CN114118613A - 一种焦化土壤污染空间分布预测优化方法及*** - Google Patents
一种焦化土壤污染空间分布预测优化方法及*** Download PDFInfo
- Publication number
- CN114118613A CN114118613A CN202111477717.1A CN202111477717A CN114118613A CN 114118613 A CN114118613 A CN 114118613A CN 202111477717 A CN202111477717 A CN 202111477717A CN 114118613 A CN114118613 A CN 114118613A
- Authority
- CN
- China
- Prior art keywords
- pollutant
- data
- meteorological
- acquiring
- obtaining
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 78
- 238000004939 coking Methods 0.000 title claims abstract description 67
- 238000009826 distribution Methods 0.000 title claims abstract description 57
- 238000003900 soil pollution Methods 0.000 title claims abstract description 48
- 238000005457 optimization Methods 0.000 title claims description 20
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 141
- 231100000719 pollutant Toxicity 0.000 claims abstract description 141
- 238000009792 diffusion process Methods 0.000 claims abstract description 114
- 229910001385 heavy metal Inorganic materials 0.000 claims abstract description 31
- 239000000779 smoke Substances 0.000 claims abstract description 30
- 239000002689 soil Substances 0.000 claims abstract description 20
- 238000004364 calculation method Methods 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 7
- 230000006870 function Effects 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 7
- 238000001556 precipitation Methods 0.000 claims description 6
- 239000000356 contaminant Substances 0.000 claims description 5
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 3
- 238000013524 data verification Methods 0.000 claims description 3
- 239000003546 flue gas Substances 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 2
- 239000013618 particulate matter Substances 0.000 abstract description 12
- 238000004088 simulation Methods 0.000 abstract description 10
- 230000008021 deposition Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 12
- 230000000694 effects Effects 0.000 description 8
- 238000011160 research Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 239000002245 particle Substances 0.000 description 5
- 230000002093 peripheral effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 239000002912 waste gas Substances 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000000571 coke Substances 0.000 description 2
- 230000008094 contradictory effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000003802 soil pollutant Substances 0.000 description 2
