CN117419769B - 一种物联网环保监控***及方法 - Google Patents
一种物联网环保监控***及方法 Download PDFInfo
- Publication number
- CN117419769B CN117419769B CN202311512460.8A CN202311512460A CN117419769B CN 117419769 B CN117419769 B CN 117419769B CN 202311512460 A CN202311512460 A CN 202311512460A CN 117419769 B CN117419769 B CN 117419769B
- Authority
- CN
- China
- Prior art keywords
- data
- pollutant
- diffusion
- monitoring
- contaminant
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 37
- 231100000719 pollutant Toxicity 0.000 claims abstract description 84
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 78
- 238000009792 diffusion process Methods 0.000 claims abstract description 70
- 230000007613 environmental effect Effects 0.000 claims abstract description 50
- 230000002159 abnormal effect Effects 0.000 claims abstract description 12
- 238000005516 engineering process Methods 0.000 claims abstract description 7
- 238000012545 processing Methods 0.000 claims abstract description 6
- 239000000356 contaminant Substances 0.000 claims description 37
- 238000004088 simulation Methods 0.000 claims description 27
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 230000003993 interaction Effects 0.000 claims description 6
- 238000012806 monitoring device Methods 0.000 claims description 5
- 230000000007 visual effect Effects 0.000 claims description 5
- 230000001133 acceleration Effects 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000013524 data verification Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000007726 management method Methods 0.000 claims description 3
- 238000011109 contamination Methods 0.000 claims description 2
- 230000001960 triggered effect Effects 0.000 abstract description 2
- 230000002547 anomalous effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000006185 dispersion Substances 0.000 description 3
- 238000003912 environmental pollution Methods 0.000 description 3
- 238000012800 visualization Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- MGWGWNFMUOTEHG-UHFFFAOYSA-N 4-(3,5-dimethylphenyl)-1,3-thiazol-2-amine Chemical compound CC1=CC(C)=CC(C=2N=C(N)SC=2)=C1 MGWGWNFMUOTEHG-UHFFFAOYSA-N 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- JCXJVPUVTGWSNB-UHFFFAOYSA-N nitrogen dioxide Inorganic materials O=[N]=O JCXJVPUVTGWSNB-UHFFFAOYSA-N 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
