CN115792137B - 大气污染溯源方法及装置、终端 - Google Patents
大气污染溯源方法及装置、终端 Download PDFInfo
- Publication number
- CN115792137B CN115792137B CN202310061088.7A CN202310061088A CN115792137B CN 115792137 B CN115792137 B CN 115792137B CN 202310061088 A CN202310061088 A CN 202310061088A CN 115792137 B CN115792137 B CN 115792137B
- Authority
- CN
- China
- Prior art keywords
- station
- monitoring
- site
- central
- common
- 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 76
- 238000012544 monitoring process Methods 0.000 claims abstract description 324
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 190
- 231100000719 pollutant Toxicity 0.000 claims abstract description 190
- 239000000356 contaminant Substances 0.000 claims abstract description 64
- 238000012163 sequencing technique Methods 0.000 claims abstract description 24
- 230000005540 biological transmission Effects 0.000 claims description 68
- 238000010586 diagram Methods 0.000 claims description 67
- 230000008569 process Effects 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 18
- 238000001514 detection method Methods 0.000 claims description 13
- 230000000644 propagated effect Effects 0.000 claims description 11
- 238000011109 contamination Methods 0.000 claims 1
- 238000004364 calculation method Methods 0.000 description 11
- 239000013598 vector Substances 0.000 description 10
- 230000008859 change Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000001174 ascending effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000009792 diffusion process Methods 0.000 description 3
- 238000003915 air pollution Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 108010076504 Protein Sorting Signals Proteins 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation 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
- 230000004044 response Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种大气污染溯源方法及装置、终端。该大气污染溯源方法包括:获取目标区域内各个监测站点的污染物浓度信息,根据所述污染物浓度信息对各个监测站点的污染物浓度进行排序;获取所述目标区域内气象数据以及各个监测站点的经纬度信息,并根据所述气象数据、经纬度信息以及所述污染物浓度信息生成各个监测站点的关联图;基于各个监测站点的污染物浓度的排序结果遍历所述关联图上的各个监测站点以生成污染物的传播路径。本申请能够快速、及时、精准的实现大气污染的溯源。
Description
技术领域
本申请涉及大气污染监测技术领域,尤其涉及一种大气污染溯源方法及装置、终端。
背景技术
随着空气质量污染物监测网络的不断完善,现在监测站点除了标准监测站点(标站),如国控站、省控站、市控站等,还有众多的微型监测站点(微站)。现有的污染溯源工作,主要通过查找并比对导致某一监测站点污染浓度值升高的临近监测站点的浓度值,来锁定大致的污染源方位,由于监测站点的数量庞大因此需要投入较多的人力和时间才能找到污染来源,污染溯源的实时性不高,通过现有的污染溯源方法难以实现快速、及时、精准的污染溯源。
发明内容
本申请实施例提供了一种大气污染溯源方法及装置、终端,以解决现有的污染溯源方法难以实现快速、及时、精准的污染溯源的问题。
第一方面,本申请实施例提供了一种大气污染溯源方法,所述大气污染溯源方法包括:
获取目标区域内各个监测站点的污染物浓度信息,根据所述污染物浓度信息对各个监测站点的污染物浓度进行排序;
获取所述目标区域内气象数据以及各个监测站点的经纬度信息,并根据所述气象数据、经纬度信息以及所述污染物浓度信息生成各个监测站点的关联图;
基于各个监测站点的污染物浓度的排序结果遍历所述关联图上的各个监测站点以生成污染物的传播路径。
在一种可能的实现方式中,所述根据所述气象数据、经纬度信息以及所述污染物浓度信息生成各个监测站点的关联图,包括:
遍历所述目标区域内的各个监测站点;
将当前遍历到的监测站点,确定为中心站点;在中心站点的预设半径距离范围内设置距离等位线,根据距离等位线内的普通站点与中心站点的经纬度信息计算距离等位线内的普通站点与中心站点之间的角度差;
计算所述角度差与普通站点与中心站点之间的风向角度的夹角;
根据所述夹角判断普通站点与中心站点之间污染物的传输方向;
根据所述传输方向将距离等位线内的普通站点与中心站点进行连接,生成关联图;
其中,当传输方向为普通站点向中心站点传输时,关联图显示普通站点与中心站点之间的连线,中心站点为入射点;当传输方向为中心站点向普通站点传输时,关联图显示普通站点与中心站点之间的连线,中心站点为出射点;
其中,所述气象数据包括风向角度和风速;所述普通站点为除中心站点之外的其他监测站点。
