CN116860839A - 基于大数据的气溶胶生产监测管理*** - Google Patents
基于大数据的气溶胶生产监测管理*** Download PDFInfo
- Publication number
- CN116860839A CN116860839A CN202311128063.0A CN202311128063A CN116860839A CN 116860839 A CN116860839 A CN 116860839A CN 202311128063 A CN202311128063 A CN 202311128063A CN 116860839 A CN116860839 A CN 116860839A
- Authority
- CN
- China
- Prior art keywords
- aerosol
- pollution
- source
- treatment
- level
- 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
- 239000000443 aerosol Substances 0.000 title claims abstract description 243
- 238000012544 monitoring process Methods 0.000 title claims abstract description 64
- 238000004519 manufacturing process Methods 0.000 title claims description 23
- 230000008859 change Effects 0.000 claims description 71
- 239000002245 particle Substances 0.000 claims description 33
- 238000004458 analytical method Methods 0.000 claims description 30
- 239000000126 substance Substances 0.000 claims description 30
- 230000007613 environmental effect Effects 0.000 claims description 29
- 238000000034 method Methods 0.000 claims description 22
- 238000007726 management method Methods 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 16
- 238000013499 data model Methods 0.000 claims description 12
- 238000009825 accumulation Methods 0.000 claims description 10
- 230000000737 periodic effect Effects 0.000 claims description 9
- 238000009792 diffusion process Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 7
- 231100000331 toxic Toxicity 0.000 claims description 7
- 230000002588 toxic effect Effects 0.000 claims description 7
- 239000000463 material Substances 0.000 claims description 6
- 238000005286 illumination Methods 0.000 claims description 5
- 238000011109 contamination Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 238000005728 strengthening Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 2
- 230000036541 health Effects 0.000 abstract description 7
- 238000000746 purification Methods 0.000 abstract 2
- 238000004364 calculation method Methods 0.000 description 11
- 239000007789 gas Substances 0.000 description 6
- 108700041286 delta Proteins 0.000 description 4
