j列的元素;uij为误差矩阵中第i行第j列的元素,误差矩阵由监测数据矩阵中每个元素的误差量构成,误差量由仪器设备本身产生,其值不随代入矩阵的变化而变化。
本发明实施例中,在每一次迭代得到一个中间矩阵之后,还计算利用同一个污染源数量迭代得到的目标函数的函数值的均值及均方根误差。
需要说明的是,均方根误差越大,则迭代过程波动性越大,为了保证污染源溯源结果的稳定性,本发明实施例中计算了函数值的均方根误差,并设置了允许结果波动的均方根误差的设定范围,将均方根误差在设定范围内的最小均值作为目标污染源数量。
步骤104、根据每一个数量的污染源迭代得到的目标函数的函数值确定目标污染源数量。
目标函数值越小,其收敛性越好,污染源的数量越接近于实际污染源数量,因此,从中选择函数值最小的目标函数对应的污染源数量作为目标污染源数量。
同时,考虑到迭代过程具有一定的不确定性,为了削弱该种不确定性与计算的函数值的影响,在得到目标函数的函数值均值和均方根误差后,从得到的所有均方根误差中筛选在设定范围内的均方根误差;将设定范围内的均方根误差对应的目标函数的均值中,最小均值对应的污染源数量确定为目标污染源数量。
步骤105、根据目标污染源数量对应的分解矩阵,确定污染源的类型。
本发明实施例中,根据分解矩阵G来确定污染源的类型。具体的,不同污染源的粒径特征不同,而污染源排放的各组分污染物在污染源排放物中的浓度大小与粒径特征相关联,当粒径大的污染物浓度大时,污染源的粒径特征表现为较大的粒径,粒径小的污染物浓度大时,污染源的粒径特征表现为较小的粒径。比如说,煤燃烧和汽车尾气排放,两者产生的污染物的组分中都包含二氧化碳等气体污染物和固体颗粒物,但是,气体污染物和固体颗粒物在煤燃烧产生的污染物中的浓度,以及其在汽车尾气中的浓度不同,这导致了煤燃烧产生的污染物与汽车尾气的粒径特征不同。根据不同组分的浓度,可以推测该污染源为何种类型。
需要说明的是,不同污染源产生污染物中各组分的浓度需要通过已知污染源来确定,通过采集已知污染源的空气污染数据,得到组分浓度与污染源的对应关系,以便于根据比对确定排放当前污染物的污染源。
此外,针对单一空气质量监测站采集的空气污染数据进行溯源分析时,需要将大气风场同样作为一个污染因素参与到溯源运算中。
本发明实施例中,通过步骤105得到多个污染源类型,该些污染源类型均为可能导致空气污染的污染源类型,为了进一步确定是哪个类型的污染源,可以引入新的特征,比如通过空气污染数据的周期性、相关性气体、污染物的流动方向等做进一步的筛选,以更加准确的确定污染源类型。通过找到不同类型的污染源,并得到各污染源在某一时段内对空气污染的占比,可以将该些占比以饼图、柱状图、表格等的形式显示出来,以便于工作人员更加直观的查看。此外,通过一段时间的观测可以得到监测地区污染源的分布及变化规律,从而辅助实现对空气污染源头实施精准管控。
本发明实施例中,可吸入颗粒物浓度包括粒径小于1μm的颗粒物浓度,粒径小于1μm的颗粒物浓度可以根据凝聚核计数法或电迁移计数法确定。下面将详细介绍该两种计数方法。
(1)凝聚核计数法
空气在凝聚核计数器中依次通过PM1.0切割器、凝聚单元和激光计数单元,PM1.0切割器滤除空气中粒径大于1μm的颗粒物,得到样气,将样气输入凝聚单元;凝聚单元使样气中的指定粒径颗粒物与工质溶液蒸汽结合形成可检测颗粒物,将包含可检测颗粒物的样气输入光计数单元;光计数单元发出激光照射可检测颗粒物,并检测可检测颗粒物散射激光后的光散射信号,将光散射信号转换为电脉冲信号。其中,指定粒径在10nm至1000nm之间;可检测颗粒物为直径大于1μm的颗粒物。
具体的,参见图2所示的凝聚核计数器(未示出PM1.0切割器)的结构示意图。凝聚单元包括:热饱和器、与饱和器连接的冷凝器。其中,热饱和器,容纳工质溶液蒸汽,用于使通入的样气中指定粒径颗粒物饱和;冷凝器,用于使饱和的颗粒物冷凝,形成粒径可检测的颗粒物,激光照射器,光电探测器。
凝聚单元还包括:丁醇罐,与热饱和器连接,用于为热饱和器中提供工质溶液。
其中,热饱和器中的温度可以由检测人员设置,考虑到经济因素及颗粒物浓度监测效果,可以将热饱和器的温度设置在35±2度,以利用较低的经济成本得到较好的检测效果。
参见图2,激光计数单元,包括:激光照射器,用于发出激光照射粒径可检测的颗粒物;光电探测器,用于检测激光散射的散射光信号,将散射光信号转换为电脉冲信号。
