CN114166708A - 颗粒物传输贡献分析方法、装置、设备及存储介质 - Google Patents
颗粒物传输贡献分析方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114166708A CN114166708A CN202111415016.5A CN202111415016A CN114166708A CN 114166708 A CN114166708 A CN 114166708A CN 202111415016 A CN202111415016 A CN 202111415016A CN 114166708 A CN114166708 A CN 114166708A
- Authority
- CN
- China
- Prior art keywords
- time
- closed interval
- particulate matter
- calculating
- projection area
- 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
- 239000013618 particulate matter Substances 0.000 title claims abstract description 58
- 230000005540 biological transmission Effects 0.000 title claims abstract description 28
- 238000004458 analytical method Methods 0.000 title claims description 27
- 238000000034 method Methods 0.000 claims abstract description 39
- 230000000694 effects Effects 0.000 claims abstract description 23
- 230000005577 local transmission Effects 0.000 claims abstract description 18
- 238000011109 contamination Methods 0.000 claims abstract description 13
- 238000004364 calculation method Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 230000010354 integration Effects 0.000 claims description 2
- 230000007613 environmental effect Effects 0.000 abstract description 4
- 238000012544 monitoring process Methods 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 11
- 239000002245 particle Substances 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000004088 simulation Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 239000003344 environmental pollutant Substances 0.000 description 3
- 231100000719 pollutant Toxicity 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000012896 Statistical algorithm Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Dispersion Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Geometry (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种颗粒物传输贡献分析方法、装置、设备及存储介质,属于环境监测的技术领域,其包括获取目标区域的颗粒物浓度数据,绘制污染曲线,得到闭区间;基于所述污染曲线和所述闭区间,计算第一投影面积;根据所述闭区间确定区域基线,计算第二投影面积;基于所述第一投影面积和第二投影面积,计算得到区域传输贡献率和本地传输贡献率。本申请具有获取区域传输贡献率和本地传输贡献率的效果。