- 238000009776 industrial production Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 230000000052 comparative effect Effects 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000002440 industrial waste Substances 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 239000003463 adsorbent Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 231100000481 chemical toxicant Toxicity 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000003440 toxic substance Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Analysis (AREA)
- Fuzzy Systems (AREA)
- Computational Mathematics (AREA)
- Computational Linguistics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Algebra (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及气溶胶监管技术领域,用于解决现有的在对气溶胶监测和治理的方式中,无法对气溶胶污染源头进行准确定位,导致无法对气溶胶的污染程度进行准确的监测分析,故难以制定有效的气溶胶治理方案及对气溶胶的净化治理,严重危害到环境和人类健康的问题,具体为基于大数据的气溶胶生产监测管理***,包括数据采集单元、云数据库、污染源划分单元、污染源再甄别单元、气溶胶污染监测单元、气候影响分析单元、综合治理单元和执行终端。本发明,实现对气溶胶产生的污染源头的准确定位及气溶胶的污染程度的准确判定,并输出合理的气溶胶治理方案,实现对气溶胶进行净化处理及对气溶胶的有效管理,降低气溶胶对环境和人类健康的危害。
Description
技术领域
本发明涉及气溶胶监管技术领域,具体为基于大数据的气溶胶生产监测管理***。
背景技术
气溶胶是指在气体中分散的固体或液体微粒,其粒径一般在几纳米到几十微米之间。气溶胶主要来源于自然界中的火山喷发、沙尘暴和人类活动中的工业废气、交通尾气。其中,人类活动中产生的工业废气是导致气溶胶的产生的主要因素。且气溶胶对空气质量和人类健康有着严重的危害和影响。因此,建立气溶胶监测管理***,对气溶胶进行监测和治理,则显得至关重要。
但在现有的在对气溶胶监测和治理的方式中,无法做到对气溶胶污染源头的快速判定和准确定位,导致无法对工业制造产生的气溶胶的污染程度进行准确的监测分析,故难以制定有效的气溶胶治理计划和方案,导致无法对工业制造产生的气溶胶进行快速的净化治理,严重危害到环境和人类健康。
为了解决上述缺陷,现提供一种技术方案。
发明内容
本发明的目的在于提供基于大数据的气溶胶生产监测管理***。
本发明的目的可以通过以下技术方案实现:基于大数据的气溶胶生产监测管理***,包括:数据采集单元、云数据库、污染源划分单元、污染源再甄别单元、气溶胶污染监测单元、气候影响分析单元、综合治理单元和执行终端;
数据采集单元,用于采集气溶胶的污染源头所处环境的环境参数信息、数据变化信息、产出状态信息、排放状态信息,以及采集气溶胶产生地的气候条件信息,并将各类型信息发送至云数据库中进行存储;
云数据库,还用于存储影响变化等级判定表,存储产生污染程度数据表,存储排放污染程度数据表,存储总污染状态判定表,存储治理加强等级判定表;
污染源划分单元,用于对气溶胶的污染源头所处环境的环境参数信息进行监测,由此对气溶胶产生的污染源头进行判断分析,据此得到集合A和集合B;
污染源再甄别单元,依据集合B,用于对集合B中各气溶胶产生微小源头的数据变化信息进行监测,由此对被标定为气溶胶产生微小源头的气溶胶产生的污染源头进行再分析;
气溶胶污染监测单元,依据集合A,用于对气溶胶产生确定源头下气溶胶的产出状态信息以及对应的排放源头下的排放状态信息进行监测,由此对气溶胶产生的污染源头的污染状态进行分析,据此得到各污染源头的气溶胶污染等级,并将其发送至综合治理单元;
气候影响分析单元,用于对气溶胶产生地的气候条件信息进行监测,由此对气溶胶产生地的气候影响状态进行分析,据此得到气溶胶产生地的治理加强等级,并将其发送至综合治理单元;
综合治理单元,依据接收到各污染源头的气溶胶污染等级和气溶胶产生地的治理加强等级,由此对污染源头气溶胶治理状态进行综合设定,据此得到各污染源头的气溶胶治理方案,并通过执行终端执行相应的气溶胶治理方案,减少气溶胶对环境及人类健康的影响。
优选地,所述对气溶胶产生的污染源头进行判断分析,其具体分析过程如下:
实时监测气溶胶的各污染源头所处环境的环境参数信息中的化学成分值,并将其记作为p;
实时监测气溶胶的各污染源头所处环境的环境参数信息中对应化学成分的浓度值,并将其记作为,其中,i表示气溶胶的污染源头的数量的集合,且i=1,2,3……n;
再实时监测单位时间内气各污染源头所处环境的物质累积量,并将其记作为;
