CN113514611B - 污染物传输路径的识别方法 - Google Patents
污染物传输路径的识别方法 Download PDFInfo
- Publication number
- CN113514611B CN113514611B CN202110717758.7A CN202110717758A CN113514611B CN 113514611 B CN113514611 B CN 113514611B CN 202110717758 A CN202110717758 A CN 202110717758A CN 113514611 B CN113514611 B CN 113514611B
- Authority
- CN
- China
- Prior art keywords
- pollution data
- grid
- wind direction
- obtaining
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000005540 biological transmission Effects 0.000 title claims abstract description 19
- 239000003344 environmental pollutant Substances 0.000 title claims abstract description 17
- 231100000719 pollutant Toxicity 0.000 title claims abstract description 17
- 239000000356 contaminant Substances 0.000 claims abstract description 11
- 238000011109 contamination Methods 0.000 claims description 3
- 238000009792 diffusion process Methods 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 6
- 238000004088 simulation Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 239000012080 ambient air Substances 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
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
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
-
- 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
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
- G01N33/0068—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display using a computer specifically programmed
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Combustion & Propulsion (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了污染物传输路径的识别方法,包括以下步骤:(A1)获得与区域内各点位对应的观测污染数据;(A2)预测各点位在未来时间内的预测污染数据;(A3)将区域网格化,利用观测污染数据和预测污染数据获得每个网格的污染数据;(A4)计算任一网格的风向角度Di,i=1,2…N,N=8;(A5)获得任一网格内的风向Dave,进而识别出污染物传输路径。本发明具有识别准确等优点。
Description
技术领域
本发明涉及污染监测,特别涉及污染物传输路径的识别方法。
背景技术
环境空气中尤其是工业园区中,大气中的污染物质来源复杂、传输过程复杂,不同点源排放相互干扰,单凭少量点位的观测结果,较难清晰定位污染物的空间点位浓度和实际扩散路径。现有的技术手段是基于单一点位的历史浓度与风向、风速信息,通过高斯扩散模型模拟获得单一点位的污染物传输路径,该路径基本呈现椭圆形,能描述点位周边一定范围内(2km)的污染物水平,但无法描述区域大范围中每个空间网格的扩散浓度和传输方向。
发明内容
为解决上述现有技术方案中的不足,本发明提供了一种污染物传输路径的识别方法。
本发明的目的是通过以下技术方案实现的:
污染物传输路径的识别方法,所述污染物传输路径的识别方法包括以下步骤:
(A1)在所述区域内各点位检测,获得与点位对应的观测污染数据,污染数据包括污染物的浓度;
(A2)预测所述区域内各点位在未来时间内的预测污染数据;
(A3)将所述区域网格化,利用所述观测污染数据和预测污染数据获得所述区域内每个网格的污染数据;
(A4)根据所述网格的污染数据计算任一网格外缘的多个网格的风向角度Di,i=1,2···N,N=8;
(A5)根据所述风向角度Di获得任一网格内的风向Dave,进而获得污染物的传输路径。
与现有技术相比,本发明具有的有益效果为:
本发明基于多形式监测数据,通过神经网络预测的污染物浓度,利用反演算法和非参数估计结合验证气象参数的预测准确性;将无界空间连续点源扩散模式方程降维处理,通过网格化反算方程与单位矢量平均法获得区域小尺度精细化网格点中的风向,最终获得高浓度的传输路径及传输路径上任一网格点的污染物浓度水平;