Description
技术领域
本申请涉及环境监测的技术领域,尤其是涉及一种颗粒物传输贡献分析方法、装置、设备及存储介质。
背景技术
在环境监测中,对区域的颗粒物污染传输分析是一项重要的项目。传统的分析方法主要有两种,其一是基于大气污染数值模拟模型的分析方法,其二是基于气象气团轨迹模拟分析方法。
对于基于大气污染数值模拟模型的分析方法,该方法需要精确的污染源清单和高性能计算集群,计算集群一般需要运行4-6小时对污染源清单中的数据源进行解析并获取解析结果,从而得到目标区域未来3天中每个小时的污染来源。该方法所需的精确的污染源清单获取难度大、数据更新时效性差、计算集群成本高,如果没有准确的数据源,则解析结果误差较大,该方法无法针对区县等小尺度区域进行分析,也无法实现针对历史实际污染过程的分析。
对于基于气象气团轨迹模拟分析方法,该方法需要气象预测数据,可以显示污染气团传输轨迹,该方法只能说明气团传输轨迹,无法说明目标区域在颗粒物污染过程中区域传输贡献率和本地传输贡献率;其中,区域传输贡献率是指周边地区对本地污染物被气象因素带来的污染物浓度占总浓度含量的比例,本地传输贡献率是本地污染源排放污染物的浓度占总浓度含量的比例。
综上所述,目前亟需一种颗粒物传输贡献分析方法,用以获取区域传输贡献率和本地传输贡献率。
发明内容
为了获取区域传输贡献率和本地传输贡献率,本申请提供一种颗粒物传输贡献分析方法、装置、设备及存储介质。
第一方面,本申请提供一种颗粒物传输贡献分析方法,采用如下的技术方案:
一种颗粒物传输贡献分析方法,其特征在于,包括:
获取目标区域的颗粒物浓度数据,绘制污染曲线,得到闭区间;
基于所述污染曲线和所述闭区间,计算第一投影面积;
根据所述闭区间确定区域基线,计算第二投影面积;
基于所述第一投影面积和第二投影面积,计算得到区域传输贡献率和本地传输贡献率。
通过采用上述技术方案,基于颗粒物浓度数据计算得到在闭区间内的污染排放总量即第一投影面积,还基于颗粒物浓度数据计算得到在闭区间内的从周边地区向本地传输的污染总量即第二投影面积,针对历史实际污染过程的分析,进而根据第一投影面积和第二投影面积计算得到目标区域的区域传输贡献率和本地传输贡献率,目标区域可以为城市、区或县等中小区域,当然,也可以是省等大型区域;本方法只需要颗粒物浓度数据,这类数据获取途径广泛,解决数据获取难的问题,并且数据准确,可靠性高,从而使得后续基于此类数据计算得出的区域传输贡献率和本地传输贡献率也准确,为大气污染改善的科研工作者更好了解颗粒物污染过程中本地与外部传输提供分析工具和决策数据;并且不涉及复杂的化学变化过程,计算负担小,计算量大大降低,只需要常规服务器即可在几秒内运算出一个目标区域在某段时间内的区域传输贡献率和本地传输贡献率。
优选的,所述得到闭区间通过如下方式获取:
基于预设的坐标系的时间坐标轴,选取开始时间和结束时间;
基于所述开始时间和所述结束时间得到闭区间。
优选的,所述基于所述污染曲线和所述闭区间,计算第一投影面积,包括:
根据预设的时间分辨率,确定在所述开始时间和结束时间之间的多个个时间点;
根据所述时间分辨率、时间点和污染曲线,基于积分算法,得到所述第一投影面积。
优选的,所述根据所述闭区间确定区域基线,包括:
获取在所述开始时间和所述结束时间之间的至少一个人类活动时间段;其中,所述人类活动时间段为人类在当天中社会活跃度高的时间段;
按照所述时间分辨率,将每个人类活动时间段均划分为多个单位时间段;
获取所述人类活动时间段中每个单位时间段的颗粒物浓度均值,分别将每个人类活动时间段中颗粒物浓度均值最小的单位时间段作为选取时间段,将所述选取时间段中的任意时刻作为预设时间;
将所述开始时间、所述预设时间和所述结束时间在所述污染曲线上映射的点连接成线,并将该线作为区域基线。
优选的,所述根据所述闭区间确定区域基线,计算第二投影面积,包括:
将所述开始时间、所述预设时间和所述结束时间作为多个基准时间;
根据相邻基准时间和所述区域基线,基于积分算法,得到所述第二投影面积。
第二方面,本申请提供一种颗粒物传输贡献分析装置,采用如下的技术方案:
一种颗粒物传输贡献分析装置,其特征在于,包括,
污染曲线绘制模块,用于获取目标区域的颗粒物浓度数据,绘制污染曲线,得到闭区间;
第一计算模块,用于基于所述污染曲线和所述闭区间,计算第一投影面积;
第二计算模块,用于根据所述闭区间确定区域基线,计算第二投影面积;以及,