- G06T17/205—Re-meshing
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Business, Economics & Management (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Computing Systems (AREA)
- Pure & Applied Mathematics (AREA)
- Algebra (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Fluid Mechanics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Mathematical Optimization (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
本发明涉及环境保护技术领域,具体是涉及一种物联网环保监控***及方法。方法包括如下步骤:按设定时间间隔T0收集环保监测设备的数据,包括污染物浓度C0、风速V0、气温θ0和湿度H0。计算污染物排放速率E0=C0/T0和理论扩散值D0。在时间间隔T1内从网络连接的其他设备获取数据,并计算实际扩散速率D1。创建虚拟模型,计算虚拟扩散速率D2。比较D0、D1和D2,计算偏差β和η。若β或η超过预设阈值THR,则标记异常数据并发送警告信息。对于异常数据点,触发虚拟模型更新。通过实时收集、处理和分析环境数据,结合云计算和预测技术,实现精确监控和预警污染物扩散状态。
Description
技术领域
本发明涉及环境保护技术领域,具体是涉及一种物联网环保监控***及方法。
背景技术
物联网(IoT)是近年来随着互联网技术的进步发展出的一种新型科技概念,它通过网络将各类设备连接在一起,实现信息的共享和交换。在环保领域,物联网技术被应用于监测和处理环境中的污染问题,具有实时、准确、自动化等优点。然而,由于环境污染的复杂性和不确定性,如何准确地预测和控制污染物的扩散情况仍然是一个巨大的挑战。
传统的环保监控方式主要依赖人工进行现场检测和样品分析,这样的方式存在很多缺陷。首先,人工监测的效率低下,不能实现实时监测和快速反应。其次,由于环保监测涉及的参数众多,如温度、湿度、风速等,人工难以同时对这些参数进行精确测量。再者,人工分析样品的结果可能受到操作者技能、仪器精度等因素的影响,存在一定的误差。最后,传统的环保监控方法往往忽视了污染物扩散过程中的动态变化,不能准确预测未来的污染状况。
发明内容
(一)要解决的技术问题:本发明主要针对以上问题,提出了一种物联网环保监控***及方法,其目的是解决如何实现对环境参数的实时监测、数据的自动处理和模型的动态更新,以提高了环保监测的效率和准确性。
(二)技术方案:为实现上述目的,本发明第一方面提供了一种物联网环保监控方法,包括如下步骤:步骤S100、按设定时间间隔T0收集环保监测设备的数据,包括污染物浓度C0、风速V0、气温θ0和湿度H0;步骤S200、根据所收集的数据和时间间隔T0计算污染物排放速率E0=C0/T0,同时,根据风速V0、气温θ0和湿度H0,计算出污染物扩散理论值D0;步骤S300、在时间间隔T1内从网络连接的其他环保监测设备获取数据,其中,T1=T0/n, n为正整数;将收集到的数据用于计算实际污染物扩散速率D1;步骤S400、利用物联网中各个节点的数据,创建一个模拟实际环境的虚拟模型,并以此虚拟模型计算出虚拟污染物扩散速率D2;步骤S500、将理论污染物扩散值D0、实际污染物扩散速率D1和虚拟污染物扩散速率D2进行比较,计算偏差β=100%×(|D0-D1|/D0)和η=100%×(|D2-D1|/D2),其中β表示理论值与实际值的偏差,η表示虚拟模型与实际值的偏差;步骤S600、判断β和η是否超过预设阈值THR,如果超过则将本次污染物浓度数据标记为异常,并产生警告信息发送给相关部门;步骤S700、对于每一个被标记为异常的数据点,都将触发一次虚拟模型的更新。
进一步地,在步骤S400中,创建一个模拟实际环境的虚拟模型并计算虚拟污染物扩散速率D2的步骤包括:确定模拟环境的几何形状和尺寸,将其划分为一个三维网格,包括长度、宽度和高度;设定时间步长Δt ,表示每个模拟步骤的时间间隔;在模拟环境中放置一个或多个初始污染源,并确定其位置和释放速率,以及确定其他环境参数;基于Navier-Stokes方程组计算得到模拟环境中的空气流场;使用扩散方程描述污染物在空气中的传播和混合过程;将初始浓度分布应用到模拟环境的空间网格上,为模拟开始时的污染物浓度场赋予适当的初始值;通过迭代进行时间步循环,根据当前的污染物浓度场、空气流场和边界条件,计算新的污染物浓度场;在每个时间步中,根据当前的污染物浓度场和边界条件,计算空气流场;基于当前的污染物浓度场和空气流场,计算污染物传输和混合过程;根据模拟环境中的边界条件,调整污染物浓度场;选择感兴趣的区域或监测点作为分析目标;定义该区域内的边界,并计算通过该边界的污染物质量流量;基于浓度梯度和质量流量,计算污染物在该区域内的总扩散速率D2。