在一种可能的实现方式中,在风速满足预设的风速条件,且风向角度发生改变时,根据当前时间节点下的气象数据、经纬度信息以及污染物浓度信息更新生成的各个监测站点的关联图。
在一种可能的实现方式中,所述基于各个监测站点的污染物浓度的排序结果遍历所述关联图上的各个监测站点以生成污染物的传播路径,包括:
对各个监测站点的污染物浓度进行峰值检测,得到预设时间范围内各个监测站点的污染物浓度的变化过程,根据污染物浓度的变化过程确定所述排序结果中污染物浓度的峰值对应的监测站点;
根据峰值对应的监测站点,以及峰值对应的监测站点的各个上层监测站点生成污染物的传播路径;
其中,根据关联图显示的污染物的传输方向确定所述峰值对应的监测站点的各个上层监测站点。
在一种可能的实现方式中,在生成污染物的传播路径之后,还包括:
计算各个监测站点在各个传播路径上的污染贡献度;
所述计算各个监测站点在各个传播路径上的污染贡献度,包括:
某监测站点在某传播路径上的污染贡献度为该传播路径中该监测站点的传播浓度值与该监测站点当前时间节点下污染物浓度的比值;
所述传播浓度值为该监测站点的各个上层监测站点对该监测站点叠加传播的污染物浓度;
在一种可能的实现方式中,在生成污染物的传播路径之后,还包括:
根据所述传播路径和关联图中各个监测站点的污染物浓度确定近污染源站点,所述近污染源站点用于确定大气污染的源头;
所述根据所述传播路径和关联图中各个监测站点的污染物浓度确定近污染源站点,包括:
获取关联图中峰值对应的监测站点的污染物浓度,以及峰值对应的监测站点的各个上层监测站点的污染物浓度;
将所述峰值对应的监测站点的污染物浓度与所述峰值对应的监测站点的各个上层监测站点的污染物浓度进行对比;
当某上层监测站点的污染物浓度大于所述峰值对应的监测站点的污染物浓度,且该上层监测站点的污染物浓度为各个上层监测站点的污染物浓度的最大值时,则将该上层监测站点确定为近污染源站点。
在一种可能的实现方式中,所述监测站点包括微站和标站,所述标站的数据更新时间大于所述微站的数据更新时间,在确定近污染源站点之后,还包括:
将所述近污染源站点确定为中心站点,根据所述关联图显示的污染物的传输方向判断距离等位线内是否存在标站;
若距离等位线内不存在标站,则将距离等位线内污染物浓度的最大值对应的监测站点确定为中心站点,重复判断以该监测站点为中心站点时,距离等位线内是否存在标站,直至确定距离等位线内存在标站;
根据判断过程中确定的各个中心站点生成所述近污染源站点与所述标站之间的传播路径。
在一种可能的实现方式中,所述根据所述夹角判断普通站点与中心站点之间污染物的传输方向,包括:
其中,A为所述夹角,B为预设角度。
第二方面,本申请实施例提供了一种大气污染溯源装置,包括:
数据获取与排序模块,用于获取目标区域内各个监测站点的污染物浓度信息,根据所述污染物浓度信息对各个监测站点的污染物浓度进行排序;
数据获取与关联图生成模块,用于获取所述目标区域内气象数据以及各个监测站点的经纬度信息,并根据所述气象数据、经纬度信息以及所述污染物浓度信息生成各个监测站点的关联图;
传播路径生成模块,用于基于各个监测站点的污染物浓度的排序结果遍历所述关联图上的各个监测站点以生成污染物的传播路径。
第三方面,本申请实施例提供了一种终端,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上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
本申请实施例提供的大气污染溯源方法及装置、终端的有益效果在于:
在本申请实施例中,考虑到现有技术中主要通过查找并比对导致某一监测站点污染浓度值升高的临近监测站点的浓度值,来锁定大致的污染源方位,该方法中为得到污染浓度值升高的监测站点需要对大量的浓度值进行对比,在得到污染浓度值升高的监测站点后还需要对临近监测站点的浓度值进行对比,消耗大量的时间,在一定程度上会延误污染溯源,并且根据现有技术中的方法只能确定大致的污染源方位,污染溯源的准确度也不高。本申请根据目标区域内的气象数据以及各个监测站点的经纬度信息可以确定污染物在大气中的传输方向,再结合各个监测站点的污染物浓度信息可以生成各个监测站点的关联图,根据关联图可以得到各个监测站点之间的位置关系、距离以及污染物的传输方向,本申请对各个监测站点的污染物浓度进行了排序,根据各个监测站点的污染物浓度的排序结果遍历关联图上的各个监测站点生成污染物的传播路径,本申请根据传播路径可以更准确、快速地进行大气污染的溯源,可以解决现有技术中污染溯源时间长、准确度不高以及不能及时溯源的问题。
附图说明
为了更清楚地说明本申请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申请的一些实施例,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是本申请实施例提供的大气污染溯源方法的流程示意图;
图2是本申请实施例提供的普通站点与中心站点之间污染物的传输方向示意图;
图3是本申请实施例提供的CO峰值检测结果示意图;
图4是本申请实施例提供的污染传播路径挖掘算法流程图;
图5是本申请实施例提供的无界空间传播模式示意图;
图6是本申请实施例提供的大气污染溯源软件示意图;
图7是本申请实施例提供的大气污染溯源装置的结构示意图;
图8是本申请实施例提供的大气污染溯源终端的示意图。
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,以便透彻理解本申请实施例。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申请。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申请的描述。
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图通过具体实施例来进行说明。
图1为本申请实施例提供的大气污染溯源方法的流程示意图。如图1所示,该方法包括:
S101:获取目标区域内各个监测站点的污染物浓度信息,根据污染物浓度信息对各个监测站点的污染物浓度进行排序。
在本实施例中,目标区域内各个监测站点的污染物浓度信息包括:六项污染参数SO2、NO2、O3、CO、PM10和PM2.5的污染物浓度,本申请可以根据每项污染参数对各个监测站点的污染物浓度进行排序,得到六项污染参数的排序结果。
S102:获取目标区域内气象数据以及各个监测站点的经纬度信息,并根据气象数据、经纬度信息以及污染物浓度信息生成各个监测站点的关联图。
在本实施例中,FTP服务器端用于存储监测站点的数据,通过采集FTP服务器端监测站点的数据,获取到目标区域内各个监测站点的污染物浓度信息、目标区域内气象数据以及各个监测站点的经纬度信息。在本申请中监测站点包括标站和微站,标站可以是国控站,标站的数据更新时间大于微站的数据更新时间,例如,可以将标站的数据更新时间设置为1小时更新一次,可以将微站的数据更新时间设置为5分钟更新一次,则可以将微站和气象数据的采集频率设置为五分钟一次,每次采集更新前五分钟采集到的数据;可以将标站的数据采集频率设置为每小时采集一次,本小时采集前一小时数据。本申请需要对上述采集的目标区域内各个监测站点的污染物浓度信息、目标区域内气象数据以及各个监测站点的经纬度信息进行数据清洗,去除存在空值,零值,负值的数据。