第三计算模块,用于基于所述第一投影面积和第二投影面积,计算得到区域传输贡献率和本地传输贡献率。
第三方面,本申请提供一种颗粒物传输贡献分析设备,采用如下的技术方案:
一种颗粒物传输贡献分析设备,包括存储器和处理器,所述存储器上存储有能够被处理器加载并执行第一方面任一项所述的颗粒物传输贡献分析方法的计算机程序。
第四方面,本申请提供一种计算机可读存储介质,采用如下的技术方案:
一种计算机可读存储介质,存储有能够被处理器加载并执行第一方面任一项所述的颗粒物传输贡献分析方法的计算机程序。
附图说明
图1是本申请实施例提供的颗粒物传输贡献分析方法的流程示意图。
图2是本申请实施例提供的污染曲线示意图。
图3是本申请实施例提供的相邻时间点在tOC平面上进行投影的示意图。
图4是本申请实施例提供的颗粒物传输贡献分析装置的结构框图。
图5是本申请实施例提供的颗粒物传输贡献分析设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。
本实施例提供一种颗粒物传输贡献分析方法,如图1所示,该方法的主要流程描述如下(步骤S101~S104):
步骤S101:获取目标区域的颗粒物浓度数据,绘制污染曲线,得到闭区间。
其中,目标区域可以为城市、区或县等中小区域,当然,也可以是省等大型区域,但是,通过颗粒物传输(也可以指气团传输)的特点,本申请用于获取中小区域的区域传输贡献率和本地传输贡献率的优势更为突出。
颗粒物浓度数据可以为目标区域的空气质量监测数据,该类数据获取途径广泛,并且数据较准确,为后续通过日规律变化统计算法计算区域传输贡献率和本地传输贡献率提供基础数据保障。
每一条颗粒物浓度数据均包括颗粒物浓度值和获取该颗粒物浓度值的时间,根据这些颗粒物浓度值和对应的时间在坐标系中绘制污染曲线。如图2所示的污染曲线示意图,图中展示的坐标系为平面坐标系tOC,原点用O表示,横坐标轴为时间坐标轴,纵坐标轴为浓度坐标轴,图中实线部分表示污染曲线。
实时获取最新的颗粒物浓度数据,可以根据当前时间和获取的颗粒物浓度数据实时更新污染曲线,也可以仅根据一段时间内的颗粒物浓度数据绘制污染曲线,本实施例图2中示出的仅为2月8号0点至2月11号20点阶段的污染曲线。
将污染曲线反映颗粒物浓度值与时间之间等量关系的第一函数定义为f1。将颗粒物浓度值定义为C,将时间定义为t,其中,C=f1(t)。
本实施例中,通过用户根据自身需求在客户端上对开始时间和结束时间进行选取的操作,来获取开始时间和结束时间,并将开始时间和结束时间整合为闭区间,例如,开始时间为a,结束时间为b,则闭区间为[a,b]。当然,开始时间和结束时间也可以根据需要,由颗粒物传输贡献分析设备进行选择。
步骤S102:基于污染曲线和闭区间,计算第一投影面积。
本实施例中,计算得到第一函数在闭区间[a,b]上的第一积分,其计算公式如下:
St=∫f1(b-a)d(b-a);
其中,St为第一积分。
第一积分相当于闭区间[a,b]对应的一段污染曲线在时间坐标轴上的第一投影面积,具体计算该面积的方法如下:
预设时间分辨率,本实施例中预设的时间分辨率为1小时,根据时间分辨率确定开始时间和结束时间之间的N个时间点。
例如,开始时间为2月8号0点,结束时间为2月8号5点,则时间点分别为2月8号的0点、1点、2点、3点、4点和5点。
分别获取第一函数在相邻时间点之间的第二积分,第二积分的个数为N-1个;其中,相邻时间点指的是在时间上相接近的两个时间点。
相邻的两个时间点分别用n和n+T表示,n=a,a+T,a+2T,……,b-2T,b-T。相邻的两个时间点组成的闭区间为[n,n+T],相邻时间点之间的第二积分相当于闭区间[n,n+T]对应的一段污染曲线投影到tOC平面上的面积。
如图3所示的相邻时间点在tOC平面上进行投影的示意图,将时间点n在时间坐标轴上对应的点、时间点n在污染曲线上映射的点、时间点n+T在污染曲线上映射的点和时间点n+T在时间坐标轴上对应的点依次进行连接,并形成四边形(一般为梯形),该四边形的面积约等于闭区间[n,n+T]对应的一段污染曲线投影到tOC平面上的面积。
因此,以梯形的面积计算公式作为第二积分的计算公式,具体如下:
其中,Sn为第二积分,T为时间分辨率;Cn为时间点n在污染曲线上对应的颗粒物浓度值;Cn+T为时间点n+T在污染曲线上对应的颗粒物浓度值。
接下来,计算第一积分,第一积分等于N-1个第二积分的和,第一积分的计算公式如下:
本实施例将第一投影面积定义为S1,第一投影面积等于第一积分,即S1=St。
步骤S103:根据闭区间确定区域基线,计算第二投影面积。