如图2所示,样气连续通入凝聚核计数器(未示出PM1.0切割器)内部,并在热饱和器中用工质溶液蒸汽使其饱和。然后,气溶胶颗粒和工质溶液蒸汽通过冷凝器进行冷却,颗粒物作为凝聚核,工质溶液蒸汽凝结在颗粒物表面。这一过程将使单个纳米颗粒物的粒径增加到可检测颗粒物的大小,也即1μm以上(热饱和器设置35度,冷凝器设置10度时,颗粒物粒径增加到10μm左右)。这么大的液滴可以很方便地用光散射方法来探测。液滴颗粒进入激光技术单元所在的光学测量区,通过激光束的每个颗粒产生散射光信号,用汇聚镜将散射光信号汇聚到光电二极管上,在90度方向上接收此散射光信号。将光信号转换成电脉冲信号,从而根据电脉冲信号进行计数。
空气污染物溯源装置获取空气通入凝聚核计数器后,凝聚核计数器检测的电脉冲信号;根据电脉冲信号确定粒径小于1μm的颗粒物浓度。
(2)电迁移计数法
其中,空气在电迁移计数器中依次通过PM1.0切割器、荷电器、DMA、法拉第杯和微电流检测电路;其中,PM1.0切割器滤除空气中粒径大于1μm的颗粒物,得到样气;荷电器产生自由离子,自由离子与PM1.0切割器输入的样气中颗粒物碰撞,进行荷电;DMA将荷电后的样气中的颗粒物按照粒径大小进行分级,将预设粒径等级的颗粒物输出至法拉第杯;当样气通入法拉第杯,微电流检测电路检测样气中预设粒径等级的颗粒物在法拉第杯中产生的电信号。指定粒径颗粒物包括预设粒径等级的颗粒物。本发明实施例中,对指定粒径按照粒径大小进一步分级,得到粒径等级,预设粒径等级为其中一个粒径等级。
具体的,参见图3及图4,图3为本发明实施例中一种电迁移计数器的结构示意图,图4为一种DMA的结构示意图。
具体的,DMA包括上电极板、下电极板、在上电极板上设置的样气入口、高压电极,以及在下电极班上设置的样气出口、高压电极,上电极板和下电极板之间形成两端开口的空腔,样气入口与荷电器连接,样气出口与法拉第杯连接,上电极板和下电极板在各自高压电极作用下产生预设电压,空腔中持续通入鞘气,在鞘气与预设电压的作用下,荷电后的样气中预设粒径等级的颗粒物从样气出口输出至法拉第杯。
此外,DMA还包括上绝缘板和下绝缘板,上绝缘板和下绝缘板上分别设置凹槽,上绝缘板的凹槽中容纳上电极板,下绝缘板的凹槽中容纳下电极板。
下面将结合图3和图4详细介绍电迁移计数器的工作原理及DMA的工作原理。
参见图3,样气进入PM1.0切割器,把粒径大于1μm的粒子滤除,然后进入粒子荷电模块,单极性荷电器在恒流高压电源激发下产生高浓度自由离子,样气中指定粒径的颗粒物在荷电器中与自由离子碰撞,进行高效荷电。然后,样气中的带电粒子进入粒子分级模块,在平板DMA上施加扫描电压,使带电粒子受到垂直方向上的电场力,并在鞘气的水平作用力下,带电颗粒物能够从平板DMA的出口离开。通过改变施加在平板DMA上的扫描电压,采样气体中的不同粒径的带电颗粒物能在不同扫描电压的作用下分离,达到对采样气体中粒子粒径分级的目的。最后,被分级的带电颗粒物进入微电流反演模块,在法拉第杯中,电敏性滤网与带电颗粒物碰撞,颗粒物丢失电荷并被排出,法拉第杯收集的电荷以微弱电信号被后端微电流检测电路中的微电流放大器放大后传送至计算机设备。计算机设备通过反演运算,得到不同微弱电量所对应的超细颗粒物的数浓度,进一步得到采样气体的粒径谱图。
在上述工作过程中,DMA起到了对指定粒径的颗粒物进行分级的重要作用。具体的,DMA是根据带电颗粒物的电迁移特性达到这一目的。根据电迁移理论,不同粒径的颗粒物拥有不同的电迁移率,当经过荷电器的颗粒物充分荷电后,进入内部有均匀电场的DMA内部,不同粒径的带电颗粒物受到大小不一的作用力,产生了不同的运动轨迹,电迁移率大的颗粒物在电场方向上位移大,电迁移率小的颗粒物位移小,这样就实现了对粒径不同的颗粒物进行筛分。
目前主流DMA分为圆柱型DMA、径向型DMA和平板型DMA,因为圆柱型DMA和径向型DMA体积较大,不易于集成加工,因此本发明实施例中选用了平板DMA。在体积条件及加工技术允许的情况下,也可以采用圆柱形DMA或径向型DMA。
样气中的颗粒物经过DMA后被分级,此时需要对分级后的带电颗粒物进行测量,从而获得相应等级颗粒物的浓度。测量带电颗粒物的带电量即用到了法拉第杯。法拉第杯内部有一个使用敏感电极做成的致密金属网,当带电颗粒物随气流进入法拉第杯后,与金属网碰撞丢失电荷,产生的电信号经过底部的探针结构流向微电流放大器,在微电流检测电路中得到一个可以分析处理的电压值,然后计算机设备通过对测量电压值的反演,可以得到颗粒物的数浓度信息,从而得到测量颗粒物的粒径谱图。