S103:基于各个监测站点的污染物浓度的排序结果遍历关联图上的各个监测站点以生成污染物的传播路径。
在本实施例中,气象数据包括:风速和风向角度。在当前时间节点下,若风速不满足预设的风速条件,无论风向角度是否发生改变,都不进行遍历,不生成传播路径。若风速满足预设的风速条件,且风向角度没有发生改变,则基于各个监测站点的污染物浓度的排序结果遍历关联图上的各个监测站点以生成污染物的传播路径。预设的风速条件可以根据实际需要设定,并可以进行修改,预设的风速条件为:风速小于等于第一预设风速或者风速大于第二预设风速,其中,风速小于等于第一预设风速时,可以认为风速没有发生改变,风速大于第二预设风速时,可以认为该风速为异常数据。例如,可以将风速满足的预设的风速条件设置为:风速小于等于1米/秒或者风速大于7.9米/秒,此时,若风速为0.5米/秒或者风速为9米/秒都是满足预设的风速条件的。
在本申请实施例中,考虑到现有技术中主要通过查找并比对导致某一监测站点污染浓度值升高的临近监测站点的浓度值,来锁定大致的污染源方位,该方法中为得到污染浓度值升高的监测站点需要对大量的浓度值进行对比,在得到污染浓度值升高的监测站点后还需要对临近监测站点的浓度值进行对比,消耗大量的时间,在一定程度上会延误污染溯源,并且根据现有技术中的方法只能确定大致的污染源方位,污染溯源的准确度也不高。本申请根据目标区域内的气象数据以及各个监测站点的经纬度信息可以确定污染物在大气中的传输方向,再结合各个监测站点的污染物浓度信息可以生成各个监测站点的关联图,根据关联图可以得到各个监测站点之间的位置关系、距离以及污染物的传输方向,本申请对各个监测站点的污染物浓度进行了排序,根据各个监测站点的污染物浓度的排序结果遍历关联图上的各个监测站点生成污染物的传播路径,本申请根据传播路径可以更准确、快速地进行大气污染的溯源,可以解决现有技术中污染溯源时间长、准确度不高以及不能及时溯源的问题。
在一种可能的实现方式中,根据气象数据、经纬度信息以及污染物浓度信息生成各个监测站点的关联图,包括:
遍历目标区域内的各个监测站点。
将当前遍历到的监测站点,确定为中心站点。在中心站点的预设半径距离范围内设置距离等位线,根据距离等位线内的普通站点与中心站点的经纬度信息计算距离等位线内的普通站点与中心站点之间的角度差。
计算角度差与普通站点与中心站点之间的风向角度的夹角。
根据夹角判断普通站点与中心站点之间污染物的传输方向。
根据传输方向将距离等位线内的普通站点与中心站点进行连接,生成关联图。
其中,当传输方向为普通站点向中心站点传输时,关联图显示普通站点与中心站点之间的连线,中心站点为入射点。当传输方向为中心站点向普通站点传输时,关联图显示普通站点与中心站点之间的连线,中心站点为出射点。
其中,气象数据包括风向角度和风速。普通站点为除中心站点之外的其他监测站点。
在本实施例中,根据图2所示的本申请实施例提供的普通站点与中心站点之间污染物的传输方向示意图,可知若传输方向为中心站点向普通站点传输,则中心站点作为普通站点的上层监测站点,普通站点作为中心站点的下层监测站点,普通站点位于下风向,中心站点位于上风向。
在本实施例中,将当前遍历到的监测站点,确定为中心站点,确定中心站点距离等位线内的普通站点与中心站点之间的传输方向,根据传输方向生成关联图,可以实时生成关联图,并且设置了距离等位线可以有效减少计算量。
在本实施例中,可以将预设半径距离范围设置为5公里,以中心站点为圆心,5公里为半径,构建距离等位线。本申请考虑到距离太远污染物传输效果不明显,距离太近没有传输的意义,因此本申请选用五公里作为预设半径距离范围是综合不同风速下的传输效果经验得出的。将各个监测站点的经纬度信息转换为WGS84地理坐标系,再将地理坐标系转换为WGS 84 / UTM zone 51N平面坐标系,在平面坐标系中计算角度差和夹角。
通过平面坐标系计算得出距离等位线内的普通站点与中心站点之间的角度差,角度差为普通站点与中心站点之间的连线与正北0度直线的夹角即为角度差;并计算每个普通站点与中心站点之间的距离,判断各个普通站点是否在距离等位线内。
距离等位线内的普通站点与中心站点之间的角度差的确定方法为:
其中,angle为角度差,x、dif_lon为距离等位线内的普通站点与中心站点经度之差,y、dif_lat为距离等位线内的普通站点与中心站点纬度之差。
普通站点与中心站点之间的距离的确定方法为:
其中,S为普通站点与中心站点之间的距离。
在一种可能的实现方式中,在风速满足预设的风速条件,且风向角度发生改变时,根据当前时间节点下的气象数据、经纬度信息以及污染物浓度信息更新生成的各个监测站点的关联图。
在本实施例中,风速满足的预设的风速条件与S103中的预设的风速条件相同。
在一种可能的实现方式中,基于各个监测站点的污染物浓度的排序结果遍历关联图上的各个监测站点以生成污染物的传播路径,包括:
对各个监测站点的污染物浓度进行峰值检测,得到预设时间范围内各个监测站点的污染物浓度的变化过程,根据污染物浓度的变化过程确定排序结果中污染物浓度的峰值对应的监测站点。
根据峰值对应的监测站点,以及峰值对应的监测站点的各个上层监测站点生成污染物的传播路径。
其中,根据关联图显示的污染物的传输方向确定峰值对应的监测站点的各个上层监测站点。
在本实施例中,基于各个监测站点的污染物浓度的排序结果确定大于峰值对应的监测站点的污染物浓度的监测站点,根据关联图显示的污染物的传输方向,确定大于峰值对应的监测站点的污染物浓度的监测站点中位于峰值对应的监测站点上层的监测站点,根据峰值对应的监测站点,以及峰值对应的监测站点的各个上层监测站点生成污染物的传播路径。
在本实施例中,对各个监测站点的污染物浓度进行峰值检测可以得到预设时间范围内各个监测站点的污染物浓度的动态变化过程,根据污染物浓度的动态变化过程确定的峰值实时性更强,准确度更高,进而根据峰值确定的监测站点,各个上层监测站点也会更加准确,生成的传播路径可以更好的体现污染物的传播路径,有利于大气污染的溯源。
在本实施例中,对进行数据清洗后的污染物浓度信息进行峰值检测,得到峰值大小排序结果,并且可以自适应划分高值时段(高值时段对应的信号值为1,污染物浓度的变化过程为上升过程),确定峰值对应的监测站点。本申请进行峰值检测时峰的宽度无法事先确定,峰高明显偏离其他值时可以确定峰值,并且每个数据点的污染物浓度可以实时更新。
本实施例进行峰值检测的过程为:生成自适应的移动计算区域(移动计算区域即预设时间范围),对移动计算区域内的污染物浓度进行高低平信号检测,得到高低平信号序列。
在本实施例中对于不同的污染参数,可以根据其历史变化规律与特征,调整移动计算区域的大小、波动参数、影响参数等,进而可以有效识别峰值。