本实施例中,获取在开始时间和结束时间之间的至少一个人类活动时间段;其中,人类活动时间段为人类在当天中社会活跃度高的时间段,也就是通过数据统计分析,能够代表目标区域颗粒物污染排放高峰的时间段。
人类活动时间段根据目标区域的实际情况进行设置,例如,本实施例将每天10到24点的时间段作为目标区域在当天中颗粒物污染排放高峰的时间段。
值得注意的是,某一个时刻的颗粒物浓度均值指的是在该时刻前一段时间内的颗粒物浓度的均值。在本实施例中的图2中,开始时间为2月8号16点,结束时间为2月11号16点,2月8号16点的颗粒物浓度均值指的是在2月8号15点到2月8号24点的时间段内的颗粒物浓度的均值。因此,在开始时间和结束时间之间的人类活动时间段分别为2月8号15点到2月8号24点的时间段、2月9号10点到2月9号24点的时间段、2月10号10点到2月10号24点的时间段和2月11号10点到2月11号16点的时间段。
如果用户选中的开始时间和结束时间之间不包含人类活动时间段,则在用户的客户端上会显示提示,用于提醒用户重新选择开始时间和结束时间。
按照时间分辨率,将每个人类活动时间段均划分为多个单位时间段。例如,时间分辨率为1h,对2月8号16点到2月8号24点的人类活动时间段划分为多个时间间隔为1h的单位时间段,多个单位时间段分别为2月8号15点到2月8号16点的时间段、2月8号16点到2月8号17点的时间段、2月8号17点到2月8号18点的时间段、2月8号18点到2月8号19点的时间段、2月8号19点到2月8号20点的时间段、2月8号20点到2月8号21点的时间段、2月8号21点到2月8号22点的时间段、2月8号22点到2月8号23点的时间段和2月8号23点到2月8号24点的时间段。
获取每个单位时间段内的颗粒物浓度均值,分别选取每个人类活动时间段中最小颗粒物浓度均值对应的单位时间段,获取选取的单位时间段的预设时间。
预设时间可以为单位时间段的上限时间、中间时间或下限时间等,本实施例中的预设时间为下限时间。例如,对于2月8号16点到2月8号24点的人类活动时间段,其中2月8号15点到2月8号16点的单位时间段的颗粒物浓度均值最小,则获取2月8号15点到2月8号16点的单位时间段的下限时间作为预设时间,该预设时间为2月8号16点,并且该预设时间和开始时间重合。
将开始时间、预设时间和结束时间在污染曲线上映射的点连接成线,并将该线作为区域基线;当在污染曲线上映射的点重合时,将重合的点视为一个点。如图2所示的污染曲线示意图,图中虚线部分表示从2月8号16点到2月11号16点的区域基线。其中,区域基线为环保术语,代表目标区域整体污染水平的浓度区域。
将区域基线反映颗粒物浓度值与时间之间等量关系的第二函数定义为f2,其中,C=f2(t)。
本实施例中,计算得到第二函数在闭区间[a,b]上的第三积分,其计算公式如下:
Sr=∫f2(b-a)d(b-a);
其中,Sr为第三积分。
第三积分相当于闭区间[a,b]对应的一段区域基线在时间坐标轴上的第二投影面积,具体计算该面积的方法如下:
将开始时间、预设时间和结束时间作为M个基准时间。
分别获取第二函数在相邻基准时间之间的第四积分,第四积分的个数为M-1个;其中,相邻基准时间指的是在时间上相接近的两个基准时间。
相邻的两个基准时间分别用mi和mi+1表示,相邻的两个基准时间组成的闭区间为[mi,mi+1],相邻基准时间之间的第四积分相当于闭区间[mi,mi+1]对应的一段区域基线投影到tOC平面上的面积。
将基准时间mi在时间坐标轴上对应的点、基准时间mi在区域基线上映射的点、基准时间mi+1在时间坐标轴上对应的点和基准时间mi+1在区域基线上映射的点依次进行连接,并形成四边形(一般为梯形),该四边形的面积等于闭区间[mi,mi+1]对应的一段区域基线投影到tOC平面上的面积。
因此,以梯形的面积计算公式作为第四积分的计算公式,具体如下:
接下来,计算第三积分,第一积分等于M-1个第四积分的和,第三积分的计算公式如下:
本实施例将将第二投影面积定义为S2,第二投影面积等于第三积分,即S2=Sr。
步骤S104:基于第一投影面积和第二投影面积,计算得到区域传输贡献率和本地传输贡献率。
本实施例中,区域传输贡献率的计算公式如下:
其中,R为区域传输贡献率。
本地传输贡献率的计算公式如下:
R’=1-R;
其中,R’为本地传输贡献率。
值得注意的是,图1中展示的仅是本方法的一种执行顺序,还可以步骤S103不与步骤S102相连,而是与步骤S102相连,即步骤S103在步骤S101之后执行,与步骤S102处于并列关系,然后步骤S104分别与步骤S104和步骤S103相连,即步骤S104在步骤S102和步骤S103之后执行。