空气污染物溯源装置获取空气通入电迁移计数器后,电迁移计数器检测的电信号;根据电信号确定粒径小于1μm的颗粒物浓度。
除了利用上述方法测量粒径小于1μm的颗粒物,还可以利用常规气体污染物监测设备检测气态污染物、PM2.5颗粒物和PM10颗粒物的浓度;利用气象数据监测设备检测大气环境的气象数据。
本发明实施例中,常规气体污染物监测设备、气象数据监测设备、凝聚核计数器和/或电迁移计数器构成的颗粒物分级监测设备可以集成在机柜中。具体的,可采用了标准19寸室外恒温机柜,从而保证各设备的工作环境温度。其中除气象数据监测设备外,其余各设备均安装于机柜内部,按各设备划分,均固定于各标准插箱内部,各设备插箱均后部出线,前面板排布指示灯及供电、控制开关、显示表/屏等。机柜内排布可以参见图5所示。
本发明实施例中的空气污染物监测设备可与机柜分离设置,机柜采集的气象数据等各项数据可以通过数据网络、无线局域网等网络发送至空气污染物溯源装置。
本发明实施例中,除颗粒物分级监测设备、常规气体污染物监测设备、气象数据监测设备分别与空气污染物溯源装置连接外,还可以将上述设备之一与空气污染物溯源装置连接,该设备作为中间设备,接收其他设备要向空气污染物溯源装置发送的采集数据,该设备将采集数据进行清洗及数据初步融合,得到高置信度数据后,再统一上送至空气污染物溯源装置。空气污染物溯源装置根据采集数据得到空气污染物数据。
本发明实施例中,依赖获取的空气污染数据,如可吸入颗粒物浓度、有害气体浓度和气象数据等,对城市空气环境进行常态化的溯源分析,从而建立数据更为丰富、变化更为明显、特征更为鲜明的空气污染分析样本,后端平台能够对颗粒物排放特征不同的污染源进行有针对性的分析,获取各个污染因素,如交通、工业排放等在污染结果中所占的比重,进而甄别出致使污染超标的主要因素,从而对不同程度的污染采取更有针对性的措施,提高城市对空气污染治理的靶向性、科学性和有效性。并且,相较于现有技术中,只能获取到PM10、PM2.5的浓度信息,数据样本数量太少,即使用来进行溯源分析,也无法得到较为准确的结果,而只能借助气体污染数据从宏观上去分析,而大多污染源并不是直接排出PM10和PM2.5的,因此,在溯源分析中,PM10和PM2.5数据并不能起到直接的作用,本发明实施例能够快速检测到空气中粒径较小(小于1μm)的颗粒物浓度变化,能够真实的反映出污染源的变化,从而得到更加准确的溯源结果,还具备以下优点:
①、本溯源方法是开放性的,对样本的数量、组分数的数量均没有明确的限制,不同空气质量监测站点获得的空气污染信息均可以用此方法进行溯源分析。
②、本溯源方法计算过程对污染源成分谱依赖很小,即无需对监测区域潜在污染源进行成分谱数据收集,也不需要初猜信息,只在监测站获得监测数据后即可进行溯源分析。
③、本溯源方法采用了梯度投影的方法,并在每次迭代运算中都重新设置步长,相对于目前应用较广的基于贝叶斯推论的概率溯源分析方法收敛运算速度更快,效率更高。
④、目前常用的基于贝叶斯推论的概率溯源分析方法首先需要根据先验信息确定污染源类别数量,若数量分析不准确,则会造成溯源分析结果的偏差。而本方法具备污染源类别自动分析能力,弥补了概率溯源分析方法在这方面的弊端。
本发明实施例中还提供了一种空气污染物溯源装置,如下面的实施例所述。由于该装置解决问题的原理与空气污染物溯源方法相似,因此该装置的实施可以参见空气污染物溯源方法的实施,重复之处不再赘述。
如图6所示,该装置600包括获取模块601、数据处理模块602、迭代模块603和确定模块604。
其中,获取模块601,用于获取空气污染数据,空气污染数据包括可吸入颗粒物浓度、有害气体浓度和气象数据;
数据处理模块602,用于对空气污染数据进行预处理,形成m×n阶的监测数据矩阵,其中,m表示空气污染物组分数量,n表示采集空气污染数据的采样次数;
迭代模块603,用于根据空气污染物组分数量,确定污染源的数量范围,针对数量范围内每一污染源数量,执行如下迭代方法:
根据污染源数量将监测数据矩阵分解,得到分解矩阵,利用分解矩阵和监测数据矩阵构造梯度函数;
设定步长,利用步长、梯度函数及分解矩阵进行最小二乘迭代运算,每一次迭代得到一个中间矩阵;根据中间矩阵计算目标函数的函数值;当目标函数的函数值或迭代次数满足预设条件时,停止迭代;其中,设定中间矩阵中各元素非负,并在每一次迭代时重新设定步长;