本实施例峰值检测的具体步骤为:将某一项污染参数的污染活动数据向量(污染活动数据向量即污染物浓度)逐个输入固定长度的移动计算区域。
设移动计算区域初始大小为n(移动计算区域大小的设置需要匹配活动数据向量的特征情况),例如,设信号向量signals=0,……0(长度为活动数据向量长度L),设初始移动计算区域大小为n,波动参数设为threshold,影响参数设为influence,设移动计算区域内的活动数据向量filteredY=y(1),……y(n)。
当前移动计算区域内污染物浓度的算术平均值的确定方法为:
其中,avgFilter(n)为当前移动计算区域内污染物浓度的算术平均值,y(i)为当前移动计算区域内的污染物浓度,n为移动计算区域的大小,
当前移动计算区域内污染物浓度的标准偏差的确定方法为:
其中,stdFilter(n)为当前移动计算区域内污染物浓度的标准偏差。
根据diff(n+i)=|y(n+i)-avgFilter(n)|计算当前移动计算区域外第一个数据y(n+i)(i=1……L-n)和当前移动计算区域内污染物浓度的算术平均值的差值的绝对值。
根据fluctuate(n)=threshold*stdFilter(n)计算当前移动计算区域内污染物浓度的波动量大小。
若满足diff(n+i)>fluctuate并且y(n+i)>avgFilter(n),则第n+i个数据的信号值为1(高值信号),若满足diff(n+i)>fluctuate并且,则第n+i个数据的信号值为-1(平值信号),对filteredY(n+i)进行削峰赋值:
filteredY(n+i)=influence*y(n+i)+(1-influence)*filteredY(n)
循环计算:将移动计算区域向后移动一个单位时间数据,并计算新区域上述各项的值,得到下一个数据的信号值,直到将L长度的污染活动数据向量计算完成并得到最终的信号向量signals。
在本实施例中,最终得到的信号向量signals可以显示预设时间范围内各个监测站点的污染物浓度的变化过程,信号值为1(高值信号)表示污染物浓度处于上升状态,信号值为-1(平值信号)表示污染物浓度处于下降状态,信号值为0(平值信号)表示污染物浓度没有变化。例如,最终的信号向量为signals=0,0,1,1,1表示污染物浓度的变化过程为上升过程,则可以确定存在峰值。
如图3所示的本申请实施例提供的CO峰值检测结果示意图。根据avgFilter(n)确定S2,S2表示CO滑动平均浓度变化,根据avgFilter(n)+threshold*stdFilter(n)确定S1,S1为通过相关算法得到的判定是否污染的界限,S1以上的部分为判定有污染的部分,S3表示CO的污染物浓度。
在本实施例中,对每个监测站点的六项污染参数分别进行峰值检测,并输出当前时间节点下,所有监测站点的浓度值及变化量。并标记出疑似污染源的监测站点,若峰值检测检测出至少两项污染参数的污染物浓度处于上升过程,且在当前小时是最大值,则判定该监测站点为疑似污染源的监测站点,并进行疑似污染源的报警。在本实施例中,每项污染参数基于本申请的方案可以生成对应的关联图和传播路径。
如图4所示本申请实施例提供的污染传播路径挖掘算法流程图,其中,六参数浓度值也就是六项污染参数,污染贡献率也就是污染贡献度。
在一种可能的实现方式中,在生成污染物的传播路径之后,还包括:
计算各个监测站点在各个传播路径上的污染贡献度。
计算各个监测站点在各个传播路径上的污染贡献度,包括:
某监测站点在某传播路径上的污染贡献度为该传播路径中该监测站点的传播浓度值与该监测站点当前时间节点下污染物浓度的比值。
传播浓度值为该监测站点的各个上层监测站点对该监测站点叠加传播的污染物浓度。
在本实施例中,本申请根据大量实验和理论研究证明,污染物浓度传播是符合正态分布的,因此根据高斯扩散传播模型做如下假定:①污染物浓度在y、z轴上的分布符合高斯分布,并且符合关联图中的传输方向,在本实施例中假设z轴高度为恒值10。②在全部空间中风速是均匀的、稳定的;③源强是均匀的,本实施例以单位时间(/5min)排放的污染物浓度为源强;④在扩散过程中污染物的质量是守恒的。
在本实施例中,如图5所示的本申请实施例提供的无界空间传播模式示意图。污染物的传播方式可以是无界空间传播模式,在无界空间传播模式中,由正态分布的假定①上层监测站点中任一监测站点(x,y,z)的污染物的平均浓度的分布函数:
由概率统计理论得到方差的表达式:
由假定④写出源强的积分式:
其中,Q为源强,也就是单位时间(/5min)排放的污染物浓度,u为风速。
得到无界空间传播扩散的高斯模式:
在一种可能的实现方式中,在生成污染物的传播路径之后,还包括:
根据传播路径和关联图中各个监测站点的污染物浓度确定近污染源站点,近污染源站点用于确定大气污染的源头。
根据传播路径和关联图中各个监测站点的污染物浓度确定近污染源站点,包括:
获取关联图中峰值对应的监测站点的污染物浓度,以及峰值对应的监测站点的各个上层监测站点的污染物浓度。
将峰值对应的监测站点的污染物浓度与峰值对应的监测站点的各个上层监测站点的污染物浓度进行对比。
当某上层监测站点的污染物浓度大于峰值对应的监测站点的污染物浓度,且该上层监测站点的污染物浓度为各个上层监测站点的污染物浓度的最大值时,则将该上层监测站点确定为近污染源站点。
在本实施例中,将检测到的峰值对应的监测站点进行提取,并获取峰值对应的监测站点的污染物浓度,以及峰值对应的监测站点的各个上层监测站点的污染物浓度,如果各个上层监测站点的污染物浓度中不存在该污染参数浓度比当前监测站点污染物浓度大的站点,则当前监测站点为近污染源节点;若存在该污染参数浓度比当前监测站点污染物浓度大的站点,则遍历上层监测站点该污染参数浓度值最高的监测站点的上层监测站点,判断该上层监测站点是否是近污染源站点,循环遍历上述过程,直到检测出近污染源站点。例如,污染参数为CO,当前监测站点为A,A的上层监测站点为B,C,D,其中,B,C,D中CO浓度最高的监测站点为D,且D的CO浓度大于A的CO浓度,则遍历D的上层监测站点中是否存在比D的CO浓度大的监测站点,若不存在比D的CO浓度大的监测站点,则D为近污染源站点,若存在比D的CO浓度大的监测站点,则遍历D的上层监测站点中CO浓度最高的监测站点的上层监测站点,继续判断,直到检测出近污染源站点。
在一种可能的实现方式中,监测站点包括微站和标站,标站的数据更新时间大于微站的数据更新时间,在确定近污染源站点之后,还包括:
将近污染源站点确定为中心站点,根据关联图显示的污染物的传输方向判断距离等位线内是否存在标站。
若距离等位线内不存在标站,则将距离等位线内污染物浓度的最大值对应的监测站点确定为中心站点,重复判断以该监测站点为中心站点时,距离等位线内是否存在标站,直至确定距离等位线内存在标站。
根据判断过程中确定的各个中心站点生成近污染源站点与标站之间的传播路径。