- BFNBIHQBYMNNAN-UHFFFAOYSA-N ammonium sulfate Chemical compound N.N.OS(O)(=O)=O BFNBIHQBYMNNAN-UHFFFAOYSA-N 0.000 description 1
- 229910052921 ammonium sulfate Inorganic materials 0.000 description 1
- 235000011130 ammonium sulphate Nutrition 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 238000002425 crystallisation Methods 0.000 description 1
- 230000008025 crystallization Effects 0.000 description 1
- 238000006477 desulfuration reaction Methods 0.000 description 1
- 230000023556 desulfurization Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000010791 quenching Methods 0.000 description 1
- 230000000171 quenching effect Effects 0.000 description 1
- 230000008929 regeneration Effects 0.000 description 1
- 238000011069 regeneration method Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004062 sedimentation Methods 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N13/00—Investigating surface or boundary effects, e.g. wetting power; Investigating diffusion effects; Analysing materials by determining surface, boundary, or diffusion effects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N13/00—Investigating surface or boundary effects, e.g. wetting power; Investigating diffusion effects; Analysing materials by determining surface, boundary, or diffusion effects
- G01N2013/003—Diffusion; diffusivity between liquids
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Biochemistry (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Educational Administration (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种焦化土壤污染空间分布预测优化方法及***。该方案包括利用采集设备获得烟雾扩散范围,计算污染物坐标、排放速率、地面气象数据、排放高度、排放流量;依次录入地面气象数据和探空气象数据,作为气象数据源;获取气象背景初始值、地形高程数据和污染源数据,生成场地特征和综合污染源数据,输入污染物传播模型,生成任一点的污染物浓度;获取污染物传播模型,获得误差最低时对应的目标侧向扩散系数和目标横向扩散系数,将污染物结果生成重金属污染物制图。该方案通过大气扩散模型计算企业排放颗粒物模拟结果,作为协同变量应用于协同克里斯金插值法,提升对焦化厂周边土壤重金属污染物预测精度。
Description
技术领域
本发明涉及气象预测技术领域,更具体地,涉及一种焦化土壤污染空间分布预测优化方法及***。
背景技术
焦化污染土壤具有较强的空间变异性,土壤污染物含量最大值和最小值之间的差异可以高达730倍,变异系数可以高达398%。为了能够获得污染物含量的空间分布特征,现有技术主要基于空间插值模型获得污染物含量的空间分布信息。
在本发明技术之前,已有研究主要通过筛选插值模型,结合类别辅助变量和地统计学等方法提高插值准确性。但是,现有方法局限于通过数学分析优化预测效果,缺乏对焦化土壤污染普遍存在的内在规律,即土壤污染驱动机制的研究,导致预测结果仅限于接近特定研究企业的土壤污染特征,难以直接应用于其他污染企业的土壤污染空间分布格局,将其应用于不同研究对象得到的预测效果存在较大差异。
现有基础产生这些缺陷的原因是:空间插值模型基于空间自相关理论,即空间位置邻近的值具有相关性和相似的特征,该假设与焦化土壤污染较强的空间变异特征相矛盾,致使其变异形式预测较为困难,难以为焦化土壤修复和治理提供支撑。
发明内容
鉴于上述问题,本发明提出了一种焦化土壤污染空间分布预测优化方法及***,通过大气扩散模型计算企业排放颗粒物模拟结果,作为协同变量应用于协同克里斯金插值法,提升对焦化厂周边土壤重金属污染物预测精度。
根据本发明实施例第一方面,提供一种焦化土壤污染空间分布预测优化方法。
在一个或多个实施例中,优选地,所述一种焦化土壤污染空间分布预测优化方法包括:
利用采集设备获得烟雾扩散范围,计算污染物坐标、排放速率、地面气象数据、排放高度、排放流量;