确定模块604,用于根据每一个数量的污染源迭代得到的目标函数的函数值确定目标污染源数量;
确定模块604,还用于根据目标污染源数量对应的分解矩阵,确定污染源的类型。
本发明实施例的一种实现方式中,数据处理模块602,用于:
根据预设的各项空气污染数据的数值范围,筛选出在数值范围之外的异常空气污染数据;
根据空气污染数据的采样时间及采样间隔,校验空气污染数据的采样是否连续;
利用插值法得到空气污染数据,替换异常空气污染数据,补全采样不连续的空气污染数据。
本发明实施例的一种实现方式中,迭代模块603,用于:
计算利用同一个污染源数量迭代得到的目标函数的函数值的均值及均方根误差;
从得到的所有均方根误差中筛选在设定范围内的均方根误差;
将设定范围内的均方根误差对应的目标函数的均值中,最小均值对应的污染源数量确定为目标污染源数量。
本发明实施例的一种实现方式中,迭代模块603,用于:
本发明实施例的一种实现方式中,迭代模块603,用于:
其中,xij为监测数据矩阵中第i行第j列的元素;gik和fkj分别为分解矩阵G、F中第i行第j列的元素;uij为误差矩阵中第i行第j列的元素,误差矩阵由监测数据矩阵中每个元素的误差量构成。
本发明实施例的一种实现方式中,数据处理模块602根据如下凝聚核计数法确定粒径小于1μm的颗粒物浓度:
获取空气通入凝聚核计数器后,凝聚核计数器检测的电脉冲信号;其中,空气在凝聚核计数器中依次通过PM1.0切割器、凝聚单元和激光计数单元,PM1.0切割器滤除空气中粒径大于1μm的颗粒物,得到样气,将样气输入凝聚单元;凝聚单元使样气中的指定粒径颗粒物与工质溶液蒸汽结合形成可检测颗粒物,将包含可检测颗粒物的样气输入光计数单元;光计数单元发出激光照射可检测颗粒物,并检测可检测颗粒物散射激光后的光散射信号,将光散射信号转换为电脉冲信号;
根据电脉冲信号确定粒径小于1μm的颗粒物浓度。
或者,数据处理模块602根据如下电迁移计数法确定粒径小于1μm的颗粒物浓度:
获取空气通入电迁移计数器后,电迁移计数器检测的电信号;其中,空气在电迁移计数器中依次通过PM1.0切割器、荷电器、DMA、法拉第杯和微电流检测电路;其中,PM1.0切割器滤除空气中粒径大于1μm的颗粒物,得到样气;荷电器产生自由离子,自由离子与PM1.0切割器输入的样气中颗粒物碰撞,进行荷电;DMA将荷电后的样气中的颗粒物按照粒径大小进行分级,将预设粒径等级的颗粒物输出至法拉第杯;当样气通入法拉第杯,微电流检测电路检测样气中预设粒径等级的颗粒物在法拉第杯中产生的电信号;
根据电信号确定粒径小于1μm的颗粒物浓度。
本发明实施例中,依赖获取的空气污染数据,如可吸入颗粒物浓度、有害气体浓度和气象数据等,对城市空气环境进行常态化的溯源分析,从而建立数据更为丰富、变化更为明显、特征更为鲜明的空气污染分析样本,后端平台能够对颗粒物排放特征不同的污染源进行有针对性的分析,获取各个污染因素,如交通、工业排放等在污染结果中所占的比重,进而甄别出致使污染超标的主要因素,从而对不同程度的污染采取更有针对性的措施,提高城市对空气污染治理的靶向性、科学性和有效性。并且,相较于现有技术中,只能获取到PM10、PM2.5的浓度信息,数据样本数量太少,即使用来进行溯源分析,也无法得到较为准确的结果,而只能借助气体污染数据从宏观上去分析,而大多污染源并不是直接排出PM10和PM2.5的,因此,在溯源分析中,PM10和PM2.5数据并不能起到直接的作用,本发明实施例能够快速检测到空气中粒径较小(小于1μm)的颗粒物浓度变化,能够真实的反映出污染源的变化,从而得到更加准确的溯源结果,还具备以下优点:
①、本溯源方法是开放性的,对样本的数量、组分数的数量均没有明确的限制,不同空气质量监测站点获得的空气污染信息均可以用此方法进行溯源分析。
②、本溯源方法计算过程对污染源成分谱依赖很小,即无需对监测区域潜在污染源进行成分谱数据收集,也不需要初猜信息,只在监测站获得监测数据后即可进行溯源分析。
③、本溯源方法采用了梯度投影的方法,并在每次迭代运算中都重新设置步长,相对于目前应用较广的基于贝叶斯推论的概率溯源分析方法收敛运算速度更快,效率更高。
④、目前常用的基于贝叶斯推论的概率溯源分析方法首先需要根据先验信息确定污染源类别数量,若数量分析不准确,则会造成溯源分析结果的偏差。而本方法具备污染源类别自动分析能力,弥补了概率溯源分析方法在这方面的弊端。