并对气溶胶的对应污染源头所处环境进行分析,依据设定的数据模型:,由此得到气溶胶的各污染源头的环境状态系数/>,ρ1、ρ2和ρ3分别为化学成分值、对应化学成分的浓度值、物质累积量的权重因子系数,ρ1、ρ2和ρ3均为大于0的自然数;
设置环境状态系数的环境对比阈值,并将求得的各污染源头的环境状态系数与预先设定的环境对比阈值进行对比分析,具体的:
若环境状态系数大于等于预先设定的环境对比阈值时,则将对应的污染源头记作气溶胶产生确定源头,并将其归入集合A中;
反之,若环境状态系数小于预先设定的环境对比阈值时,则将对应的污染源头记作气溶胶产生微小源头,并将其归入集合B中。
优选地,所述对气溶胶产生的污染源头进行再分析,其具体分析过程如下:
依据集合B,实时监测集合B中各污染源头的数据变化信息中的距离差和作业量,并将其分别标定为和/>,并将两项数据进行综合分析,依据设定的数据模型:,由此得到各污染源头的影响变化系数/>,其中,j表示为集合B中所含的气溶胶产生微小源头的数量,j为正整数,λ1和λ2分别为距离差和作业量的权重因子系数,且λ1和λ2均为大于0的自然数;
将所有污染源头的影响变化系数与存储在云数据库中的影响变化等级判定表进行对照匹配分析,由此得到各污染源头的变化等级,且每个影响变化系数均对应一个变化等级,变化等级包括小幅度变化等级、中幅度变化等级和大幅度变化等级;
若污染源头的变化等级被判定为大幅度变化等级时,则将对应的气溶胶产生微小源头从集合B中剔除,并重新归入集合A中;
若污染源头的变化等级被判定为小幅度变化等级或中幅度变化等级时,则不做任何处理。
优选地,所述对气溶胶产生确定源头下气溶胶的产出状态信息以及对应的排放源头下的排放状态信息进行监测,其具体监测过程如下:
依据集合A,实时监测集合A中各污染源头下气溶胶的产出状态信息中的产出微粒量、粒径均值和毒性成分占比值,并将其分别标定为、/>和/>,并将各项数据进行计算分析,依据设定的模型:/>,由此得到各污染源头的产生污染系数/>,其中,k表示集合A中所含的气溶胶产生确定源头的数量,k为正整数,δ1、δ2和δ3分别为产出微粒量、粒径均值和毒性成分占比值的修正因子系数,且δ1、δ2和δ3均为大于0的自然数;
实时监测集合A中各污染源头对应的排放源头的排放状态信息中的排放浓度和排放扩散值,并将其分别标定为和/>,并将两项数据进行综合分析,依据设定的数据模型:/>,由此各排放源头下的气溶胶的排放污染系数/>,其中,γ1和γ2分别为排放浓度和排放扩散值的归一因子,且γ1和γ2均为大于0的自然数。
优选地,所述对气溶胶产生的污染源头的污染状态进行分析,其具体分析过程如下:
将气溶胶产生确定源头下气溶胶的产生污染系数与存储在云数据库中的产生污染程度数据表进行对照匹配分析,由此得到第一污染程度值,并将其记作,且得到的每个产生污染系数均有一个第一污染程度值与其对应;
将排放源头下的气溶胶的排放污染系数与存储在云数据库中的排放污染程度数据表进行对照匹配分析,由此得到第二污染程度值,并将其记作,且得到的每个排放污染系数均有一个第二污染程度值与其对应;
将第一污染程度值和第二污染程度值进行求和分析,依据公式:,由此得到各污染源头体系下的总污染程度值/>;
将所有污染源头体系下的总污染程度值与存储在云数据库中的总污染状态判定表进行对照匹配分析,由此得到各污染源头体系的气溶胶污染等级,且得到的总污染程度值均对应一个气溶胶污染等级,且气溶胶污染等级包括严重气溶胶污染等级、中度气溶胶污染等级、轻度气溶胶污染等级。
优选地,所述对气溶胶产生地的气候条件信息进行监测及对其气候影响状态进行分析,其具体分析过程如下:
实时监测气溶胶产生地的气候条件信息中的温变值、湿变值、风速、压变值和光照强度,并将其分别标定为tem、dam、ws、ap和gqd,并将各项数据进行综合分析,依据设定的数据模型:cpv=μ×(tem+dam+ws+ap+gqd),由此得到气候影响值cpv,其中,μ为转换因子系数,且μ为大于0的自然数;
将气候影响值与存储在云数据库中的治理加强等级判定表进行对照匹配分析,由此得到气溶胶产生地的治理加强等级,且每个气候影响值均对应一个治理加强等级,且治理加强等级包括一级治理加强等级、二级治理加强等级、三级治理加强等级。
优选地,所述对污染源头气溶胶治理状态进行综合设定,其具体分析过程如下:
将处于同一气溶胶污染等级的各污染源头体系归入同一集合中,具体的:将被标定为严重气溶胶污染等级的各污染源头体系归入第一优先治理集合W1中,将被标定为中度气溶胶污染等级的各污染源头体系归入第二优先治理集合W2中,将被标定为轻度气溶胶污染等级的各污染源头体系归入第三优先治理集合W3中,由此得到第一优先治理集合W1、第二优先治理集合W2、第三优先治理集合W3;
依据划分的各类型优先治理集合,在对污染源头进行治理时,其治理先后顺序为:先治理处于第一优先治理集合W1中的各污染源头,再治理处于第二优先治理集合W2中的各污染源头,最后再处理处于第三优先治理集合W3中的各污染源头;
依据接收到的气溶胶产生地的治理加强等级,若治理加强等级为一级治理加强等级时,则生成一阶周期治理方案,具体为:在t单位时间内间隔m1时长,执行(t÷m1)次治理操作;
若治理加强等级为二级治理加强等级时,则生成二阶周期治理方案,具体为:在t单位时间内间隔m2时长,执行(t÷m2)次治理操作;