依次录入地面气象数据和探空气象数据,作为气象数据源;
获取气象背景初始值、地形高程数据和污染源数据,生成场地特征和综合污染源数据;
获取所述气象数据源和所述综合污染源数据,输入污染物传播模型,生成任一点的污染物浓度;
获取所述污染物传播模型,获得误差最低时对应的目标侧向扩散系数和目标横向扩散系数;
获得所述目标侧向扩散系数和目标横向扩散系数,将污染物结果生成重金属污染物制图。
在一个或多个实施例中,优选地,所述利用采集设备获得烟雾扩散范围,计算污染物坐标、排放速率、地面气象数据、排放高度、排放流量,具体包括:
利用采集设备获得烟雾扩散范围;
根据所述烟雾扩散范围按照预先设置的划分尺度,将所述烟雾扩散范围划分为若干个小尺度区块;
根据所述小尺度区块进行污染物坐标获取;
获得污染物的排放速率和排放高度;
根据所述小尺度区块获得所述污染物坐标最高值,作为地形高度数据;
根据所述污染物坐标提取总体污染物体积,进而利用第一计算公式计算排放流量;
所述第一计算公式为:
Si=Vi/Ti
其中,Si为第i个时间点的排放流量,Vi为第i个时间点的污染物体积,Ti为第i个时间点的时间值。
在一个或多个实施例中,优选地,所述依次录入地面气象数据和探空气象数据,作为气象数据源,具体包括:
获取降水类型、降水量、湿度、地面气压、气温、风向风速、云量,作为所述气象数据;
获得不同压强下的各高度层上的风速、风向、露点、温度、位势高度,作为所述探空气象数据;
将所述气象数据和所述探空气象数据,作为所述气象数据源。
在一个或多个实施例中,优选地,所述获取气象背景初始值、地形高程数据和污染源数据,生成场地特征和综合污染源数据,具体包括:
根据气象要素的逐小时值,进行作为所述气象背景初始值;
将土地利用类型、土地分类生成地形高程数据;
将对于的经度和纬度作为污染源数据;
将所述气象背景初始值和地形高程数据,作为场地特征;
将所述污染物坐标、所述排放速率、所述排放流量和所述排放高度,作为综合污染源数据。
在一个或多个实施例中,优选地,所述获取所述气象数据源和所述综合污染源数据,输入污染物传播模型,生成任一点的污染物浓度,具体包括:
获取所述气象数据源和所述综合污染源数据;
设置横向扩散系数和竖向扩散系数的初始值;
利用第二计算公式获得任一点的污染物浓度;
所述第二计算公式为:
式中:C表示任一点的污染物浓度;Q表示污染物的单位时间排放量;σy、σz分别表示侧向和竖向的扩散系数,是距离x的函数;u表示排放口处的平均风速;H表示有效源高,即烟囱的有效高度;x表示污染源排放点至下风向任一点的距离;y表示烟气的中心轴在直角水平方向上到任一点的距离;z表示地表到任一点的高度。
在一个或多个实施例中,优选地,所述获取所述污染物传播模型,获得误差最低时对应的目标侧向扩散系数和目标横向扩散系数,具体包括:
根据所述污染物传播模型;
获取当前的污染物的排放速率和污染物的坐标位置;
获得气象逐时数据和地形高程数据;
输入所述污染物传播模型;
利用第三计算公式获得对应的侧向扩散系数和纵向扩散系数;
所述第三计算公式为:
(σym、σzm)=argmin(C(x,y,z,H))
其中,σym、σzm依次为获得的目标侧向和竖向的扩散系数。
在一个或多个实施例中,优选地,所述获得所述目标侧向扩散系数和目标横向扩散系数,将污染物结果生成重金属污染物制图,具体包括:
获得所述目标侧向扩散系数和所述目标横向扩散系数,获得目标气象模型;
获得地理转换器,将原始的污染物结果对应的直角坐标系转换为地理坐标;
根据地理坐标和所述目标气象模型,利用协同克里金插值法完成土壤重金属污染物图制图。
根据本发明实施例第二方面,提供一种焦化土壤污染空间分布预测优化***。
在一个或多个实施例中,优选地,所述一种焦化土壤污染空间分布预测优化***包括:
数据采集模块,用于利用采集设备获得烟雾扩散范围,计算污染物坐标、排放速率、地面气象数据、排放高度、排放流量;
传播预测模块,用于依次录入地面气象数据和探空气象数据,作为气象数据源;
大气扩散分析模块,用于获取气象背景初始值、地形高程数据和污染源数据,生成场地特征和综合污染源数据;
污染物扩散预测模块,用于获取所述气象数据源和所述综合污染源数据,输入污染物传播模型,生成任一点的污染物浓度;
采集数据验证模块,用于获取所述污染物传播模型,获得误差最低时对应的目标侧向扩散系数和目标横向扩散系数;
插值运算模块,用于获得所述目标侧向扩散系数和目标横向扩散系数,将污染物结果生成重金属污染物制图。
根据本发明实施例第三方面,提供一种计算机可读存储介质,其上存储计算机程序指令,所述计算机程序指令在被处理器执行时实现如本发明实施例第一方面中任一项所述的方法。
根据本发明实施例第四方面,提供一种电子设备,包括存储器和处理器,所述存储器用于存储一条或多条计算机程序指令,其中,所述一条或多条计算机程序指令被所述处理器执行以实现本发明实施例第一方面中任一项所述的步骤。
本发明的实施例提供的技术方案可以包括以下有益效果:
1)本发明实施例中,基于高斯烟羽模型来模拟污染物随大气扩散的规律,模拟焦化厂周波的污染物排放颗粒,为协同预估提供数据基础;
2)本发明实施例中,基于规定的污染模型的参数输入结合污染物排放数据进行颗粒物沉积量数据模拟;
3)本发明实施例中,利用地理坐标转换器,将模型预测污染物的排放结果中对应点位的直角坐标对应转换为地理坐标,并将其点位数据及污染物浓度数据导入到协同克里金插值法的焦化土壤重金属污染物浓度分布制图,提升预测精度。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
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。
图1是本发明一个实施例的一种焦化土壤污染空间分布预测优化方法的流程图。