进一步地,Navier-Stokes方程组的计算公式为:其中,/>是空气速度矢量,/>是压力,/>是空气密度,是动力粘度,/>是重力加速度,/>表示梯度运算符,/>表示散度运算符,/>表示拉普拉斯算子,/>表示时间偏导数。
进一步地,扩散方程的计算公式为:其中,/>是污染物浓度,/>是扩散系数。
进一步地,污染物质量流量计算公式:其中,/>是污染物质量流量,是污染物浓度,/>是空气速度向量,/>表示面积元素的微元。
进一步地,污染物扩散速率计算公式:其中,/>是污染物的扩散速率,/>是污染物质量流量,/>是浓度梯度。
进一步地,在步骤S400中,还包括对模拟结果进行可视化展示。
进一步地,采用云计算技术,将收集到的环境数据存储在云端。
为实现上述目的,本发明第二方面提供了一种物联网环保监控***,其特征在于,所述***包括:传感器设备:用于实时监测环境参数数据,并将其传输至云平台;云平台:用于接收和存储传感器数据,并提供数据处理、分析和建模功能;污染物扩散模型:用于在云平台上构建和优化,预测和模拟污染物的扩散情况;数据验证单元:用于将预测结果与实际监测数据进行比对和验证,评估模型的准确性;模型优化单元:用于根据评估结果对模型算法和参数进行优化;警报通知单元:用于在检测异常情况或超过预设阈值时,触发警报通知单元发送警报信息给相关部门;监测界面:用于提供实时监测数据的可视化展示和操作界面;更新管理单元:用于定期更新模型算法和参数;数据交互接口:用于与其他***进行数据交互。
(三)有益效果:与现有技术相比,本发明提供的一种物联网环保监控***及方法,通过实时收集、处理和分析环境参数数据,并结合云计算和模型预测技术,实现了对污染物扩散状态的精确监控和预警。这不仅大幅提升了环境监测的效率和准确性,也使得对环境污染状况的预警和应对更加及时有效,有利于环保工作的开展和环境质量的改善。同时,云平台的使用还为环境数据的储存和共享提供了便利,有助于多部门之间的协调合作和信息共享。
附图说明
图1为本申请披露的一种物联网环保监控方法的流程图。
图2为本申请披露的一种物联网环保监控***的框架图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
如图1,本发明第一方面提供了一种物联网环保监控方法,包括如下步骤:步骤S100、按设定时间间隔T0收集环保监测设备的数据,包括污染物浓度C0、风速V0、气温θ0和湿度H0;步骤S200、根据所收集的数据和时间间隔T0计算污染物排放速率E0=C0/T0,同时,根据风速V0、气温θ0和湿度H0,计算出污染物扩散理论值D0;步骤S300、在时间间隔T1内从网络连接的其他环保监测设备获取数据,其中,T1=T0/n, n为正整数;将收集到的数据用于计算实际污染物扩散速率D1;步骤S400、利用物联网中各个节点的数据,创建一个模拟实际环境的虚拟模型,并以此虚拟模型计算出虚拟污染物扩散速率D2;步骤S500、将理论污染物扩散值D0、实际污染物扩散速率D1和虚拟污染物扩散速率D2进行比较,计算偏差β=100%×(|D0-D1|/D0)和η=100%×(|D2-D1|/D2),其中β表示理论值与实际值的偏差,η表示虚拟模型与实际值的偏差;步骤S600、判断β和η是否超过预设阈值THR,如果超过则将本次污染物浓度数据标记为异常,并产生警告信息发送给相关部门;步骤S700、对于每一个被标记为异常的数据点,都将触发一次虚拟模型的更新。
可以理解的是,假设该物联网环保监控***应用于一个工业区域的空气质量监测。在步骤S100中,环保监测设备每隔10分钟收集一次数据,包括PM2.5浓度、风速、气温和湿度。在步骤S200中,根据这些数据计算出PM2.5的排放速率和预测其在环境中的扩散情况。在步骤S300中,从其他连接的环保监测设备获取相邻区域的数据,用于更准确地计算PM2.5的扩散速率。在步骤S400中,利用物联网中的数据创建一个虚拟模型,模拟实际环境,并计算出虚拟的PM2.5扩散速率。
在步骤S500中,将理论污染物扩散值D0、实际污染物扩散速率D1和虚拟污染物扩散速率D2进行比较。通过计算偏差β=100%×(|D0-D1|/D0)和η=100%×(|D2-D1|/D2),其中β表示理论值与实际值的偏差,η表示虚拟模型与实际值的偏差。例如,假设根据收集到的数据计算得到的理论污染物扩散值D0为1000 ppm,实际测量得到的污染物扩散速率D1为950ppm,而虚拟模型计算得到的污染物扩散速率D2为980 ppm。则偏差β=100%×(|1000-950|/1000)=5% ,偏差η=100%×(|980-950|/980)=3.06%。