在本实施例中,由于标站的数据更新时间大于微站的数据更新时间,因此标站相对于微站响应污染存在滞后性,微站的数据和气象数据在当前小时内每隔五分钟更新读取一次数据,标站下一小时更新上一小时的数据,所以可以用微站和气象每五分钟更新一次的数据来追溯标站下一个小时更新的数据,也就是标站的各个上层监测站点对标站叠加传播的污染物浓度。污染物在传播路径上的传输原则是:对近污染源站点的下层每一个监测站点(包括传播路径末端的标站)进行传播浓度值的计算,中间每个监测站点需要自身浓度叠加上层每个监测站点的污染传输,在某条传播路径中标站的传播浓度值是在该条传播路径中所有上层监测站点对标站叠加传播的污染物浓度。如果本小时内下一个五分钟气象数据没有发生变化,并且此条传播路径仍然有疑似污染源的报警,则将该条传播路径下的多次污染传输进行统计平均;如果下一个五分钟气象数据没有发生变化,其他传播路径有疑似污染源的报警,则一并记录统计;如果下一个五分钟气象数据发生了变化,则重新构建关联图,存入redis库,并记录统计传播路径及污染物浓度。
例如:计算近污染源站点与标站之间的传播路径中各个监测站点的传播浓度值。某一条传播路径为:E->F->G->H,获取的监测站点E、F、G、H的污染物浓度分别为e、f、g、h,其中,E为近污染源站点,H为标站,监测站点E、F、G、H的传播浓度值如表1所示。
表1监测站点E、F、G、H的传播浓度值
在本实施例中,标站H的传播浓度值=标站H的污染物浓度+E对H传播的浓度+(E+E对F传播的浓度)对H传播的浓度+(G+E对G传播的浓度+F对G传播的浓度)对H传播的浓度,其中,h1=E对H传播的浓度,h2=(E+E对F传播的浓度)对H传播的浓度,h3=(G+E对G传播的浓度+F对G传播的浓度)对H传播的浓度。
本申请考虑到污染物在传输一定距离后会沉降,但是仍然会残留一部分污染物,污染物残留的部分在持续风向和时间差的作用下,与监测站点的污染物结合后,会持续向下层监测站点传播,因此各个下层监测站点的传播浓度值都需要叠加计算。
在本实施例中,可以对传播路径下的标站的数据进行预警,并结合更新后的标站的数据,计算污染贡献度:
标站某条传播路径的污染贡献度=标站的传播浓度值(该传播路径中各个上层监测站点叠加传播的污染物浓度)/标站更新后的污染物浓度。
在一种可能的实现方式中,根据夹角判断普通站点与中心站点之间污染物的传输方向,包括:
其中,A为夹角,B为预设角度。
在本实施例中,|A|=|a-angle|为夹角,B为预设角度,预设角度可以根据实际需要设定,并可以进行修改。例如,可以将预设角度设定为30,则根据夹角判断普通站点与中心站点之间污染物的传输方向,包括:
若|a-angle|<30或|a-angle|>330,则普通站点与中心站点之间污染物的传输方向为普通站点向中心站点传输;
其中,a为普通站点与中心站点之间的风向角度,angle为角度差。
在本申请实施例中,可以根据不同城市标站、微站和气象数据,建立自适应、自更新的关联图,挖掘出所有污染物浓度在目标区域上实时的传播变化过程,用一条条传播路径表示,计算每条传播路径对终点标站的污染贡献度,发现标站可能的污染物来源、明确污染成因。将标站、微站数据进行滑动平均,可以避免出现数据忽高忽低的情况,去除数据昼夜周期性,可以方便寻找发生污染的时段。本申请通过设置中心站点、普通站点、距离等位线以及峰值等,可以有效减少计算量,缩短计算时间,有利于快速进行污染溯源。本申请根据传播路径以及根据传播路径计算获得的传播浓度值和污染贡献度可以更准确、快速地进行大气污染的溯源,可以解决现有技术中污染溯源时间长、准确度不高以及不能及时溯源的问题。
如图6所示的本申请实施例提供的大气污染溯源软件示意图,可以知道基于本申请的方案可以构建相应的软件,应用于大气污染溯源。
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,而不应对本申请实施例的实施过程构成任何限定。
以下为本申请的装置实施例,对于其中未详尽描述的细节,可以参考上述对应的方法实施例。
图7示出了本申请实施例提供的大气污染溯源装置的结构示意图,为了便于说明,仅示出了与本申请实施例相关的部分,详述如下:
如图7所示,大气污染溯源装置70包括:
数据获取与排序模块71,用于获取目标区域内各个监测站点的污染物浓度信息,根据污染物浓度信息对各个监测站点的污染物浓度进行排序。
数据获取与关联图生成模块72,用于获取目标区域内气象数据以及各个监测站点的经纬度信息,并根据气象数据、经纬度信息以及污染物浓度信息生成各个监测站点的关联图。
传播路径生成模块73,用于基于各个监测站点的污染物浓度的排序结果遍历关联图上的各个监测站点以生成污染物的传播路径。
在一种可能的实现方式中,数据获取与关联图生成模块72,用于根据气象数据、经纬度信息以及污染物浓度信息生成各个监测站点的关联图。
根据气象数据、经纬度信息以及污染物浓度信息生成各个监测站点的关联图,包括:
遍历目标区域内的各个监测站点。
将当前遍历到的监测站点,确定为中心站点。在中心站点的预设半径距离范围内设置距离等位线,根据距离等位线内的普通站点与中心站点的经纬度信息计算距离等位线内的普通站点与中心站点之间的角度差。
计算角度差与普通站点与中心站点之间的风向角度的夹角。
根据夹角判断普通站点与中心站点之间污染物的传输方向。
根据传输方向将距离等位线内的普通站点与中心站点进行连接,生成关联图。
其中,当传输方向为普通站点向中心站点传输时,关联图显示普通站点与中心站点之间的连线,中心站点为入射点。当传输方向为中心站点向普通站点传输时,关联图显示普通站点与中心站点之间的连线,中心站点为出射点。
其中,气象数据包括风向角度和风速。普通站点为除中心站点之外的其他监测站点。
在一种可能的实现方式中,数据获取与关联图生成模块72,用于在风速满足预设的风速条件,且风向角度发生改变时,根据当前时间节点下的气象数据、经纬度信息以及污染物浓度信息更新生成的各个监测站点的关联图。
在一种可能的实现方式中,传播路径生成模块73,用于基于各个监测站点的污染物浓度的排序结果遍历关联图上的各个监测站点以生成污染物的传播路径。
基于各个监测站点的污染物浓度的排序结果遍历关联图上的各个监测站点以生成污染物的传播路径,包括:
对各个监测站点的污染物浓度进行峰值检测,得到预设时间范围内各个监测站点的污染物浓度的变化过程,根据污染物浓度的变化过程确定排序结果中污染物浓度的峰值对应的监测站点。
根据峰值对应的监测站点,以及峰值对应的监测站点的各个上层监测站点生成污染物的传播路径。
其中,根据关联图显示的污染物的传输方向确定峰值对应的监测站点的各个上层监测站点。
在一种可能的实现方式中,传播路径生成模块73,还用于在生成污染物的传播路径之后,计算各个监测站点在各个传播路径上的污染贡献度。
计算各个监测站点在各个传播路径上的污染贡献度,包括:
某监测站点在某传播路径上的污染贡献度为该传播路径中该监测站点的传播浓度值与该监测站点当前时间节点下污染物浓度的比值。
传播浓度值为该监测站点的各个上层监测站点对该监测站点叠加传播的污染物浓度。
在一种可能的实现方式中,传播路径生成模块73,还用于在生成污染物的传播路径之后,根据传播路径和关联图中各个监测站点的污染物浓度确定近污染源站点,近污染源站点用于确定大气污染的源头。
根据传播路径和关联图中各个监测站点的污染物浓度确定近污染源站点,包括:
获取关联图中峰值对应的监测站点的污染物浓度,以及峰值对应的监测站点的各个上层监测站点的污染物浓度。
将峰值对应的监测站点的污染物浓度与峰值对应的监测站点的各个上层监测站点的污染物浓度进行对比。
当某上层监测站点的污染物浓度大于峰值对应的监测站点的污染物浓度,且该上层监测站点的污染物浓度为各个上层监测站点的污染物浓度的最大值时,则将该上层监测站点确定为近污染源站点。
在一种可能的实现方式中,传播路径生成模块73,还用于监测站点包括微站和标站,标站的数据更新时间大于微站的数据更新时间,在确定近污染源站点之后,将近污染源站点确定为中心站点,根据关联图显示的污染物的传输方向判断距离等位线内是否存在标站。
若距离等位线内不存在标站,则将距离等位线内污染物浓度的最大值对应的监测站点确定为中心站点,重复判断以该监测站点为中心站点时,距离等位线内是否存在标站,直至确定距离等位线内存在标站。
根据判断过程中确定的各个中心站点生成近污染源站点与标站之间的传播路径。
在一种可能的实现方式中,数据获取与关联图生成模块72,用于根据夹角判断普通站点与中心站点之间污染物的传输方向。
根据夹角判断普通站点与中心站点之间污染物的传输方向,包括:
其中,A为夹角,B为预设角度。
图8是本申请实施例提供的大气污染溯源终端的示意图。如图8所示,该实施例的终端80包括:处理器81、存储器82以及存储在存储器82中并可在处理器81上运行的计算机程序83。处理器81执行计算机程序83时实现上述各个大气污染溯源方法实施例中的步骤,例如图1所示的S101至S103。或者,处理器81执行计算机程序83时实现上述各装置实施例中各模块的功能,例如图7所示模块71至73的功能。
示例性的,计算机程序83可以被分割成一个或多个模块,一个或者多个模块被存储在存储器82中,并由处理器81执行,以完成本申请。一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序83在终端80中的执行过程。例如,计算机程序83可以被分割成图7所示的模块71至73。
终端80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。终端80可包括,但不仅限于,处理器81、存储器82。本领域技术人员可以理解,图8仅仅是终端80的示例,并不构成对终端80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,例如终端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81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)、现场可编程门阵列(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。
存储器82可以是终端80的内部存储单元,例如终端80的硬盘或内存。存储器82也可以是终端80的外部存储设备,例如终端80上配备的插接式硬盘,智能存储卡(SmartMedia Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器82还可以既包括终端80的内部存储单元也包括外部存储设备。存储器82用于存储计算机程序以及终端所需的其他程序和数据。存储器82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申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/终端和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端实施例仅仅是示意性的,例如,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。
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,在本申请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。
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,本申请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,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,可实现上述各个大气污染溯源方法实施例的步骤。其中,计算机程序包括计算机程序代码,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。计算机可读介质可以包括:能够携带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(Read-Only Memory,ROM)、随机存取存储器(Random AccessMemory,RAM)、电载波信号、电信信号以及软件分发介质等。
以上实施例仅用以说明本申请的技术方案,而非对其限制。尽管参照前述实施例对本申请进行了详细的说明,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申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (9)
1.一种大气污染溯源方法,其特征在于,所述大气污染溯源方法包括:
获取目标区域内各个监测站点的污染物浓度信息,根据所述污染物浓度信息对各个监测站点的污染物浓度进行排序;
获取所述目标区域内气象数据以及各个监测站点的经纬度信息,并根据所述气象数据、经纬度信息以及所述污染物浓度信息生成各个监测站点的关联图;
基于各个监测站点的污染物浓度的排序结果遍历所述关联图上的各个监测站点以生成污染物的传播路径;
其中,所述根据所述气象数据、经纬度信息以及所述污染物浓度信息生成各个监测站点的关联图,包括:
遍历所述目标区域内的各个监测站点;
将当前遍历到的监测站点,确定为中心站点;在中心站点的预设半径距离范围内设置距离等位线,根据距离等位线内的普通站点与中心站点的经纬度信息计算距离等位线内的普通站点与中心站点之间的角度差;
计算所述角度差与普通站点与中心站点之间的风向角度的夹角;
根据所述夹角判断普通站点与中心站点之间污染物的传输方向;
根据所述传输方向将距离等位线内的普通站点与中心站点进行连接,生成关联图;
其中,当传输方向为普通站点向中心站点传输时,关联图显示普通站点与中心站点之间的连线,中心站点为入射点;当传输方向为中心站点向普通站点传输时,关联图显示普通站点与中心站点之间的连线,中心站点为出射点;
其中,所述气象数据包括风向角度和风速;所述普通站点为除中心站点之外的其他监测站点。
2.根据权利要求1所述的方法,其特征在于,在风速满足预设的风速条件,且风向角度发生改变时,根据当前时间节点下的气象数据、经纬度信息以及污染物浓度信息更新生成的各个监测站点的关联图。