图2是本发明一个实施例的一种焦化土壤污染空间分布预测优化方法中的利用采集设备获得烟雾扩散范围,计算污染物坐标、排放速率、地面气象数据、排放高度、排放流量的流程图。
图3是本发明一个实施例的一种焦化土壤污染空间分布预测优化方法中的依次录入地面气象数据和探空气象数据,作为气象数据源的流程图。
图4是本发明一个实施例的一种焦化土壤污染空间分布预测优化方法中的获取气象背景初始值、地形高程数据和污染源数据,生成场地特征和综合污染源数据的流程图。
图5是本发明一个实施例的一种焦化土壤污染空间分布预测优化方法中的获取所述气象数据源和所述综合污染源数据,输入污染物传播模型,生成任一点的污染物浓度的流程图。
图6是本发明一个实施例的一种焦化土壤污染空间分布预测优化方法中的获取所述污染物传播模型,获得误差最低时对应的目标侧向扩散系数和目标横向扩散系数的流程图。
图7是本发明一个实施例的一种焦化土壤污染空间分布预测优化方法中的获得所述目标侧向扩散系数和目标横向扩散系数,将污染物结果生成重金属污染物制图的流程图。
图8是本发明一个实施例的日均排放颗粒物浓度和总沉积量对比图。
图9是本发明一个实施例的插值结果对比图片。
图10是本发明一个实施例的一种焦化土壤污染空间分布预测优化***的结构图。
图11是本发明一个实施例中一种电子设备的结构图。
具体实施方式
在本发明的说明书和权利要求书及上述附图中的描述的一些流程中,包含了按照特定顺序出现的多个操作,但是应该清楚了解,这些操作可以不按照其在本文中出现的顺序来执行或并行执行,操作的序号如101、102等,仅仅是用于区分开各个不同的操作,序号本身不代表任何的执行顺序。另外,这些流程可以包括更多或更少的操作,并且这些操作可以按顺序执行或并行执行。需要说明的是,本文中的“第一”、“第二”等描述,是用于区分不同的消息、设备、模块等,不代表先后顺序,也不限定“第一”和“第二”是不同的类型。
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
焦化污染土壤具有较强的空间变异性,土壤污染物含量最大值和最小值之间的差异可以高达730倍,变异系数可以高达398%。为了能够获得污染物含量的空间分布特征,现有技术主要基于空间插值模型获得污染物含量的空间分布信息。
在本发明技术之前,已有研究主要通过筛选插值模型,结合类别辅助变量和地统计学等方法提高插值准确性。但是,现有方法局限于通过数学分析优化预测效果,缺乏对焦化土壤污染普遍存在的内在规律,即土壤污染驱动机制的研究,导致预测结果仅限于接近特定研究企业的土壤污染特征,难以直接应用于其他污染企业的土壤污染空间分布格局,将其应用于不同研究对象得到的预测效果存在较大差异。
现有基础产生这些缺陷的原因是:空间插值模型基于空间自相关理论,即空间位置邻近的值具有相关性和相似的特征,该假设与焦化土壤污染较强的空间变异特征相矛盾,致使其变异形式预测较为困难,难以为焦化土壤修复和治理提供支撑。
本发明实施例中,提供了一种焦化土壤污染空间分布预测优化方法及***。该方案通过大气扩散模型计算企业排放颗粒物模拟结果,作为协同变量应用于协同克里斯金插值法,提升对焦化厂周边土壤重金属污染物预测精度。
根据本发明实施例第一方面,提供一种焦化土壤污染空间分布预测优化方法。
图1是本发明一个实施例的一种焦化土壤污染空间分布预测优化方法的流程图。
如图1所示,在一个或多个实施例中,优选地,所述一种焦化土壤污染空间分布预测优化方法包括:
S101、利用采集设备获得烟雾扩散范围,计算污染物坐标、排放速率、地面气象数据、排放高度、排放流量;
S102、依次录入地面气象数据和探空气象数据,作为气象数据源;
S103、获取气象背景初始值、地形高程数据和污染源数据,生成场地特征和综合污染源数据;
S104、获取所述气象数据源和所述综合污染源数据,输入污染物传播模型,生成任一点的污染物浓度;
S105、获取所述污染物传播模型,获得误差最低时对应的目标侧向扩散系数和目标横向扩散系数;
S106、获得所述目标侧向扩散系数和目标横向扩散系数,将污染物结果生成重金属污染物制图。
在本发明实施例中,为提高焦化厂周边土壤重金属插值预测的准确度,对周边土壤污染防治及修复提供更为精准指示,将大气扩散模型计算出来的焦化企业排放颗粒物模拟结果作为协同变量应用于协同克里金插值法中,并与插值法、反距离权重法等常规插值方法进行对比,焦化土壤污染空间分布格局预测精度更好,能够为焦化企业周边土壤修复治理和污染管控提供更精确的指导。
图2是本发明一个实施例的一种焦化土壤污染空间分布预测优化方法中的利用采集设备获得烟雾扩散范围,计算污染物坐标、排放速率、地面气象数据、排放高度、排放流量的流程图。
如图2所示,在一个或多个实施例中,优选地,所述利用采集设备获得烟雾扩散范围,计算污染物坐标、排放速率、地面气象数据、排放高度、排放流量,具体包括:
S201、利用采集设备获得烟雾扩散范围;
S202、根据所述烟雾扩散范围按照预先设置的划分尺度,将所述烟雾扩散范围划分为若干个小尺度区块;
S203、根据所述小尺度区块进行污染物坐标获取;
S204、获得污染物的排放速率和排放高度;
S205、根据所述小尺度区块获得所述污染物坐标最高值,作为地形高度数据;
S206、根据所述污染物坐标提取总体污染物体积,进而利用第一计算公式计算排放流量;
所述第一计算公式为:
Si=Vi/Ti
其中,Si为第i个时间点的排放流量,Vi为第i个时间点的污染物体积,Ti为第i个时间点的时间值。
本发明实施例中,具体的,首先通过采集设备获得对应的烟雾扩散位置,这个获取过程进行了小尺度的划分,生成多个小的尺度;进一步的,通过采集设备在污染物坐标、排放速率、地面气象数据、排放高度、排放流量、地形高度数据;将所述地形高程数据、所述背景图和所述坐标作为场地特征。