若治理加强等级为三级治理加强等级时,则生成三阶周期治理方案,具体为:在t单位时间内间隔m3时长,执行(t÷m3)次治理操作,其中,m1<m2<m3,t、m1、m2和m3的具体数值的设定由本领域技术人员在具体案例中进行具体设置。
本发明的有益效果:
本发明,通过对气溶胶的污染源头所处环境的环境参数信息进行监测分析,采用数据模型代入计算、数据阈值比对和集合分类输出的方式,实现对气溶胶产生的污染源头的准确定位及分类,并为实现气溶胶的有效治理奠定了基础,又采用公式计算和数据比对的方式,又对气溶胶产生的污染源头进行二次甄别判断,以提高对气溶胶污染的全面、高效的监测管理;
以确定的气溶胶产生的污染源头为依据,通过调取对应污染源体系下的产出状态信息和排放状态信息,并采用数据计算以及大数据综合分析的方式,明确了气溶胶的污染程度,利用集合归类和优先级设定的方式,实现对各污染源头治理优先级的设定;
又通过对气溶胶产生地的气候条件信息进行监测分析,由此明确了气候状态对气溶胶污染程度,并侧面输出了对气溶胶不同的治理加强等级以及气溶胶治理方案,实现对气溶胶进行净化处理,同时实现对气溶胶的高效监测和有效管理,并减少了气溶胶对环境和人类健康的危害。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明的***框图。
具体实施方式
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,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1所示,本发明为基于大数据的气溶胶生产监测管理***,包括:数据采集单元、云数据库、污染源划分单元、污染源再甄别单元、气溶胶污染监测单元、气候影响分析单元、综合治理单元和执行终端。
数据采集单元用于采集气溶胶的污染源头所处环境的环境参数信息、数据变化信息、产出状态信息、排放状态信息,以及采集气溶胶产生地的气候条件信息,并将各类型信息发送至云数据库中进行存储。
云数据库还用于存储影响变化等级判定表,存储产生污染程度数据表,存储排放污染程度数据表,存储总污染状态判定表,存储治理加强等级判定表。
污染源划分单元用于对气溶胶的污染源头所处环境的环境参数信息进行监测,由此对气溶胶产生的污染源头进行判断分析,具体分析过程如下:
实时监测气溶胶的各污染源头所处环境的环境参数信息中的化学成分值,并将其记作为p;
实时监测气溶胶的各污染源头所处环境的环境参数信息中对应化学成分的浓度值,并将其记作为,其中,i表示气溶胶的污染源头的数量的集合,且i=1,2,3……n;
再实时监测单位时间内气各污染源头所处环境的物质累积量,并将其记作为;
并对气溶胶的对应污染源头所处环境进行分析,依据设定的数据模型:,由此得到气溶胶的各污染源头的环境状态系数/>,ρ1、ρ2和ρ3分别为化学成分值、对应化学成分的浓度值、物质累积量的权重因子系数,ρ1、ρ2和ρ3均为大于0的自然数,而权重因子系数用于均衡各项数据在公式计算中的占比权重,从而促进计算结果的准确性;
需要指出的是,化学成分值指的是所处环境中所含有的化学成分种类多少的数据值,物质累积量用于表示各污染源头所处环境单位时间内累积产生的所有物质的含量综合的数据值;
设置环境状态系数的环境对比阈值,并将求得的各污染源头的环境状态系数与预先设定的环境对比阈值进行对比分析,具体的:
若环境状态系数大于等于预先设定的环境对比阈值时,则将对应的污染源头记作气溶胶产生确定源头,并将其归入集合A中;
反之,若环境状态系数小于预先设定的环境对比阈值时,则将对应的污染源头记作气溶胶产生微小源头,并将其归入集合B中;
并将生成的集合B发送至污染源再甄别单元。
污染源再甄别单元用于对集合B中各气溶胶产生微小源头的数据变化信息进行监测,由此对被标定为气溶胶产生微小源头的气溶胶产生的污染源头进行再分析,具体的:
依据集合B,实时监测集合B中各气溶胶产生微小源头的数据变化信息中的距离差和作业量,并将其分别标定为和/>,并将两项数据进行综合分析,依据设定的数据模型:/>,由此得到各气溶胶产生微小源头的影响变化系数/>,其中,j表示为集合B中所含的气溶胶产生微小源头的数量,j为正整数,λ1和λ2分别为距离差和作业量的权重因子系数,且λ1和λ2均为大于0的自然数;
需要指出的是,距离差指的是气溶胶产生微小源头与最近的气溶胶产生确定源头之间的距离值,作业量指的是气溶胶产生微小源头在单位时间内进行生产作业量的增加值;
将所有气溶胶产生微小源头的影响变化系数与存储在云数据库中的影响变化等级判定表进行对照匹配分析,由此得到各气溶胶产生微小源头的变化等级,且每个影响变化系数均对应一个变化等级,变化等级包括小幅度变化等级、中幅度变化等级和大幅度变化等级;
若气溶胶产生微小源头的变化等级被判定为大幅度变化等级时,则将对应的气溶胶产生微小源头从集合B中剔除,并重新归入集合A中;
若气溶胶产生微小源头的变化等级被判定为小幅度变化等级或中幅度变化等级时,则不做任何处理。
气溶胶污染监测单元用于对集合A中气溶胶产生确定源头下气溶胶的产出状态信息以及对应的排放源头下的排放状态信息进行监测,具体监测过程如下:
依据集合A,实时监测集合A中各气溶胶产生确定源头下气溶胶的产出状态信息中的产出微粒量、粒径均值和毒性成分占比值,并将其分别标定为、/>和/>,并将各项数据进行计算分析,依据设定的模型:/>,由此得到各气溶胶产生确定源头下气溶胶的产生污染系数/>,其中,k表示集合A中所含的气溶胶产生确定源头的数量,k为正整数,δ1、δ2和δ3分别为产出微粒量、粒径均值和毒性成分占比值的修正因子系数,且δ1、δ2和δ3均为大于0的自然数,而修正因子系数用于修正各项参数在公式计算过程中出现的偏差,从而使得计算更加准确的参数数据;
需要说明的是,产出微粒量指的是对应气溶胶产生确定源头单位时间内环境中累积分散的各类型气溶胶微粒的总含量的数据值,且微粒包括固体微粒和液体微粒;
总粒径均值指的是所有类型化学成分的平均粒径值的平均值,而平均粒径值指的是一定基量下的某一类型化学成分的所有微粒粒径的平均值,例如,若监测到气溶胶产生确定源头共有5种类型化学成分的微粒,分别从5种类型化学成分的微粒中均随机收集v基量的微粒,并将每一种类型化学成分v基量的微粒的粒径进行均值计算,由此得到每种类型化学成分的微粒的平均粒径值,再将5种类型化学成分的微粒的平均粒径值进行均值计算,由此得到总粒径均值;
毒性成分占比值指的是环境中毒性化学成分的种类数量占总化学成分的种类数量的值;
实时监测集合A中各气溶胶产生确定源头对应的排放源头的排放状态信息中的排放浓度和排放扩散值,并将其分别标定为和/>,并将两项数据进行综合分析,依据设定的数据模型:/>,由此各排放源头下的气溶胶的排放污染系数/>,其中,γ1和γ2分别为排放浓度和排放扩散值的归一因子,且γ1和γ2均为大于0的自然数,而归一因子用于表示将数据模型中的各项数据转化为无量纲形式的系数;
需要补充说明的是,在工业生产各过程或者各生产线路中均会产生不同程度的不同形态的气溶胶,且在工业生产中会针对气溶胶的产生进行统一排放,在本案例中,特别设定每个气溶胶产生确定源头均设置与其对应的气溶胶排放源头,由此组建成一个污染源头体系;
需要指出的是,排放扩散值用于表示气溶胶排放扩散程度,且排放扩散值一般用气溶胶扩散的区域范围来衡量;
由此对气溶胶产生的污染源头的污染状态进行分析,具体分析过程如下:
将气溶胶产生确定源头下气溶胶的产生污染系数与存储在云数据库中的产生污染程度数据表进行对照匹配分析,由此得到第一污染程度值,并将其记作,且得到的每个产生污染系数均有一个第一污染程度值与其对应;
将排放源头下的气溶胶的排放污染系数与存储在云数据库中的排放污染程度数据表进行对照匹配分析,由此得到第二污染程度值,并将其记作,且得到的每个排放污染系数均有一个第二污染程度值与其对应;
将第一污染程度值和第二污染程度值进行求和分析,依据公式:,由此得到各污染源头体系下的总污染程度值/>;
将所有污染源头体系下的总污染程度值与存储在云数据库中的总污染状态判定表进行对照匹配分析,由此得到各污染源头体系的气溶胶污染等级,且得到的总污染程度值均对应一个气溶胶污染等级,且气溶胶污染等级包括严重气溶胶污染等级、中度气溶胶污染等级、轻度气溶胶污染等级;
并将得到的各污染源头的气溶胶污染等级发送至综合治理单元。
气候影响分析单元用于对气溶胶产生地的气候条件信息进行监测,由此对气溶胶产生地的气候影响状态进行分析,具体分析过程如下:
实时监测气溶胶产生地的气候条件信息中的温变值、湿变值、风速、压变值和光照强度,并将其分别标定为tem、dam、ws、ap和gqd,并将各项数据进行综合分析,依据设定的数据模型:cpv=μ×(tem+dam+ws+ap+gqd),由此得到气候影响值cpv,其中,μ为转换因子系数,且μ为大于0的自然数,而转换因子系数用于将所有数据项的物理量转换成同一物理量的数据系数;
需要指出的是,温变值指的是一定时间内气溶胶产生地的温度变化大小的幅度值,湿变值指的是一定时间内气溶胶产生地的湿度变化大小的幅度值,压变值指的是一定时间内气溶胶产生地的大气气压变化大小的幅度值;
将气候影响值与存储在云数据库中的治理加强等级判定表进行对照匹配分析,由此得到气溶胶产生地的治理加强等级,且每个气候影响值均对应一个治理加强等级,且治理加强等级包括一级治理加强等级、二级治理加强等级、三级治理加强等级;
并将得到的气溶胶产生地的治理加强等级发送至综合治理单元。
综合治理单元依据接收到各污染源头的气溶胶污染等级和气溶胶产生地的治理加强等级,由此对污染源头气溶胶治理状态进行综合设定,具体分析过程如下:
将处于同一气溶胶污染等级的各污染源头体系归入同一集合中,具体的:将被标定为严重气溶胶污染等级的各污染源头体系归入第一优先治理集合W1中,将被标定为中度气溶胶污染等级的各污染源头体系归入第二优先治理集合W2中,将被标定为轻度气溶胶污染等级的各污染源头体系归入第三优先治理集合W3中,由此得到第一优先治理集合W1、第二优先治理集合W2、第三优先治理集合W3;
依据划分的各类型优先治理集合,在对污染源头进行治理时,其治理先后顺序为:先治理处于第一优先治理集合W1中的各污染源头,再治理处于第二优先治理集合W2中的各污染源头,最后再处理处于第三优先治理集合W3中的各污染源头;
依据接收到的气溶胶产生地的治理加强等级,若治理加强等级为一级治理加强等级时,则生成一阶周期治理方案,具体为:在t单位时间内间隔m1时长,通过执行终端进行(t÷m1)次治理操作;
若治理加强等级为二级治理加强等级时,则生成二阶周期治理方案,具体为:在t单位时间内间隔m2时长,通过执行终端进行(t÷m2)次治理操作;