1.通过建立多元方法网和网格化反算方程获取小尺度精细化网格下的传输路径,打破了现有扩散模型的技术壁垒,将小区域模拟(2km)扩大至全区域范围,将大尺度模拟(2km)精细至小尺度网格(1m),细化污染物传输扩散过程;
2.兼容性强,可融合任何形式和分辨率的监测数据(定点监测、走航监测、异位监测数据);
3.空间分辨率高,能获取每个网格点的历史浓度、预测浓度和传输风向。
附图说明
参照附图,本发明的公开内容将变得更易理解。本领域技术人员容易理解的是:这些附图仅仅用于举例说明本发明的技术方案,而并非意在对本发明的保护范围构成限制。图中:
图1是根据本发明实施例的污染物传输路径的识别方法的流程图;
图2是根据本发明实施例的污染物扩散路径示意图。
具体实施方式
图1-2和以下说明描述了本发明的可选实施方式以教导本领域技术人员如何实施和再现本发明。为了教导本发明技术方案,已简化或省略了一些常规方面。本领域技术人员应该理解源自这些实施方式的变型或替换将在本发明的范围内。本领域技术人员应该理解下述特征能够以各种方式组合以形成本发明的多个变型。由此,本发明并不局限于下述可选实施方式,而仅由权利要求和它们的等同物限定。
实施例1:
图1给出了本发明实施例的污染物传输路径的识别方法的流程图,如图1所示,所述污染物传输路径的识别方法包括以下步骤:
(A1)在所述区域内各点位检测,获得与点位对应的观测污染数据,污染数据包括污染物的浓度;
(A2)预测所述区域内各点位在未来时间内的预测污染数据;
(A3)将所述区域网格化,利用所述观测污染数据和预测污染数据获得所述区域内每个网格的污染数据;
(A4)根据所述网格的污染数据计算任一网格外缘的多个网格的风向角度Di,i=1,2···N,N=8;
(A5)根据所述风向角度Di获得任一网格内的风向Dave,进而获得污染源的传输路径。
为了准确地获得各网格内的风向,进一步地,在步骤(A4)中,风向角度Di满足:网格污染数据Q是污染源源强,δy是y轴上的方差,是常数。
为了准确地获得每个网格的污染数据,进一步地,在步骤(A3)中,利用可变带宽核密度估计法获得所述网格的污染数据,可变带宽核密度估计法是本领域的现有技术。
为了准确地获得网格内的风向,进一步地看,在步骤(A5)中,风向
实施例2:
根据本发明实施例1的污染物传输路径的识别方法在工业园区中的应用例。
在该应用例中,如图2所示,工业园区有50平方公里,具有4个污染源,污染物传输路径的识别方法包括以下步骤:
(A1)在所述区域内各点位检测,如走航观测、定点观测或便携式观测,获得与点位对应的观测污染数据,污染数据包括污染物的浓度;
(A2)采用长期短期记忆网络LSTM的方法,此方法通过机器学习的原理对历史数据的变化规律进行统计分析,预测所述区域内6小时内各点位在未来时间内的预测污染数据;
(A3)如图2所示,将所述区域网格化,划分为10m×10m的网格,利用可变带宽核密度估计法,基于所述观测污染数据和预测污染数据获得所述区域内每个网格的污染数据;
核密度估计法中密度函数积分为f(x),N表示样本点个数,则核密度估计方程如下:
其中h表示带宽,K表示核函数;
(A4)根据所述网格的污染数据计算任一网格外缘的多个网格的风向角度Di,i=1,2···N,N=8;
风向角度Di满足:网格的污染数据(浓度)Q是污染源源强,δy是y轴上的方差,是常数,/>
(A5)根据所述风向角度Di获得任一网格内的风向N=8;
根据每个网格的风向获得污染物传输路径,如图2中弯折线表示传输路径。
Claims (1)
1.污染物传输路径的识别方法,所述污染物传输路径的识别方法包括以下步骤:
(A1)在区域内各点位检测,获得与点位对应的观测污染数据,污染数据包括污染物的浓度;
(A2)预测所述区域内各点位在未来时间内的预测污染数据;
(A3)将所述区域网格化,利用可变带宽核密度估计法,基于所述观测污染数据和预测污染数据获得所述区域内每个网格的污染数据;
核密度估计法中密度函数积分为f(x),N表示样本点个数,则核密度估计方程如下:
,其中h表示带宽,K0表示核函数;
(A4)根据所述网格的污染数据计算任一网格外缘的多个网格的风向角度Di,i=1,2…N,N=8;
风向角度Di满足:网格的污染数据,Q是污染源源强,δy是y轴上的方差,是常数,/>,/>;
(A5)根据所述风向角度Di获得任一网格内的风向,N=8,进而获得污染物的传输路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110717758.7A CN113514611B (zh) | 2021-06-28 | 2021-06-28 | 污染物传输路径的识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110717758.7A CN113514611B (zh) | 2021-06-28 | 2021-06-28 | 污染物传输路径的识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113514611A CN113514611A (zh) | 2021-10-19 |
CN113514611B true CN113514611B (zh) | 2024-01-12 |
Family
ID=78065956
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110717758.7A Active CN113514611B (zh) | 2021-06-28 | 2021-06-28 | 污染物传输路径的识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113514611B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007122365A (ja) * | 2005-10-27 | 2007-05-17 | Central Res Inst Of Electric Power Ind | 汚染物質の拡散シミュレーションシステム、汚染物質の拡散シミュレーション方法、プログラム及び記録媒体 |