在步骤S600中,判断偏差β和η是否超过预设阈值THR。如果超过预设阈值,则将本次污染物浓度数据标记为异常,并产生警告信息发送给相关部门。例如,如果预设阈值THR为10%,而偏差β和η均小于10%,则不会将数据标记为异常。
在步骤S700中,对于每一个被标记为异常的数据点,都将触发一次虚拟模型的更新。这意味着当监测***检测到异常情况时,会重新调整虚拟模型以提高准确性,并在下一轮监测中应用更新后的模型。
本实施例提供了一种全面而精确的物联网环保监控方法,能够通过数据采集、模型计算和比较分析来实时监测和预测环境污染物扩散情况。通过综合考量不同数据源和模型之间的偏差,可以更准确地评估环境污染程度,并及时发出警报以采取相应的措施。这种特殊效果有助于提高环保监测的效率和准确性,促进环境保护工作的科学化和智能化发展。
优选的,在步骤S400中,创建一个模拟实际环境的虚拟模型并计算虚拟污染物扩散速率D2的步骤包括:步骤S401、确定模拟环境的几何形状和尺寸,将其划分为一个三维网格,包括长度、宽度和高度;步骤S402、设定时间步长Δt,表示每个模拟步骤的时间间隔;步骤S403、在模拟环境中放置一个或多个初始污染源,并确定其位置和释放速率,以及确定其他环境参数;步骤S404、基于Navier-Stokes方程组计算得到模拟环境中的空气流场;使用扩散方程描述污染物在空气中的传播和混合过程;步骤S405、将初始浓度分布应用到模拟环境的空间网格上,为模拟开始时的污染物浓度场赋予适当的初始值;步骤S406、通过迭代进行时间步循环,根据当前的污染物浓度场、空气流场和边界条件,计算新的污染物浓度场;步骤S407、在每个时间步中,根据当前的污染物浓度场和边界条件,计算空气流场;步骤S408、基于当前的污染物浓度场和空气流场,计算污染物传输和混合过程;步骤S409、根据模拟环境中的边界条件,调整污染物浓度场;步骤S410、选择感兴趣的区域或监测点作为分析目标;步骤S411、定义该区域内的边界,并计算通过该边界的污染物质量流量;步骤S412、基于浓度梯度和质量流量,计算污染物在该区域内的总扩散速率D2。
可以理解的是,假设要模拟一个城市中心的空气污染物扩散情况。首先,确定了城市中心的几何形状和尺寸,并将其划分为一个三维网格。然后,设定每个模拟步骤的时间间隔Δt为30分钟;在模拟环境中放置多个初始污染源,即不同街道上的车辆密集区域,并确定其位置、释放速率以及其他环境参数(如风速、温度等)。
通过求解Navier-Stokes方程组,得到了模拟环境中的空气流场,考虑了城市街道之间的气流变化。
利用扩散方程描述了尾气中污染物(如二氧化氮)在空气中的传播和混合过程。将初始浓度分布应用到空间网格上,为模拟开始时的污染物浓度场赋予适当的初始值。
通过迭代计算,根据当前的污染物浓度场、空气流场和边界条件,得到新的污染物浓度场和更新的空气流场。根据城市中心的边界条件,调整污染物浓度场以确保模拟结果在边界处与实际情况相符。
选择了一个特定区域作为分析目标,例如城市中心的一个公园。定义该区域的边界,并计算通过该边界的污染物质量流量。这可以帮助我们了解尾气污染物在公园周围的传输情况。
最后,基于浓度梯度和通过边界的污染物质量流量,计算在所选公园区域内的总扩散速率D2。这个值可以告诉我们污染物在公园范围内的扩散速度,并评估其对公园空气质量的影响程度。
优选的,Navier-Stokes方程组的计算公式为:其中,/>是空气速度矢量,/>是压力,/>是空气密度,是动力粘度,/>是重力加速度,/>表示梯度运算符,/>表示散度运算符,/>表示拉普拉斯算子,/>表示时间偏导数。
根据此公式,可以得出模拟环境中的空气流场,再结合扩散方程描述污染物在空气中的传播和混合过程,从而计算出污染物扩散理论值。使用Navier-Stokes方程进行模拟可以更准确地模拟复杂环境下的污染物扩散情况,对比理论值与实际值的偏差,以及虚拟模型与实际值的偏差,这有助于更好地理解和控制环境污染情况,并提供科学的防治策略。
优选的,扩散方程的计算公式为:其中,/>是污染物浓度,/>是扩散系数。
根据这个公式,可以计算出当前环境下的污染物扩散速率。结合Navier-Stokes方程得到的空气流场,可以模拟污染物在空气中的扩散路径和最终达到的浓度分布。
优选的,污染物质量流量计算公式:其中,/>是污染物质量流量,即单位时间内通过某一特定面积的污染物质量,/>是污染物浓度,即单位体积内的污染物质量,可以由环保监测设备采集得到,/>是空气速度向量,/>表示面积元素的微元,是用来考虑到三维空间中不同位置的影响。通过此公式,可以计算出在特定条件下(例如特定的风速、温度和湿度等)污染物的质量流量。
优选的,污染物的扩散速率指的是污染物从高浓度区域向低浓度区域扩散的速度,污染物扩散速率计算公式:其中,/>是污染物的扩散速率,/>是污染物质量流量,即单位时间内通过某一特定面积的污染物质量,/>是浓度梯度,即空间上不同位置的污染物浓度差异。通过这个公式,可以更准确地预测污染物在特定环境条件下的扩散速率和方向。
优选的,在步骤S400中,***不仅进行模拟计算(例如计算污染物质量流量或者扩散速率),而且还会将模拟结果进行可视化展示。这种可视化展示包含了颜色编码的地理热力图、动态趋势图、3D模型等方式。