为了更好地实施以上方法,本申请实施例还提供了一种颗粒物传输贡献分析装置,该装置具体可以集成在颗粒物传输贡献分析设备中,例如终端或服务器等设备中,该终端可以包括但不限于手机、平板电脑或台式电脑等设备。
图4为本申请实施例提供的一种颗粒物传输贡献分析装置的结构框图,如图4所示,该装置主要包括:
污染曲线绘制模块201,用于获取目标区域的颗粒物浓度数据,绘制污染曲线,得到闭区间;
第一计算模块202,用于基于污染曲线和闭区间,计算第一投影面积;
第二计算模块203,用于根据闭区间确定区域基线,计算第二投影面积;以及,
第三计算模块204,用于基于第一投影面积和第二投影面积,计算得到区域传输贡献率和本地传输贡献率。
上述实施例提供的方法中的各种变化方式和具体实例同样适用于本实施例的颗粒物传输贡献分析装置,通过前述对颗粒物传输贡献分析方法的详细描述,本领域技术人员可以清楚的知道本实施例中的颗粒物传输贡献分析装置的实施方法,为了说明书的简洁,在此不再详述。
为了更好地执行上述方法的程序,本申请实施例还提供一种颗粒物传输贡献分析设备,如图5所示,颗粒物传输贡献分析设备300包括存储器301和处理器302。
颗粒物传输贡献分析设备300可以以各种形式来实施,包括手机、平板电脑、掌上电脑、笔记本电脑和台式计算机等设备。
其中,存储器301可用于存储指令、程序、代码、代码集或指令集。存储器301可以包括存储程序区和存储数据区,其中,存储程序区可存储用于实现操作***的指令、用于至少一个功能的指令(比如计算得到第二函数在闭区间上的第三积分等)以及用于实现上述实施例提供的颗粒物传输贡献分析方法的指令等;存储数据区可存储上述实施例提供的颗粒物传输贡献分析方法中涉及到的数据等。
处理器302可以包括一个或者多个处理核心。处理器302通过运行或执行存储在存储器301内的指令、程序、代码集或指令集,调用存储在存储器301内的数据,执行本申请的各种功能和处理数据。处理器302可以为特定用途集成电路(Application SpecificIntegrated Circuit,ASIC)、数字信号处理器(Digital Signal Processor,DSP)、数字信号处理装置(Digital Signal Processing Device,DSPD)、可编程逻辑装置(ProgrammableLogic Device,PLD)、现场可编程门阵列(Field Programmable Gate Array,FPGA)、中央处理器(Central Processing Unit,CPU)、控制器、微控制器和微处理器中的至少一种。可以理解地,对于不同的设备,用于实现上述处理器302功能的电子器件还可以为其它,本申请实施例不作具体限定。
本申请实施例提供一种计算机可读存储介质,例如包括:U盘、移动硬盘、只读存储器(Read Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。该计算机可读存储介质存储有能够被处理器加载并执行上述实施例的颗粒物传输贡献分析方法的计算机程序。
本申请具体实施例仅仅是对本申请的解释,其并不是对本申请的限制,本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改,但只要在本申请的权利要求范围内都受到专利法的保护。
Claims (8)
1.一种颗粒物传输贡献分析方法,其特征在于,包括:
获取目标区域的颗粒物浓度数据,绘制污染曲线,得到闭区间;
基于所述污染曲线和所述闭区间,计算第一投影面积;
根据所述闭区间确定区域基线,计算第二投影面积;
基于所述第一投影面积和第二投影面积,计算得到区域传输贡献率和本地传输贡献率。
2.根据权利要求1所述的方法,其特征在于,所述得到闭区间通过如下方式获取:
基于预设的坐标系的时间坐标轴,选取开始时间和结束时间;
基于所述开始时间和所述结束时间得到闭区间。
3.根据权利要求2所述的方法,其特征在于,所述基于所述污染曲线和所述闭区间,计算第一投影面积,包括:
根据预设的时间分辨率,确定在所述开始时间和结束时间之间的多个个时间点;
根据所述时间分辨率、时间点和污染曲线,基于积分算法,得到所述第一投影面积。
4.根据权利要求3所述的方法,其特征在于,所述根据所述闭区间确定区域基线,包括:
获取在所述开始时间和所述结束时间之间的至少一个人类活动时间段;其中,所述人类活动时间段为人类在当天中社会活跃度高的时间段;
按照所述时间分辨率,将每个人类活动时间段均划分为多个单位时间段;
获取所述人类活动时间段中每个单位时间段的颗粒物浓度均值,分别将每个人类活动时间段中颗粒物浓度均值最小的单位时间段作为选取时间段,将所述选取时间段中的任意时刻作为预设时间;