CN104408308A (zh) * | 2014-11-25 | 2015-03-11 | 复旦大学 | 一种地下空间排放口排放污染物对周围环境影响的测量方法 |
CN110567510A (zh) * | 2019-07-23 | 2019-12-13 | 北京英视睿达科技有限公司 | 大气污染监测方法、***、计算机设备和存储介质 |
CN111537023A (zh) * | 2020-05-13 | 2020-08-14 | 浙江大学 | 一种工业园区大气污染物扩散模拟与溯源方法 |
CN112513896A (zh) * | 2018-08-25 | 2021-03-16 | 山东诺方电子科技有限公司 | 一种大气污染预测的方法 |
-
2021
- 2021-06-28 CN CN202110717758.7A patent/CN113514611B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007122365A (ja) * | 2005-10-27 | 2007-05-17 | Central Res Inst Of Electric Power Ind | 汚染物質の拡散シミュレーションシステム、汚染物質の拡散シミュレーション方法、プログラム及び記録媒体 |
CN104408308A (zh) * | 2014-11-25 | 2015-03-11 | 复旦大学 | 一种地下空间排放口排放污染物对周围环境影响的测量方法 |
CN112513896A (zh) * | 2018-08-25 | 2021-03-16 | 山东诺方电子科技有限公司 | 一种大气污染预测的方法 |
CN110567510A (zh) * | 2019-07-23 | 2019-12-13 | 北京英视睿达科技有限公司 | 大气污染监测方法、***、计算机设备和存储介质 |
CN111537023A (zh) * | 2020-05-13 | 2020-08-14 | 浙江大学 | 一种工业园区大气污染物扩散模拟与溯源方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113514611A (zh) | 2021-10-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112905560B (zh) | 一种多源时空大数据深度融合的空气污染预测方法 | |
CN112270112A (zh) | 有毒有害气体泄露溯源新方法 | |
CN110009037B (zh) | 一种基于物理信息耦合的工程风速短时预测方法及*** | |
CN104865353A (zh) | 基于无人机的工业园区大气污染数据采集方法 | |
CN111428942B (zh) | 基于变网格技术提取微地形因子的线路覆冰厚度预测方法 | |
CN113624921B (zh) | 多模式综合污染溯源方法 | |
CN113514612B (zh) | 区域内污染的溯源方法 | |
WO2010093260A1 (en) | System and method for empirical ensemble-based virtual sensing of particulates | |
CN114154702A (zh) | 基于多粒度图时空神经网络的污染物浓度预测方法及装置 | |
CN114662344B (zh) | 基于连续在线观测数据的大气污染溯源预测方法及*** | |
US11467147B2 (en) | Method for mapping the concentration of an analyte in an environment | |
CN114118613A (zh) | 一种焦化土壤污染空间分布预测优化方法及*** | |
CN114077798B (zh) | 估算小尺度区域大气污染物网格浓度的方法 | |
CN114822709A (zh) | 大气污染多粒度精准成因分析方法及装置 | |
CN117744411B (zh) | 一种基于海洋气象趋势的船舶失速预测方法及*** | |
CN113514611B (zh) | 污染物传输路径的识别方法 | |
CN116258101B (zh) | 一种基于气体浓度监测数据快速计算排放源强的方法 | |
CN115792137B (zh) | 大气污染溯源方法及装置、终端 | |
Materukhin et al. | Simulation of Spatio-Temporal Data Streams from Geosensors Located On mobile Objects | |
CN117058549A (zh) | 一种多行业二次污染动态来源解析***及解析方法 | |
CN115239027A (zh) | 空气质量格点化集合预报的方法及装置 | |
CN115705510A (zh) | 厂区气体污染分布预测方法、***、电子设备及存储介质 | |
CN118013769B (zh) | 一种基于WRF-Chem的大气污染物浓度预测方法 | |
CN117686669B (zh) | 一种无组织排放源网格化监测方法、装置、设备和介质 | |
CN117574329B (zh) | 基于集成学习的二氧化氮精细化空间分布方法 |
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 |