若治理加强等级为三级治理加强等级时,则生成三阶周期治理方案,具体为:在t单位时间内间隔m3时长,通过执行终端进行(t÷m3)次治理操作,其中,m1<m2<m3,t、m1、m2和m3的具体数值的设定由本领域技术人员在具体案例中进行具体设置;
且治理操作包含有采用吸附剂、过滤器、电除尘等净化设备,及采用喷淋冷却、湿式电除尘等湿式净化技术,对气溶胶进行净化处理,以降低气溶胶的危害程度。
本发明在使用时,通过对气溶胶的污染源头所处环境的环境参数信息进行监测分析,采用数据模型代入计算、数据阈值比对和集合分类输出的方式,实现对气溶胶产生的污染源头的准确定位及分类,并为实现气溶胶的有效治理奠定了基础,又采用公式计算和数据比对的方式,又对气溶胶产生的污染源头进行二次甄别判断,以提高对气溶胶污染的全面、高效的监测管理;
以确定的气溶胶产生的污染源头为依据,通过调取对应污染源体系下的产出状态信息和排放状态信息,并采用数据计算以及大数据综合分析的方式,明确了气溶胶的污染程度,利用集合归类和优先级设定的方式,实现对各污染源头治理优先级的设定;
又通过对气溶胶产生地的气候条件信息进行监测分析,由此明确了气候状态对气溶胶污染程度,并侧面输出了对气溶胶不同的治理加强等级以及气溶胶治理方案,实现对气溶胶进行净化处理,同时实现对气溶胶的高效监测和有效管理,并减少了气溶胶对环境和人类健康的危害。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (7)
1.基于大数据的气溶胶生产监测管理***,其特征在于,包括:
数据采集单元,用于采集气溶胶的污染源头所处环境的环境参数信息、数据变化信息、产出状态信息、排放状态信息,以及采集气溶胶产生地的气候条件信息,并将各类型信息发送至云数据库中进行存储;
云数据库,还用于存储影响变化等级判定表,存储产生污染程度数据表,存储排放污染程度数据表,存储总污染状态判定表,存储治理加强等级判定表;
污染源划分单元,用于对气溶胶的污染源头所处环境的环境参数信息进行监测,由此对气溶胶产生的污染源头进行判断分析,据此得到集合A和集合B;
污染源再甄别单元,依据集合B,用于对集合B中各气溶胶产生微小源头的数据变化信息进行监测,由此对被标定为气溶胶产生微小源头的气溶胶产生的污染源头进行再分析;
气溶胶污染监测单元,依据集合A,用于对气溶胶产生确定源头下气溶胶的产出状态信息以及对应的排放源头下的排放状态信息进行监测,由此对气溶胶产生的污染源头的污染状态进行分析,据此得到各污染源头的气溶胶污染等级,并将其发送至综合治理单元;
气候影响分析单元,用于对气溶胶产生地的气候条件信息进行监测,由此对气溶胶产生地的气候影响状态进行分析,据此得到气溶胶产生地的治理加强等级,并将其发送至综合治理单元;
综合治理单元,依据接收到各污染源头的气溶胶污染等级和气溶胶产生地的治理加强等级,由此对污染源头气溶胶治理状态进行综合设定,据此得到各污染源头的气溶胶治理方案,并通过执行终端执行相应的气溶胶治理方案。
2.根据权利要求1所述的基于大数据的气溶胶生产监测管理***,其特征在于,所述对气溶胶产生的污染源头进行判断分析,其具体分析过程如下:
实时监测气溶胶的各污染源头所处环境的环境参数信息中的化学成分值,并将其记作为p;
实时监测气溶胶的各污染源头所处环境的环境参数信息中对应化学成分的浓度值,并将其记作为,其中,i表示气溶胶的污染源头的数量的集合,且i=1,2,3……n;
再实时监测单位时间内气各污染源头所处环境的物质累积量,并将其记作为;
并对气溶胶的对应污染源头所处环境进行分析,依据设定的数据模型:,由此得到气溶胶的各污染源头的环境状态系数/>,ρ1、ρ2和ρ3分别为化学成分值、对应化学成分的浓度值、物质累积量的权重因子系数;
设置环境状态系数的环境对比阈值,并将求得的各污染源头的环境状态系数与预先设定的环境对比阈值进行对比分析,具体的:
若环境状态系数大于等于预先设定的环境对比阈值时,则将对应的污染源头记作气溶胶产生确定源头,并将其归入集合A中;
反之,若环境状态系数小于预先设定的环境对比阈值时,则将对应的污染源头记作气溶胶产生微小源头,并将其归入集合B中。
3.根据权利要求1所述的基于大数据的气溶胶生产监测管理***,其特征在于,所述对气溶胶产生的污染源头进行再分析,其具体分析过程如下:
依据集合B,实时监测集合B中各污染源头的数据变化信息中的距离差和作业量,并将两项数据进行综合分析,由此得到各污染源头的影响变化系数;
将所有污染源头的影响变化系数与存储在云数据库中的影响变化等级判定表进行对照匹配分析,由此得到各污染源头的变化等级,且每个影响变化系数均对应一个变化等级,变化等级包括小幅度变化等级、中幅度变化等级和大幅度变化等级;
若污染源头的变化等级被判定为大幅度变化等级时,则将对应的气溶胶产生微小源头从集合B中剔除,并重新归入集合A中。
4.根据权利要求1所述的基于大数据的气溶胶生产监测管理***,其特征在于,所述对气溶胶产生确定源头下气溶胶的产出状态信息以及对应的排放源头下的排放状态信息进行监测,其具体监测过程如下:
依据集合A,实时监测集合A中各污染源头下气溶胶的产出状态信息中的产出微粒量、粒径均值和毒性成分占比值,并将各项数据进行计算分析,由此得到各污染源头的产生污染系数;
实时监测集合A中各污染源头对应的排放源头的排放状态信息中的排放浓度和排放扩散值,并将两项数据进行综合分析,由此各排放源头下的气溶胶的排放污染系数。