在本发明实施例中,所述高斯烟羽模式具体的对连续点源排放的烟羽扩散,假定其浓度分布服从正态分布的经验模式。烟羽以平均风速向下风向输送,忽略顺风向的湍流扩散,垂直方向和水平横向扩散由扩散参数描述。严格地说,正态型浓度分布仅在平稳和均匀的条件下才能成立,并不符合实际大气的情形。但由于公式的形式和参数比较简单,仍广泛应用于扩散计算中,可近似地适用于开阔平坦地形上风速不太小时候的小尺度扩散计算,也可以根据地形、气象条件和排放源几何形状的特殊性,转换成各种变型模式。
图3是本发明一个实施例的一种焦化土壤污染空间分布预测优化方法中的依次录入地面气象数据和探空气象数据,作为气象数据源的流程图。
如图3所示,在一个或多个实施例中,优选地,所述依次录入地面气象数据和探空气象数据,作为气象数据源,具体包括:
S301、获取降水类型、降水量、湿度、地面气压、气温、风向风速、云量,作为所述气象数据;
S302、获得不同压强下的各高度层上的风速、风向、露点、温度、位势高度,作为所述探空气象数据;
S303、将所述气象数据和所述探空气象数据,作为所述气象数据源。
在本发明实施例中,所述高斯烟羽模式具体的对连续点源排放的烟羽扩散,假定其浓度分布服从正态分布的经验模式。烟羽以平均风速向下风向输送,忽略顺风向的湍流扩散,垂直方向和水平横向扩散由扩散参数描述。严格地说,正态型浓度分布仅在平稳和均匀的条件下才能成立,并不符合实际大气的情形。但由于公式的形式和参数比较简单,仍广泛应用于扩散计算中,可近似地适用于开阔平坦地形上风速不太小时候的小尺度扩散计算,也可以根据地形、气象条件和排放源几何形状的特殊性,转换成各种变型模式。
图4是本发明一个实施例的一种焦化土壤污染空间分布预测优化方法中的获取气象背景初始值、地形高程数据和污染源数据,生成场地特征和综合污染源数据的流程图。
如图4所示,在一个或多个实施例中,优选地,所述获取气象背景初始值、地形高程数据和污染源数据,生成场地特征和综合污染源数据,具体包括:
S401、根据气象要素的逐小时值,进行作为所述气象背景初始值;
S402、将土地利用类型、土地分类生成地形高程数据;
S403、将对于的经度和纬度作为污染源数据;
S404、将所述气象背景初始值和地形高程数据,作为场地特征;
S405、将所述污染物坐标、所述排放速率、所述排放流量和所述排放高度,作为综合污染源数据。
在本发明实施例中,在进行气象分析之前,首先需对场地特征和综合污染源数据的结合,根据气象要素的逐小时值,进行作为气象背景初始值,具体的气象背景初始值来源为MM5物理量场模拟计算,所述地形数据可以选择美国地理调查局,所述污染源数据可采用高德开放平台、谷歌地图、焦化企业的在线监测网站。
图5是本发明一个实施例的一种焦化土壤污染空间分布预测优化方法中的获取所述气象数据源和所述综合污染源数据,输入污染物传播模型,生成任一点的污染物浓度的流程图。
如图5所示,在一个或多个实施例中,优选地,所述获取所述气象数据源和所述综合污染源数据,输入污染物传播模型,生成任一点的污染物浓度,具体包括:
S501、获取所述气象数据源和所述综合污染源数据;
S502、设置横向扩散系数和竖向扩散系数的初始值;
S503、利用第二计算公式获得任一点的污染物浓度;
所述第二计算公式为:
式中:C表示任一点的污染物浓度;Q表示污染物的单位时间排放量;σy、σz分别表示侧向和竖向的扩散系数,是距离x的函数;u表示排放口处的平均风速;H表示有效源高,即烟囱的有效高度;x表示污染源排放点至下风向任一点的距离;y表示烟气的中心轴在直角水平方向上到任一点的距离;z表示地表到任一点的高度。
在本发明实施例中,在稳定状态下,在x方向上随风速成非随机变化,而羽流在稳定的y方向和垂直z方向成高斯分布。
图6是本发明一个实施例的一种焦化土壤污染空间分布预测优化方法中的获取所述污染物传播模型,获得误差最低时对应的目标侧向扩散系数和目标横向扩散系数的流程图。
如图6所示,在一个或多个实施例中,优选地,所述获取所述污染物传播模型,获得误差最低时对应的目标侧向扩散系数和目标横向扩散系数,具体包括:
S601、根据所述污染物传播模型;
S602、获取当前的污染物的排放速率和污染物的坐标位置;
S603、获得气象逐时数据和地形高程数据;
S604、输入所述污染物传播模型;
S605、利用第三计算公式获得对应的侧向扩散系数和纵向扩散系数;
所述第三计算公式为:
(σym、σzm)=argmin(C(x,y,z,H))
其中,σym、σzm依次为获得的目标侧向和竖向的扩散系数。
在本发明实施例中,模拟过程主要包括了数据的获取、数据的处理及输入、AERSCREEN筛选气象参数设置、AERMOD预测气象参数输入和AERMOD预测点位浓度设置及结果出图。在污染排放颗粒物的数据获取方面,根据地理探测器的探测结果可知,焦化污染土壤外部的重金属污染主要来源于焦化废气,因此利用AERMOD进行某焦化厂外部颗粒物浓度模拟时,需要选择焦化厂内焦化废气排放点作为污染源的模型输入。结合焦炉烟囱、装煤、推焦、干熄焦、储槽、脱硫再生塔、硫铵结晶干燥等废气排放点位以及某焦化厂公开发布的7个在线监测点位的数据,获取到其颗粒物排放相关数据。将上述获取的数据作为污染源数据输入到模型软件当中,即可完成模型结果的颗粒物沉积量数据模拟。
图7是本发明一个实施例的一种焦化土壤污染空间分布预测优化方法中的获得所述目标侧向扩散系数和目标横向扩散系数,将污染物结果生成重金属污染物制图的流程图。
如图7所示,在一个或多个实施例中,优选地,所述获得所述目标侧向扩散系数和目标横向扩散系数,将污染物结果生成重金属污染物制图,具体包括:
S701、获得所述目标侧向扩散系数和所述目标横向扩散系数,获得目标气象模型;
S702、获得地理转换器,将原始的污染物结果对应的直角坐标系转换为地理坐标;
S703、根据地理坐标和所述目标气象模型,利用协同克里金插值法完成土壤重金属污染物图制图。