本发明实施例还提供一种计算机设备,图7为本发明实施例中计算机设备的示意图,该计算机设备能够实现上述实施例中的空气污染物溯源方法中全部步骤,该计算机设备具体包括如下内容:
处理器(processor)701、存储器(memory)702、通信接口(CommunicationsInterface)703和通信总线704;
其中,所述处理器701、存储器702、通信接口703通过所述通信总线704完成相互间的通信;所述通信接口703用于实现相关设备之间的信息传输;
所述处理器701用于调用所述存储器702中的计算机程序,所述处理器执行所述计算机程序时实现上述实施例中的空气污染物溯源方法。
本发明实施例还提供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执行上述空气污染物溯源方法的计算机程序。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种空气污染物溯源方法,其特征在于,所述方法包括:
获取空气污染数据,所述空气污染数据包括可吸入颗粒物浓度、有害气体浓度和气象数据,所述可吸入颗粒物浓度包括粒径小于1μm的颗粒物浓度;
对空气污染数据进行预处理,形成m×n阶的监测数据矩阵,其中,m表示空气污染物组分数量,n表示采集空气污染数据的采样次数;
根据空气污染物组分数量,确定污染源的数量范围,针对数量范围内每一污染源数量,执行如下迭代方法:
根据污染源数量将监测数据矩阵分解,得到分解矩阵,利用分解矩阵和监测数据矩阵构造梯度函数;
设定步长,利用步长、梯度函数及分解矩阵进行最小二乘迭代运算,每一次迭代得到一个中间矩阵;根据中间矩阵计算目标函数的函数值;当目标函数的函数值或迭代次数满足预设条件时,停止迭代;其中,设定中间矩阵中各元素非负,并在每一次迭代时重新设定步长;
根据每一个数量的污染源迭代得到的目标函数的函数值确定目标污染源数量;
根据目标污染源数量对应的分解矩阵,确定污染源的类型。
2.根据权利要求1所述的方法,其特征在于,对空气污染数据进行预处理,包括:
根据预设的各项空气污染数据的数值范围,筛选出在数值范围之外的异常空气污染数据;
根据空气污染数据的采样时间及采样间隔,校验空气污染数据的采样是否连续;
利用插值法得到空气污染数据,替换异常空气污染数据,补全采样不连续的空气污染数据。
3.根据权利要求1所述的方法,其特征在于,在每一次迭代得到一个中间矩阵之后,所述方法还包括:
计算利用同一个污染源数量迭代得到的目标函数的函数值的均值及均方根误差;
根据每一个数量的污染源迭代得到的目标函数的函数值确定目标污染源数量,包括:
从得到的所有均方根误差中筛选在设定范围内的均方根误差;
将设定范围内的均方根误差对应的目标函数的均值中,最小均值对应的污染源数量确定为目标污染源数量。
7.根据权利要求1所述的方法,其特征在于,粒径小于1μm的颗粒物浓度根据如下凝聚核计数法确定:
获取空气通入凝聚核计数器后,凝聚核计数器检测的电脉冲信号;其中,空气在凝聚核计数器中依次通过PM1.0切割器、凝聚单元和激光计数单元,PM1.0切割器滤除空气中粒径大于1μm的颗粒物,得到样气,将样气输入凝聚单元;凝聚单元使样气中的指定粒径颗粒物与工质溶液蒸汽结合形成可检测颗粒物,将包含可检测颗粒物的样气输入光计数单元;光计数单元发出激光照射可检测颗粒物,并检测可检测颗粒物散射激光后的光散射信号,将光散射信号转换为电脉冲信号;
根据电脉冲信号确定粒径小于1μm的颗粒物浓度;
或者,粒径小于1μm的颗粒物浓度根据如下电迁移计数法确定:
获取空气通入电迁移计数器后,电迁移计数器检测的电信号;其中,空气在电迁移计数器中依次通过PM1.0切割器、荷电器、差分电迁移分级器(Differential electromobilityclassifier,DMA)、法拉第杯和微电流检测电路;其中,PM1.0切割器滤除空气中粒径大于1μm的颗粒物,得到样气;荷电器产生自由离子,自由离子与PM1.0切割器输入的样气中颗粒物碰撞,进行荷电;DMA将荷电后的样气中的颗粒物按照粒径大小进行分级,将预设粒径等级的颗粒物输出至法拉第杯;当样气通入法拉第杯,微电流检测电路检测样气中预设粒径等级的颗粒物在法拉第杯中产生的电信号;
根据电信号确定粒径小于1μm的颗粒物浓度。
8.一种空气污染物溯源装置,其特征在于,所述装置包括:
获取模块,用于获取空气污染数据,所述空气污染数据包括可吸入颗粒物浓度、有害气体浓度和气象数据,所述可吸入颗粒物浓度包括粒径小于1μm的颗粒物浓度;
数据处理模块,用于对空气污染数据进行预处理,形成m×n阶的监测数据矩阵,其中,m表示空气污染物组分数量,n表示采集空气污染数据的采样次数;
迭代模块,用于根据空气污染物组分数量,确定污染源的数量范围,针对数量范围内每一污染源数量,执行如下迭代方法:
根据污染源数量将监测数据矩阵分解,得到分解矩阵,利用分解矩阵和监测数据矩阵构造梯度函数;
设定步长,利用步长、梯度函数及分解矩阵进行最小二乘迭代运算,每一次迭代得到一个中间矩阵;根据中间矩阵计算目标函数的函数值;当目标函数的函数值或迭代次数满足预设条件时,停止迭代;其中,设定中间矩阵中各元素非负,并在每一次迭代时重新设定步长;
确定模块,用于根据每一个数量的污染源迭代得到的目标函数的函数值确定目标污染源数量;
确定模块,还用于根据目标污染源数量对应的分解矩阵,确定污染源的类型。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在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权利要求1至7任一所述方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有执行权利要求1至7任一所述方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110308191.8A CN113063897B (zh) | 2021-03-23 | 2021-03-23 | 空气污染物溯源方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110308191.8A CN113063897B (zh) | 2021-03-23 | 2021-03-23 | 空气污染物溯源方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113063897A true CN113063897A (zh) | 2021-07-02 |
CN113063897B CN113063897B (zh) | 2023-05-09 |
Family
ID=76563050
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110308191.8A Active CN113063897B (zh) | 2021-03-23 | 2021-03-23 | 空气污染物溯源方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113063897B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113552289A (zh) * | 2021-07-14 | 2021-10-26 | 清华苏州环境创新研究院 | 一种基于高斯模式的大气污染溯源方法 |
CN114635167A (zh) * | 2021-10-13 | 2022-06-17 | 杭州三耐环保科技股份有限公司 | 一种电解生产监控方法和*** |
CN114778774A (zh) * | 2022-04-21 | 2022-07-22 | 平安国际智慧城市科技股份有限公司 | 基于人工智能的温室气体监测方法及相关设备 |
CN115950797A (zh) * | 2023-03-02 | 2023-04-11 | 北京复兰环保科技有限公司 | 污染物溯源方法和*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105468926A (zh) * | 2015-12-29 | 2016-04-06 | 北京师范大学 | 地下水型饮用水水源地污染源解析方法 |
CN108680473A (zh) * | 2018-05-09 | 2018-10-19 | 南开大学 | 一种应用单颗粒气溶胶质谱仪进行颗粒物源解析的方法 |
CN108733893A (zh) * | 2018-04-25 | 2018-11-02 | 同济大学 | 耦合深度学习方法的公共建筑突发污染的溯源 |