3.根据权利要求1所述的方法,其特征在于,所述基于各个监测站点的污染物浓度的排序结果遍历所述关联图上的各个监测站点以生成污染物的传播路径,包括:
对各个监测站点的污染物浓度进行峰值检测,得到预设时间范围内各个监测站点的污染物浓度的变化过程,根据污染物浓度的变化过程确定所述排序结果中污染物浓度的峰值对应的监测站点;
根据峰值对应的监测站点,以及峰值对应的监测站点的各个上层监测站点生成污染物的传播路径;
其中,根据关联图显示的污染物的传输方向确定所述峰值对应的监测站点的各个上层监测站点。
5.根据权利要求3所述的方法,其特征在于,在生成污染物的传播路径之后,还包括:
根据所述传播路径和关联图中各个监测站点的污染物浓度确定近污染源站点,所述近污染源站点用于确定大气污染的源头;
所述根据所述传播路径和关联图中各个监测站点的污染物浓度确定近污染源站点,包括:
获取关联图中峰值对应的监测站点的污染物浓度,以及峰值对应的监测站点的各个上层监测站点的污染物浓度;
将所述峰值对应的监测站点的污染物浓度与所述峰值对应的监测站点的各个上层监测站点的污染物浓度进行对比;
当某上层监测站点的污染物浓度大于所述峰值对应的监测站点的污染物浓度,且该上层监测站点的污染物浓度为各个上层监测站点的污染物浓度的最大值时,则将该上层监测站点确定为近污染源站点。
6.根据权利要求5所述的方法,其特征在于,所述监测站点包括微站和标站,所述标站的数据更新时间大于所述微站的数据更新时间,在确定近污染源站点之后,还包括:
将所述近污染源站点确定为中心站点,根据所述关联图显示的污染物的传输方向判断距离等位线内是否存在标站;
若距离等位线内不存在标站,则将距离等位线内污染物浓度的最大值对应的监测站点确定为中心站点,重复判断以该监测站点为中心站点时,距离等位线内是否存在标站,直至确定距离等位线内存在标站;
根据判断过程中确定的各个中心站点生成所述近污染源站点与所述标站之间的传播路径。
8.一种大气污染溯源装置,其特征在于,包括:
数据获取与排序模块,用于获取目标区域内各个监测站点的污染物浓度信息,根据所述污染物浓度信息对各个监测站点的污染物浓度进行排序;
数据获取与关联图生成模块,用于获取所述目标区域内气象数据以及各个监测站点的经纬度信息,并根据所述气象数据、经纬度信息以及所述污染物浓度信息生成各个监测站点的关联图;
其中,所述根据所述气象数据、经纬度信息以及所述污染物浓度信息生成各个监测站点的关联图,包括:
遍历所述目标区域内的各个监测站点;
将当前遍历到的监测站点,确定为中心站点;在中心站点的预设半径距离范围内设置距离等位线,根据距离等位线内的普通站点与中心站点的经纬度信息计算距离等位线内的普通站点与中心站点之间的角度差;
计算所述角度差与普通站点与中心站点之间的风向角度的夹角;
根据所述夹角判断普通站点与中心站点之间污染物的传输方向;
根据所述传输方向将距离等位线内的普通站点与中心站点进行连接,生成关联图;
其中,当传输方向为普通站点向中心站点传输时,关联图显示普通站点与中心站点之间的连线,中心站点为入射点;当传输方向为中心站点向普通站点传输时,关联图显示普通站点与中心站点之间的连线,中心站点为出射点;
其中,所述气象数据包括风向角度和风速;所述普通站点为除中心站点之外的其他监测站点;
传播路径生成模块,用于基于各个监测站点的污染物浓度的排序结果遍历所述关联图上的各个监测站点以生成污染物的传播路径。
9.一种终端,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上的权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310061088.7A CN115792137B (zh) | 2023-01-17 | 2023-01-17 | 大气污染溯源方法及装置、终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310061088.7A CN115792137B (zh) | 2023-01-17 | 2023-01-17 | 大气污染溯源方法及装置、终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115792137A CN115792137A (zh) | 2023-03-14 |
CN115792137B true CN115792137B (zh) | 2023-06-06 |
Family
ID=85429778
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310061088.7A Active CN115792137B (zh) | 2023-01-17 | 2023-01-17 | 大气污染溯源方法及装置、终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115792137B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116448949B (zh) * | 2023-03-22 | 2023-10-31 | 宁波远亚车辆检测有限公司 | 一种汽车污染物检测方法、***、智能终端及存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113988348A (zh) * | 2020-07-10 | 2022-01-28 | 中国科学院沈阳计算技术研究所有限公司 | 一种网格化监测的空气质量预测方法 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10438125B2 (en) * | 2015-11-12 | 2019-10-08 | International Business Machines Corporation | Very short-term air pollution forecasting |
IT201700064056A1 (it) * | 2017-06-09 | 2018-12-09 | Sense Square S R L S | Mappatura delle sorgenti d’inquinamento atmosferico e tracciamento degli inquinanti mediante l’utilizzo di reti di monitoraggio della qualità dell’aria ad alta risoluzione spazio-temporale |
CN107941994A (zh) * | 2017-11-09 | 2018-04-20 | 北京伟瑞迪科技有限公司 | 一种面向工业园区污染物溯源分析方法 |