在本发明实施例中,利用地理坐标转换器,将模型预测污染物的排放结果中对应点位的直角坐标对应转换为地理坐标,并将其点位数据及污染物浓度数据导入到ArcGIS10.2中用于协同克里金插值法的焦化土壤重金属污染物浓度分布制图。
具体的,图8位日均排放颗粒物浓度和总沉积量。如图8所示,颗粒物在大气中的日均浓度和总沉积量的差异较大,其中日均浓度的最大值为2.55μg·m-3,最小值为0.11μg·m-3,变异系数大于0.15,且浓度相差超过20倍;日均总沉积量的最大值为4.34×10-2μg·m-2,最小值为5.47×10-5μg·m-2,变异系数大于0.15,且沉积量相差超过700倍。并且结合两组数据的峰度和偏度结果可以得知,日均浓度和总沉积量均呈现偏左的偏态分布,说明单日排放的颗粒物当中,经过扩散后在周边大部分区域的浓度和沉积量较低,小部分区域的浓度和沉积量较高。单日颗粒物浓度较高的区域主要在排放源西北方向2000m左右的范围,沉积量较高的区域主要在排放源和其西北方向1000m左右的范围。
经过AERMOD模型模拟的结果,能够较为准确的反映出焦化废气排放之后在焦化企业周边的扩散及沉降结果。而经过污染源及驱动因子分析也可以知道,焦化厂周边土壤重金属污染来源中,焦化废气的沉降是其来源之一,说明焦化厂周边重金属与沉积量存在一定的相关关系,因此模拟的总沉积量数据可以用于下文的空间插值方法中,提高空间插值的准确度。
为了进一步确定插值方法在进行空间插值的效果差异,本部分研究利用常见插值方法(反距离加权法、简单克里金法、普通克里金法和泛克里金法)对焦化厂8种重金属的插值效果进行对比,可以发现普通克里金法对8种重金属插值的RMSE相对于其他3种插值方法的RMSE更小,插值精度更高。因此,后续研究对插值优化的分析,选择将普通克里金插值法与协同克里金插值法进行对比,以判断剔除了***点位的重金属插值方法是否具有更高的插值精度,AERMOD模拟的排放颗粒物沉积量结果是否能够提高插值模型的精度。
通过ArcGIS 10.2分别进行普通克里金插值和基于大气扩散模型模拟的协同克里金插值,获得了焦化厂周边8种重金属空间分布插值结果图。根据插值结果定性判断可知,相对于普通克里金插值法,以AERMOD预测的焦化颗粒物总沉积结果作为协变量的协同克里金法的插值结果,比普通克里金法的插值精度更高,对于污染物的预测效果有了明显的提升。
图9为插值结果对比图片。如图9所示,通过交叉验证后获得OK和COK的精度对比结果,由RMSE数据结果可以发现,经过解决原有采样点存在的问题后,基于AERMOD焦化企业排放颗粒物预测结果的协同克里金插值能够显著提高8种重金属的插值结果。其中,重金属As的RMSE由2.050降至1.887,Cd由0.179降至0.161,Cr由19.071降至12.968,Cu由6.921降至4.721,Hg由0.323降至0.281,Ni由16.918降至16.096,Pb的由18.285降至16.622,Zn由159.676降至153.658,研究中的8种重金属插值效果均有了显著提升。
根据本发明实施例第二方面,提供一种焦化土壤污染空间分布预测优化***。
图10是本发明一个实施例的一种焦化土壤污染空间分布预测优化***的结构图。
如图10所示,在一个或多个实施例中,优选地,所述一种焦化土壤污染空间分布预测优化***包括:
数据采集模块1001,用于利用采集设备获得烟雾扩散范围,计算污染物坐标、排放速率、地面气象数据、排放高度、排放流量;
传播预测模块1002,用于依次录入地面气象数据和探空气象数据,作为气象数据源;
大气扩散分析模块1003,用于获取气象背景初始值、地形高程数据和污染源数据,生成场地特征和综合污染源数据;
污染物扩散预测模块1004,用于获取所述气象数据源和所述综合污染源数据,输入污染物传播模型,生成任一点的污染物浓度;
采集数据验证模块1005,用于获取所述污染物传播模型,获得误差最低时对应的目标侧向扩散系数和目标横向扩散系数;
插值运算模块1006,用于获得所述目标侧向扩散系数和目标横向扩散系数,将污染物结果生成重金属污染物制图。
根据本发明实施例第三方面,提供一种计算机可读存储介质,其上存储计算机程序指令,所述计算机程序指令在被处理器执行时实现如本发明实施例第一方面中任一项所述的方法。
根据本发明实施例第四方面,提供一种电子设备。图11是本发明一个实施例中一种电子设备的结构图。图11所示的电子设备为通用污染空间分布预测优化装置,其包括通用的计算机硬件结构,其至少包括处理器1101和存储器1102。处理器1101和存储器1102通过总线1103连接。存储器1102适于存储处理器1101可执行的指令或程序。处理器1101可以是独立的微处理器,也可以是一个或者多个微处理器集合。由此,处理器1101通过执行存储器1102所存储的指令,从而执行如上所述的本发明实施例的方法流程实现对于数据的处理和对于其它装置的控制。总线1103将上述多个组件连接在一起,同时将上述组件连接到显示控制器1104和显示装置以及输入/输出(I/O)装置1105。输入/输出(I/O)装置1105可以是鼠标、键盘、调制解调器、网络接口、触控输入装置、体感输入装置、打印机以及本领域公知的其他装置。典型地,输入/输出装置1105通过输入/输出(I/O)控制器1106与***相连。
本发明的实施例提供的技术方案可以包括以下有益效果:
1)本发明实施例中,基于高斯烟羽模型来模拟污染物随大气扩散的规律,模拟焦化厂周波的污染物排放颗粒,为协同预估提供数据基础;
2)本发明实施例中,基于规定的污染模型的参数输入结合污染物排放数据进行颗粒物沉积量数据模拟;
3)本发明实施例中,利用地理坐标转换器,将模型预测污染物的排放结果中对应点位的直角坐标对应转换为地理坐标,并将其点位数据及污染物浓度数据导入到协同克里金插值法的焦化土壤重金属污染物浓度分布制图,提升预测精度。