将所述开始时间、所述预设时间和所述结束时间在所述污染曲线上映射的点连接成线,并将该线作为区域基线。
5.根据权利要求4所述的方法,其特征在于,所述根据所述闭区间确定区域基线,计算第二投影面积,包括:
将所述开始时间、所述预设时间和所述结束时间作为多个基准时间;
根据相邻基准时间和所述区域基线,基于积分算法,得到所述第二投影面积。
6.一种颗粒物传输贡献分析装置,其特征在于,包括,
污染曲线绘制模块,用于获取目标区域的颗粒物浓度数据,绘制污染曲线,得到闭区间;
第一计算模块,用于基于所述污染曲线和所述闭区间,计算第一投影面积;
第二计算模块,用于根据所述闭区间确定区域基线,计算第二投影面积;以及,
第三计算模块,用于基于所述第一投影面积和第二投影面积,计算得到区域传输贡献率和本地传输贡献率。
7.一种颗粒物传输贡献分析设备,其特征在于,包括存储器和处理器,所述存储器上存储有能够被所述处理器加载并执行如权利要求1至5中任一种方法的计算机程序。
8.一种计算机可读存储介质,其特征在于,存储有能够被处理器加载并执行如权利要求1至5中任一种方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111415016.5A CN114166708A (zh) | 2021-11-25 | 2021-11-25 | 颗粒物传输贡献分析方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111415016.5A CN114166708A (zh) | 2021-11-25 | 2021-11-25 | 颗粒物传输贡献分析方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114166708A true CN114166708A (zh) | 2022-03-11 |
Family
ID=80480677
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111415016.5A Pending CN114166708A (zh) | 2021-11-25 | 2021-11-25 | 颗粒物传输贡献分析方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114166708A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105956691A (zh) * | 2016-04-25 | 2016-09-21 | 北京市环境保护监测中心 | 预测区域不同方位、观测点pm2.5背景浓度计算方法 |
CN109916788A (zh) * | 2019-01-14 | 2019-06-21 | 南京大学 | 一种区分不同区域排放变化和气象条件变化对pm2.5浓度影响的方法 |
CN111461163A (zh) * | 2020-02-25 | 2020-07-28 | 河南大学 | 城市内部pm2.5浓度模拟和人口暴露度评估方法和装置 |
CN111538957A (zh) * | 2020-04-21 | 2020-08-14 | 中科三清科技有限公司 | 大气污染物来源贡献度的获取方法、装置、设备及介质 |
CN111665325A (zh) * | 2020-06-09 | 2020-09-15 | 中科三清科技有限公司 | 确定大气污染物时间来源的方法和装置 |
WO2021026792A1 (zh) * | 2019-08-14 | 2021-02-18 | 柯灵爱尔(北京)环境技术中心 | 一种选择污染物治理措施的方法 |
-
2021
- 2021-11-25 CN CN202111415016.5A patent/CN114166708A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105956691A (zh) * | 2016-04-25 | 2016-09-21 | 北京市环境保护监测中心 | 预测区域不同方位、观测点pm2.5背景浓度计算方法 |
CN109916788A (zh) * | 2019-01-14 | 2019-06-21 | 南京大学 | 一种区分不同区域排放变化和气象条件变化对pm2.5浓度影响的方法 |
WO2021026792A1 (zh) * | 2019-08-14 | 2021-02-18 | 柯灵爱尔(北京)环境技术中心 | 一种选择污染物治理措施的方法 |