5.根据权利要求1所述的基于大数据的气溶胶生产监测管理***,其特征在于,所述对气溶胶产生的污染源头的污染状态进行分析,其具体分析过程如下:
将气溶胶产生确定源头下气溶胶的产生污染系数与存储在云数据库中的产生污染程度数据表进行对照匹配分析,由此得到第一污染程度值,且得到的每个产生污染系数均有一个第一污染程度值与其对应;
将排放源头下的气溶胶的排放污染系数与存储在云数据库中的排放污染程度数据表进行对照匹配分析,由此得到第二污染程度值,且得到的每个排放污染系数均有一个第二污染程度值与其对应;
将第一污染程度值和第二污染程度值进行求和分析,由此得到各污染源头体系下的总污染程度值;
将所有污染源头体系下的总污染程度值与存储在云数据库中的总污染状态判定表进行对照匹配分析,由此得到各污染源头体系的气溶胶污染等级,且得到的总污染程度值均对应一个气溶胶污染等级,且气溶胶污染等级包括严重气溶胶污染等级、中度气溶胶污染等级、轻度气溶胶污染等级。
6.根据权利要求1所述的基于大数据的气溶胶生产监测管理***,其特征在于,所述对气溶胶产生地的气候条件信息进行监测及对其气候影响状态进行分析,其具体分析过程如下:
实时监测气溶胶产生地的气候条件信息中的温变值、湿变值、风速、压变值和光照强度,并将各项数据进行综合分析,由此得到气候影响值;
将气候影响值与存储在云数据库中的治理加强等级判定表进行对照匹配分析,由此得到气溶胶产生地的治理加强等级,且每个气候影响值均对应一个治理加强等级,且治理加强等级包括一级治理加强等级、二级治理加强等级、三级治理加强等级。
7.根据权利要求1所述的基于大数据的气溶胶生产监测管理***,其特征在于,所述对污染源头气溶胶治理状态进行综合设定,其具体分析过程如下:
将处于同一气溶胶污染等级的各污染源头体系归入同一集合中,由此得到第一优先治理集合W1、第二优先治理集合W2、第三优先治理集合W3;
依据划分的各类型优先治理集合,在对污染源头进行治理时,其治理先后顺序为:先治理处于第一优先治理集合W1中的各污染源头,再治理处于第二优先治理集合W2中的各污染源头,最后再处理处于第三优先治理集合W3中的各污染源头;
依据接收到的气溶胶产生地的治理加强等级生成对应的一阶周期治理方案或二阶周期治理方案或三阶周期治理方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311128063.0A CN116860839B (zh) | 2023-09-04 | 2023-09-04 | 基于大数据的气溶胶生产监测管理*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311128063.0A CN116860839B (zh) | 2023-09-04 | 2023-09-04 | 基于大数据的气溶胶生产监测管理*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116860839A true CN116860839A (zh) | 2023-10-10 |
CN116860839B CN116860839B (zh) | 2023-11-21 |
Family
ID=88228981
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311128063.0A Active CN116860839B (zh) | 2023-09-04 | 2023-09-04 | 基于大数据的气溶胶生产监测管理*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116860839B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102020125662A1 (de) * | 2020-10-01 | 2022-04-07 | Johannes Herrmann | Verfahren und Vorrichtung zum Prognostizieren von Umgebungseinflüssen, insbesondere auf Krankheitsverläufe |
CN115688045A (zh) * | 2022-09-20 | 2023-02-03 | 西安市智慧环保综合指挥中心 | 一种污染源数据融合分析方法 |
CN116067436A (zh) * | 2023-04-06 | 2023-05-05 | 安徽配隆天环保科技有限公司 | 一种环境监测***及监测方法 |
CN116485191A (zh) * | 2023-06-26 | 2023-07-25 | 安徽中科蓝壹信息科技有限公司 | 基于拉格朗日扩散模型的环境影响预警方法及*** |
-
2023
- 2023-09-04 CN CN202311128063.0A patent/CN116860839B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102020125662A1 (de) * | 2020-10-01 | 2022-04-07 | Johannes Herrmann | Verfahren und Vorrichtung zum Prognostizieren von Umgebungseinflüssen, insbesondere auf Krankheitsverläufe |