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和光学存储器等)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。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种焦化土壤污染空间分布预测优化方法,其特征在于,该方法包括:
利用采集设备获得烟雾扩散范围,计算污染物坐标、排放速率、地面气象数据、排放高度、排放流量;
依次录入地面气象数据和探空气象数据,作为气象数据源;
获取气象背景初始值、地形高程数据和污染源数据,生成场地特征和综合污染源数据;
获取所述气象数据源和所述综合污染源数据,输入污染物传播模型,生成任一点的污染物浓度;
获取所述污染物传播模型,获得误差最低时对应的目标侧向扩散系数和目标横向扩散系数;
获得所述目标侧向扩散系数和目标横向扩散系数,将污染物结果生成重金属污染物制图。
2.如权利要求1所述的一种焦化土壤污染空间分布预测优化方法,其特征在于,所述利用采集设备获得烟雾扩散范围,计算污染物坐标、排放速率、地面气象数据、排放高度、排放流量,具体包括:
利用采集设备获得烟雾扩散范围;
根据所述烟雾扩散范围按照预先设置的划分尺度,将所述烟雾扩散范围划分为若干个小尺度区块;
根据所述小尺度区块进行污染物坐标获取;
获得污染物的排放速率和排放高度;
根据所述小尺度区块获得所述污染物坐标最高值,作为地形高度数据;
根据所述污染物坐标提取总体污染物体积,进而利用第一计算公式计算排放流量;
所述第一计算公式为:
Si=Vi/Ti
其中,Si为第i个时间点的排放流量,Vi为第i个时间点的污染物体积,Ti为第i个时间点的时间值。
3.如权利要求1所述的一种焦化土壤污染空间分布预测优化方法,其特征在于,所述依次录入地面气象数据和探空气象数据,作为气象数据源,具体包括:
获取降水类型、降水量、湿度、地面气压、气温、风向风速、云量,作为所述气象数据;
获得不同压强下的各高度层上的风速、风向、露点、温度、位势高度,作为所述探空气象数据;
将所述气象数据和所述探空气象数据,作为所述气象数据源。
4.如权利要求1所述的一种焦化土壤污染空间分布预测优化方法,其特征在于,所述获取气象背景初始值、地形高程数据和污染源数据,生成场地特征和综合污染源数据,具体包括:
根据气象要素的逐小时值,进行作为所述气象背景初始值;
将土地利用类型、土地分类生成地形高程数据;
将对于的经度和纬度作为污染源数据;
将所述气象背景初始值和地形高程数据,作为场地特征;
将所述污染物坐标、所述排放速率、所述排放流量和所述排放高度,作为综合污染源数据。
5.如权利要求1所述的一种焦化土壤污染空间分布预测优化方法,其特征在于,所述获取所述气象数据源和所述综合污染源数据,输入污染物传播模型,生成任一点的污染物浓度,具体包括:
获取所述气象数据源和所述综合污染源数据;
设置横向扩散系数和竖向扩散系数的初始值;
利用第二计算公式获得任一点的污染物浓度;
所述第二计算公式为:
式中:C表示任一点的污染物浓度;Q表示污染物的单位时间排放量;σy、σz分别表示侧向和竖向的扩散系数,是距离x的函数;u表示排放口处的平均风速;H表示有效源高,即烟囱的有效高度;x表示污染源排放点至下风向任一点的距离;y表示烟气的中心轴在直角水平方向上到任一点的距离;z表示地表到任一点的高度。
6.如权利要求1所述的一种焦化土壤污染空间分布预测优化方法,其特征在于,所述获取所述污染物传播模型,获得误差最低时对应的目标侧向扩散系数和目标横向扩散系数,具体包括:
根据所述污染物传播模型;
获取当前的污染物的排放速率和污染物的坐标位置;
获得气象逐时数据和地形高程数据;
输入所述污染物传播模型;
利用第三计算公式获得对应的侧向扩散系数和纵向扩散系数;
所述第三计算公式为:
(σym、σzm)=argmin(C(x,y,z,H))
其中,σym、σzm依次为获得的目标侧向和竖向的扩散系数。
7.如权利要求1所述的一种焦化土壤污染空间分布预测优化方法,其特征在于,所述获得所述目标侧向扩散系数和目标横向扩散系数,将污染物结果生成重金属污染物制图,具体包括:
获得所述目标侧向扩散系数和所述目标横向扩散系数,获得目标气象模型;
获得地理转换器,将原始的污染物结果对应的直角坐标系转换为地理坐标;
根据地理坐标和所述目标气象模型,利用协同克里金插值法完成土壤重金属污染物图制图。
8.一种焦化土壤污染空间分布预测优化***,其特征在于,该***包括:
数据采集模块,用于利用采集设备获得烟雾扩散范围,计算污染物坐标、排放速率、地面气象数据、排放高度、排放流量;
传播预测模块,用于依次录入地面气象数据和探空气象数据,作为气象数据源;
大气扩散分析模块,用于获取气象背景初始值、地形高程数据和污染源数据,生成场地特征和综合污染源数据;
污染物扩散预测模块,用于获取所述气象数据源和所述综合污染源数据,输入污染物传播模型,生成任一点的污染物浓度;
采集数据验证模块,用于获取所述污染物传播模型,获得误差最低时对应的目标侧向扩散系数和目标横向扩散系数;
插值运算模块,用于获得所述目标侧向扩散系数和目标横向扩散系数,将污染物结果生成重金属污染物制图。
9.一种计算机可读存储介质,其上存储计算机程序指令,其特征在于,所述计算机程序指令在被处理器执行时实现如权利要求1-7中任一项所述的方法。
10.一种电子设备,包括存储器和处理器,其特征在于,所述存储器用于存储一条或多条计算机程序指令,其中,所述一条或多条计算机程序指令被所述处理器执行以实现如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111477717.1A CN114118613A (zh) | 2021-12-06 | 2021-12-06 | 一种焦化土壤污染空间分布预测优化方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111477717.1A CN114118613A (zh) | 2021-12-06 | 2021-12-06 | 一种焦化土壤污染空间分布预测优化方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114118613A true CN114118613A (zh) | 2022-03-01 |