所谓"可视化",就是把抽象的数据和信息转化为直观的图像或者图表,以便更直观、更容易理解。在环保监测中,可视化可以使我们快速地理解复杂的数据和模型,并通过直观的方式揭示和传达数据背后的意义。
优选的,本实施例还包括采用云计算技术,将收集到的环境数据存储在云端。
如图2,本发明第二方面提供了一种物联网环保监控***,该***包括:传感器设备:用于实时监测环境参数数据,并将其传输至云平台;云平台:用于接收和存储传感器数据,并提供数据处理、分析和建模功能;污染物扩散模型:用于在云平台上构建和优化,预测和模拟污染物的扩散情况;数据验证单元:用于将预测结果与实际监测数据进行比对和验证,评估模型的准确性;模型优化单元:用于根据评估结果对模型算法和参数进行优化;警报通知单元:用于在检测异常情况或超过预设阈值时,触发警报通知单元发送警报信息给相关部门;监测界面:用于提供实时监测数据的可视化展示和操作界面;更新管理单元:用于定期更新模型算法和参数;数据交互接口:用于与其他***进行数据交互。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变型,这些改进和变型也应视为本发明的保护范围。
Claims (8)
1.一种物联网环保监控方法,其特征在于,包括以下步骤:
步骤S100、按设定时间间隔T0收集环保监测设备的数据,包括污染物浓度C0、风速V0、气温θ0和湿度H0;
步骤S200、根据所收集的数据和时间间隔T0计算污染物排放速率E0=C0/T0,同时,根据风速V0、气温θ0和湿度H0,计算出污染物扩散理论值D0;
步骤S300、在时间间隔T1内从网络连接的其他环保监测设备获取数据,其中,T1=T0/n,n为正整数;将收集到的数据用于计算实际污染物扩散速率D1;
步骤S400、利用物联网中各个节点的数据,创建一个模拟实际环境的虚拟模型,并以此虚拟模型计算出虚拟污染物扩散速率D2;
步骤S500、将理论污染物扩散值D0、实际污染物扩散速率D1和虚拟污染物扩散速率D2进行比较,计算偏差β=100%×(|D0-D1|/D0)和η=100%×(|D2-D1|/D2),其中β表示理论值与实际值的偏差,η表示虚拟模型与实际值的偏差;
步骤S600、判断β和η是否超过预设阈值THR,如果超过则将本次污染物浓度数据标记为异常,并产生警告信息发送给相关部门;
步骤S700、对于每一个被标记为异常的数据点,都将触发一次虚拟模型的更新;
在步骤S400中,创建一个模拟实际环境的虚拟模型并计算虚拟污染物扩散速率D2的步骤包括:
确定模拟环境的几何形状和尺寸,将其划分为一个三维网格,包括长度、宽度和高度;
设定时间步长Δt,表示每个模拟步骤的时间间隔;
在模拟环境中放置一个或多个初始污染源,并确定其位置和释放速率,以及确定其他环境参数;
基于Navier-Stokes方程组计算得到模拟环境中的空气流场;使用扩散方程描述污染物在空气中的传播和混合过程;
将初始浓度分布应用到模拟环境的空间网格上,为模拟开始时的污染物浓度场赋予适当的初始值;
通过迭代进行时间步循环,根据当前的污染物浓度场、空气流场和边界条件,计算新的污染物浓度场;
在每个时间步中,根据当前的污染物浓度场和边界条件,计算空气流场;
基于当前的污染物浓度场和空气流场,计算污染物传输和混合过程;
根据模拟环境中的边界条件,调整污染物浓度场;
选择感兴趣的区域或监测点作为分析目标;
定义该区域内的边界,并计算通过该边界的污染物质量流量;
基于浓度梯度和质量流量,计算污染物在该区域内的虚拟污染物扩散速率D2。
2.如权利要求1所述的一种物联网环保监控方法,其特征在于,Navier-Stokes方程组的计算公式为:
其中,v是空气速度矢量,P是压力,ρ是空气密度,μ是动力粘度,g是重力加速度,表示梯度运算符,/>·表示散度运算符,/>表示拉普拉斯算子,/>表示时间偏导数。
3.如权利要求2所述的一种物联网环保监控方法,其特征在于,扩散方程的计算公式为:
其中,C是污染物浓度,D是扩散系数。
4.如权利要求3所述的一种物联网环保监控方法,其特征在于,污染物质量流量计算公式:
Q=∫C·v·dA
其中,Q是污染物质量流量,C是污染物浓度,v是空气速度向量,dA表示面积元素的微元。
5.如权利要求4所述的一种物联网环保监控方法,其特征在于,污染物扩散速率计算公式:
其中,D2是污染物的扩散速率,Q是污染物质量流量,是浓度梯度。
6.如权利要求3所述的一种物联网环保监控方法,其特征在于,在步骤S400中,还包括对模拟结果进行可视化展示。
7.如权利要求1所述的一种物联网环保监控方法,其特征在于,采用云计算技术,将收集到的环境数据存储在云端。
8.一种物联网环保监控***,其基于权利要求1-7任一项所述的一种物联网环保监控方法,其特征在于,所述***包括:
传感器设备:用于实时监测环境参数数据,并将其传输至云平台;
云平台:用于接收和存储传感器数据,并提供数据处理、分析和建模功能;
污染物扩散模型:用于在云平台上构建和优化,预测和模拟污染物的扩散情况;
数据验证单元:用于将预测结果与实际监测数据进行比对和验证,评估模型的准确性;
模型优化单元:用于根据评估结果对模型算法和参数进行优化;