CN111461163A (zh) * | 2020-02-25 | 2020-07-28 | 河南大学 | 城市内部pm2.5浓度模拟和人口暴露度评估方法和装置 |
CN111538957A (zh) * | 2020-04-21 | 2020-08-14 | 中科三清科技有限公司 | 大气污染物来源贡献度的获取方法、装置、设备及介质 |
CN111665325A (zh) * | 2020-06-09 | 2020-09-15 | 中科三清科技有限公司 | 确定大气污染物时间来源的方法和装置 |
Non-Patent Citations (2)
Title |
---|
孙世友 等: "大地图 测绘地理信息大数据理论与实践", 31 December 2017, 中国环境科学出版社, pages: 248 - 251 * |
魏哲 等: "邯郸市PM1.0、PM2.5污染特征及在线水溶性离子分析", 环境工程, vol. 36, no. 04, 30 April 2016 (2016-04-30), pages 73 - 79 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109634801B (zh) | 数据趋势分析方法、***、计算机装置及可读存储介质 | |
US10216558B1 (en) | Predicting drive failures | |
Poorthuis et al. | Making big data small: strategies to expand urban and geographical research using social media | |
CN109684162B (zh) | 设备状态预测方法、***、终端及计算机可读存储介质 | |
JP6484730B2 (ja) | 時間因子を融合させる協調フィルタリング方法、装置、サーバおよび記憶媒体 | |
WO2019056681A1 (zh) | 数据实时监控方法、装置、终端设备及存储介质 | |
US20190114711A1 (en) | Financial analysis system and method for unstructured text data | |
CN111241123A (zh) | 视图数据查询方法、装置、服务器及存储介质 | |
US11132362B2 (en) | Method and system of optimizing database system, electronic device and storage medium | |
WO2017092444A1 (zh) | 基于Hadoop的日志数据挖掘方法及*** | |
CN110334109A (zh) | 关系式数据库数据查询方法、***、介质和电子设备 | |
CN114757602B (zh) | 供给侧电力碳排放风险预警方法、装置和计算机设备 | |
CN112084269A (zh) | 数据质量计算方法、装置、存储介质及服务器 | |
CN110634030A (zh) | 应用的业务指标挖掘方法、装置及设备 | |
US10339035B2 (en) | Test DB data generation apparatus | |
TW201843609A (zh) | 用於以學習為基礎的群組標記之系統和方法 | |
CN111400170A (zh) | 一种数据权限测试方法及装置 | |
CN110543504A (zh) | 基于时空匹配的人口热力数据统计方法、***及存储介质 | |
CN107368281B (zh) | 一种数据处理方法及装置 | |
CN113553309A (zh) | 一种日志模板的确定方法、装置、电子设备及存储介质 | |
CN111367813B (zh) | 决策引擎自动化测试方法、装置、服务器及存储介质 | |
CN113205230A (zh) | 基于模型集合的数据预测方法、装置、设备及存储介质 | |
CN114166708A (zh) | 颗粒物传输贡献分析方法、装置、设备及存储介质 | |
CN113920381B (zh) | 重复派生指标识别方法、电子设备及可读存储介质 | |
US20220398244A1 (en) | Query method and device and storage medium |
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 |