Family
ID=80366957
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111477717.1A Pending CN114118613A (zh) | 2021-12-06 | 2021-12-06 | 一种焦化土壤污染空间分布预测优化方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114118613A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115458071A (zh) * | 2022-08-08 | 2022-12-09 | 北京信息科技大学 | 土壤重金属含量预测方法、装置与设备 |
CN116167285A (zh) * | 2023-02-27 | 2023-05-26 | 北京市生态环境保护科学研究院 | 有机污染物运移的预测方法、装置和电子设备 |
CN116862266A (zh) * | 2023-07-25 | 2023-10-10 | 南京创蓝科技有限公司 | 一种基于大数据的提升雾炮车作业精度的方法及*** |
-
2021
- 2021-12-06 CN CN202111477717.1A patent/CN114118613A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115458071A (zh) * | 2022-08-08 | 2022-12-09 | 北京信息科技大学 | 土壤重金属含量预测方法、装置与设备 |
CN115458071B (zh) * | 2022-08-08 | 2024-02-02 | 北京信息科技大学 | 土壤重金属含量预测方法、装置与设备 |
CN116167285A (zh) * | 2023-02-27 | 2023-05-26 | 北京市生态环境保护科学研究院 | 有机污染物运移的预测方法、装置和电子设备 |
CN116862266A (zh) * | 2023-07-25 | 2023-10-10 | 南京创蓝科技有限公司 | 一种基于大数据的提升雾炮车作业精度的方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114118613A (zh) | 一种焦化土壤污染空间分布预测优化方法及*** | |
CN104865353B (zh) | 基于无人机的工业园区大气污染数据采集方法 | |
CN107194139B (zh) | 大气污染源分级方法及计算设备 | |
CN110232471B (zh) | 一种降水传感网节点布局优化方法及装置 | |
CN114280695A (zh) | 一种空气污染物监测预警方法及云平台 | |
CN109636171A (zh) | 一种区域植被恢复的综合诊断与风险评价方法 | |
CN113436045A (zh) | 大气污染多尺度融合溯源方法、装置和可读存储介质 | |
KR20140024541A (ko) | 대기 모델링 서비스 제공 시스템 | |
CN113869689A (zh) | 一种基于遥感和地理信息***的生态环境动态监测方法 | |
CN115420854B (zh) | 一种基于正后向模型结合的大气污染物溯源方法 | |
CN112991132B (zh) | Pm2.5和臭氧协同管控区域识别方法及装置 | |
CN114742460B (zh) | 一种确定待管控企业的方法、装置、电子设备及存储介质 | |
CN113720639B (zh) | 一种污染场地调查补充采样的方法 | |
CN114662344B (zh) | 基于连续在线观测数据的大气污染溯源预测方法及*** | |
CN109376443A (zh) | 区域大气污染环境仿真动态模拟*** | |
CN115438848A (zh) | 基于深度混合图神经网络的pm2.5浓度长期预测方法 | |
CN113011455B (zh) | 一种空气质量预测svm模型构建方法 | |
Joseph et al. | A computational study of particulate emissions from Old Moor Quarry, UK | |
CN113740220A (zh) | 基于高分辨气溶胶资料的多尺度三维变分同化方法 | |
CN115471679A (zh) | 一种天然河道水位流量同步同化方法及智能*** | |
CN116611547A (zh) | 大气污染物来源预报方法、装置、设备及存储介质 | |
CN115828508A (zh) | 基于gis平台的地下水环评自动预测方法 | |
Snoun et al. | A comprehensive review of Gaussian atmospheric dispersion models: current usage and future perspectives | |
CN117113854B (zh) | 一种基于ConvLSTM和三维数值模拟的咸潮预报方法 | |
CN114002381A (zh) | 一种大气污染溯源扩散分析方法及装置 |
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 |