CN109187288A (zh) * | 2018-08-31 | 2019-01-11 | 南京天博环境检测技术有限公司 | 一种大气有机气溶胶检测及源解析方法 |
CN109670146A (zh) * | 2018-12-17 | 2019-04-23 | 中国地质大学(武汉) | 基于拟牛顿法的二维水污染扩散源溯源定位方法及*** |
CN111855915A (zh) * | 2020-07-30 | 2020-10-30 | 中国科学院大气物理研究所 | 一种大气污染物的溯源方法 |
-
2021
- 2021-03-23 CN CN202110308191.8A patent/CN113063897B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105468926A (zh) * | 2015-12-29 | 2016-04-06 | 北京师范大学 | 地下水型饮用水水源地污染源解析方法 |
CN108733893A (zh) * | 2018-04-25 | 2018-11-02 | 同济大学 | 耦合深度学习方法的公共建筑突发污染的溯源 |
CN108680473A (zh) * | 2018-05-09 | 2018-10-19 | 南开大学 | 一种应用单颗粒气溶胶质谱仪进行颗粒物源解析的方法 |
CN109187288A (zh) * | 2018-08-31 | 2019-01-11 | 南京天博环境检测技术有限公司 | 一种大气有机气溶胶检测及源解析方法 |
CN109670146A (zh) * | 2018-12-17 | 2019-04-23 | 中国地质大学(武汉) | 基于拟牛顿法的二维水污染扩散源溯源定位方法及*** |
CN111855915A (zh) * | 2020-07-30 | 2020-10-30 | 中国科学院大气物理研究所 | 一种大气污染物的溯源方法 |
Non-Patent Citations (2)
Title |
---|
王申博等: "郑州市两次典型大气重污染过程成因分析", 《中国环境科学》 * |
齐甜方等: "面向多源数据沈阳市PM2.5浓度预测研究及实证分析", 《***工程》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113552289A (zh) * | 2021-07-14 | 2021-10-26 | 清华苏州环境创新研究院 | 一种基于高斯模式的大气污染溯源方法 |
CN113552289B (zh) * | 2021-07-14 | 2024-01-23 | 清华苏州环境创新研究院 | 一种基于高斯模式的大气污染溯源方法 |
CN114635167A (zh) * | 2021-10-13 | 2022-06-17 | 杭州三耐环保科技股份有限公司 | 一种电解生产监控方法和*** |
CN114635167B (zh) * | 2021-10-13 | 2023-08-29 | 杭州三耐环保科技股份有限公司 | 一种电解生产监控方法和*** |
CN114778774A (zh) * | 2022-04-21 | 2022-07-22 | 平安国际智慧城市科技股份有限公司 | 基于人工智能的温室气体监测方法及相关设备 |
CN115950797A (zh) * | 2023-03-02 | 2023-04-11 | 北京复兰环保科技有限公司 | 污染物溯源方法和*** |
Also Published As
Publication number | Publication date |
---|---|
CN113063897B (zh) | 2023-05-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113063897B (zh) | 空气污染物溯源方法及装置 | |
Cross et al. | Laboratory and ambient particle density determinations using light scattering in conjunction with aerosol mass spectrometry | |
Buseck et al. | Nanoparticles in the atmosphere | |