US20200400730A1 (en) * | 2018-03-06 | 2020-12-24 | Xi'an Daheng Tiancheng It Co., Ltd. | Frequency spectrum monitoring data structured representation method, and data processing method and compression method |
WO2020043031A1 (zh) * | 2018-08-25 | 2020-03-05 | 司书春 | 一种大气污染监测传感器校准和协同工作的方法 |
CN109814549B (zh) * | 2018-12-29 | 2023-11-10 | 北京英视睿达科技股份有限公司 | 一种确定污染源位置的方法、装置和*** |
CN112305163B (zh) * | 2020-10-21 | 2023-04-07 | 西北工业大学 | 基于固定翼无人机的大气污染监测***及数据处理方法 |
CN112988940A (zh) * | 2021-04-02 | 2021-06-18 | 中科三清科技有限公司 | 污染溯源方法及装置 |
CN115236271A (zh) * | 2021-04-23 | 2022-10-25 | 中国石油化工股份有限公司 | 挥发性污染物监测方法及*** |
CN113777223B (zh) * | 2021-08-12 | 2024-04-30 | 北京金水永利科技有限公司 | 一种大气污染物溯源方法及*** |
CN114441397B (zh) * | 2021-11-05 | 2023-07-11 | 河北工业大学 | 基于高斯烟羽和质心定位的pm2.5污染源定位方法 |
CN114359002B (zh) * | 2022-03-21 | 2022-05-20 | 四川国蓝中天环境科技集团有限公司 | 基于移动监测趋势挖掘的大气污染小尺度溯源方法及*** |
CN114757807B (zh) * | 2022-06-13 | 2022-09-13 | 江苏省生态环境监测监控有限公司 | 多模式融合的大气污染物实际排放量在线核算方法 |
CN115420854B (zh) * | 2022-08-22 | 2023-12-15 | 北京工业大学 | 一种基于正后向模型结合的大气污染物溯源方法 |
CN115438848A (zh) * | 2022-08-29 | 2022-12-06 | 武汉大学 | 基于深度混合图神经网络的pm2.5浓度长期预测方法 |
CN115201071B (zh) * | 2022-09-09 | 2022-12-09 | 杭州泽天春来科技有限公司 | 一种基于厂界恶臭在线监测***的空气扩散溯源方法及*** |
-
2023
- 2023-01-17 CN CN202310061088.7A patent/CN115792137B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113988348A (zh) * | 2020-07-10 | 2022-01-28 | 中国科学院沈阳计算技术研究所有限公司 | 一种网格化监测的空气质量预测方法 |
Non-Patent Citations (1)
Title |
---|
南亚次大陆对中国大气传输影响及海螺沟背景站监测的指示效应;廖乾邑;张巍;范文武;刘培川;曹攀;杜丽;;中国环境监测(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115792137A (zh) | 2023-03-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105181898A (zh) | 基于大密度部署传感器的大气污染监控及管理方法及*** | |
CN104102845B (zh) | 尺度自适应的插值方法及尺度自适应的插值*** | |
CN115561408B (zh) | 空气污染预警方法、装置、电子设备及存储介质 | |
CN108170793A (zh) | 基于车辆语义轨迹数据的停留点分析方法及其*** | |
CN110426493B (zh) | 空气质量监测数据校准方法、装置、设备和存储介质 | |
CN115792137B (zh) | 大气污染溯源方法及装置、终端 | |
CN110687255A (zh) | 一种空气污染物的溯源方法、装置、设备和存储介质 | |
CN114547229B (zh) | 一种多源大气环境数据融合方法、装置、终端及存储介质 | |
CN110413905A (zh) | 获取道路线形的方法、装置、设备及存储介质 | |
CN109472393A (zh) | 空间降尺度降水数据检测方法、装置及电子设备 | |
CN113125635A (zh) | 一种大气污染预警方法、装置及可读存储介质 | |
Ndoye et al. | A recursive multiscale correlation-averaging algorithm for an automated distributed road-condition-monitoring system | |
CN108414690A (zh) | 一种参数确定方法及其相关设备 | |
CN116381160A (zh) | 基于监测数据的大气污染综合溯源方法及终端 | |
CN116626233A (zh) | 基于多源数据融合的大气污染溯源方法、终端及存储介质 | |
CN113514612B (zh) | 区域内污染的溯源方法 | |
CN113159577B (zh) | 基于群智感知的城市道路规划方法 | |
CN111488553B (zh) | 一种太阳辐照度计算方法及装置 | |
CN116228501B (zh) | 排污超标区域行业确定方法、装置、存储介质及电子设备 | |
CN113808015A (zh) | 输电线路区域气象参数的空间插值方法、装置及设备 | |
CN115493657B (zh) | 一种基于无人机的大气污染溯源方法和装置 | |
Materukhin et al. | Simulation of Spatio-Temporal Data Streams from Geosensors Located On mobile Objects | |
Hou et al. | Automatic Extraction of Drainage Networks from DEMs Base on Heuristic Search. | |
CN114859321B (zh) | 区域大气颗粒物来源比例计算方法、装置、设备、介质 | |
Mohamed et al. | Kalman and Cauchy clustering for anomaly detection based authentication of IoMTs using extreme learning machine |
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 |