CN115688045A (zh) * | 2022-09-20 | 2023-02-03 | 西安市智慧环保综合指挥中心 | 一种污染源数据融合分析方法 |
CN116067436A (zh) * | 2023-04-06 | 2023-05-05 | 安徽配隆天环保科技有限公司 | 一种环境监测***及监测方法 |
CN116485191A (zh) * | 2023-06-26 | 2023-07-25 | 安徽中科蓝壹信息科技有限公司 | 基于拉格朗日扩散模型的环境影响预警方法及*** |
Non-Patent Citations (1)
Title |
---|
刘文清;刘建国;谢品华;陆亦怀;高闽光;张玉钧;: "区域大气复合污染立体监测技术***与应用", 大气与环境光学学报, no. 04, pages 7 - 19 * |
Also Published As
Publication number | Publication date |
---|---|
CN116860839B (zh) | 2023-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111311111B (zh) | 化工园区废水废气智能管控***及控制方法 | |
CN111814111A (zh) | 一种工业园区大气污染物溯源方法 | |
CN107169277B (zh) | 一种pm2.5浓度的数据分析和预测模型建立方法 | |
CN114674988B (zh) | 一种基于无线网络的空气在线监测*** | |
CN110018280B (zh) | 一种大气污染源排放综合表征方法及装置 | |
CN114858976A (zh) | 一种工业园区大气质量智能分析方法及*** | |
CN105547933B (zh) | 一种大气污染监测方法和设备 | |
CN116562580B (zh) | 碳酸锂生产车间的废水废气处理***及方法 | |
CN116860839B (zh) | 基于大数据的气溶胶生产监测管理*** | |
CN115791537A (zh) | 基于同位素的颗粒物在线源解析方法、***、设备及介质 | |
CN116227895B (zh) | 智慧河湖水生态修复mabc***云管平台 | |
CN112986497B (zh) | 基于气体传感器阵列指纹识别的污染气体溯源方法 | |
CN112037106A (zh) | 一种基于特征互相关性和概率密度的数据异常分析方法 | |
Cruz et al. | Machine learning-based indoor air quality baseline study of the offices and laboratories of the northwest and southwest building of Mapúa University–Manila | |
CN115372034A (zh) | 一种基于云管理平台的工业化产品监测分析*** | |
Park et al. | Characteristics of particulate matter generated while handling municipal household waste | |
Pangestu et al. | Analysis of Environmental Health Risk of So2, No2, Nh3, and Dust Exposure In Sentra Industri Surabaya, Gresik And Sidoarjo City | |
Kim et al. | Detection of carbonaceous aerosols released in CNT workplaces using an aethalometer | |
Roy et al. | Development of PM2. 5 concentration prediction model using machine learning approaches | |
CN113758853B (zh) | 一种准确测算过滤器性能及寿命的方法 | |
CN117291549B (zh) | 一种工程项目施工环保监督管理*** | |
CN117875573B (zh) | 一种基于生物毒性和生物有效性的水环境评价方法和*** | |
CN117540229B (zh) | 一种基于聚类算法的大气环境监测方法 | |
Kapic | Multiple Linear Regression Model for in Zenica Predicting PM2. 5 Concentration | |
CN116822913B (zh) | 一种基于智慧园区的大数据环保服务*** |
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 |