Mirme et al. | A wide-range multi-channel Air lon Spectrometer. | |
Rodriguez et al. | A review of methods for long term in situ characterization of aerosol dust | |
Wang-Li et al. | Techniques for measuring particle size distribution of particulate matter emitted from animal feeding operations | |
Sarangi et al. | Aerosol effective density measurement using scanning mobility particle sizer and quartz crystal microbalance with the estimation of involved uncertainty | |
CN110044779A (zh) | 一种大气重金属颗粒物实时在线监测和源解析联用的方法 | |
CN106525679A (zh) | Pm2.5切割器d50不确定度的测定方法及*** | |
WO2009065062A1 (en) | System and method for calibration verification of an optical particle counter | |
CN102933952A (zh) | 用于检测生物材料的方法及装置 | |
Chappuis et al. | Automatic pollen monitoring: first insights from hourly data | |
CN109883931B (zh) | 一种pm2.5在线源解析方法及测量*** | |
US7100423B2 (en) | Method and apparatus for monitoring particles in a flowing gas | |
Wu et al. | Evaluation of aerosol-spectrometer based PM2. 5 and PM10 mass concentration measurement using ambient-like model aerosols in the laboratory | |
Occhipinti et al. | Particulate matter monitoring: Past, present and future | |
Bukowski et al. | Smoke detector design and smoke properties | |
CN109856321A (zh) | 异常高值点位的确定方法 | |
CN213364532U (zh) | 一种基于颗粒物粒径精细分级的空气质量监测站 | |
Yang et al. | An integrated system for automated measurement of airborne pollen based on electrostatic enrichment and image analysis with machine vision | |
CN214952875U (zh) | 空气质量监测*** | |
Kay | Analytical methods used in air pollution study | |
Rostedt | Diffusion Charging-Based Aerosol Instrumentation: Design, Response Characterisation and Performance | |
CN111175203B (zh) | 一种用于超低粉尘在线监测的检测*** | |
Zou | An Evaluation of Potential Applications of Low-cost Air Quality Sensors |
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 |