警报通知单元:用于在检测异常情况或超过预设阈值时,触发警报通知单元发送警报信息给相关部门;
监测界面:用于提供实时监测数据的可视化展示和操作界面;
更新管理单元:用于定期更新模型算法和参数;
数据交互接口:用于与其他***进行数据交互。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311512460.8A CN117419769B (zh) | 2023-11-14 | 2023-11-14 | 一种物联网环保监控***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311512460.8A CN117419769B (zh) | 2023-11-14 | 2023-11-14 | 一种物联网环保监控***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117419769A CN117419769A (zh) | 2024-01-19 |
CN117419769B true CN117419769B (zh) | 2024-06-04 |
Family
ID=89528270
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311512460.8A Active CN117419769B (zh) | 2023-11-14 | 2023-11-14 | 一种物联网环保监控***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117419769B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107436343A (zh) * | 2017-07-31 | 2017-12-05 | 南京南瑞集团公司 | 一种模拟计算敏感区域污染物浓度的方法 |
CN111461405A (zh) * | 2020-03-09 | 2020-07-28 | 平安国际智慧城市科技股份有限公司 | 污染物的扩散预测方法、装置、设备及存储介质 |
CN114280695A (zh) * | 2017-05-09 | 2022-04-05 | 西南石油大学 | 一种空气污染物监测预警方法及云平台 |
KR20220058673A (ko) * | 2020-10-28 | 2022-05-10 | 한국건설기술연구원 | 환경시설의 대기오염가스 확산을 모니터링하기 위한 가상물리-기반 3차원 확산 예측지도 작성 시스템 및 그 방법 |
-
2023
- 2023-11-14 CN CN202311512460.8A patent/CN117419769B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114280695A (zh) * | 2017-05-09 | 2022-04-05 | 西南石油大学 | 一种空气污染物监测预警方法及云平台 |
CN107436343A (zh) * | 2017-07-31 | 2017-12-05 | 南京南瑞集团公司 | 一种模拟计算敏感区域污染物浓度的方法 |
CN111461405A (zh) * | 2020-03-09 | 2020-07-28 | 平安国际智慧城市科技股份有限公司 | 污染物的扩散预测方法、装置、设备及存储介质 |
KR20220058673A (ko) * | 2020-10-28 | 2022-05-10 | 한국건설기술연구원 | 환경시설의 대기오염가스 확산을 모니터링하기 위한 가상물리-기반 3차원 확산 예측지도 작성 시스템 및 그 방법 |
Also Published As
Publication number | Publication date |
---|---|
CN117419769A (zh) | 2024-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Paas et al. | A comparison of model performance between ENVI-met and Austal2000 for particulate matter | |
Franke et al. | Validation of OpenFOAM 1.6. x with the German VDI guideline for obstacle resolving micro-scale models | |
JP5743930B2 (ja) | 大気拡散物質発生源探査装置、大気拡散物質発生源探査システムおよび大気拡散物質発生源探査方法 | |
WO2022052068A1 (zh) | 一种基于目标可用模型的环境预测方法、装置、程序及其电子设备 | |
CN115688636B (zh) | 一种基于计算流体力学的大气环境污染修复仿真方法及*** | |
CN104897853A (zh) | 基于塔式扩散模型的火电厂污染物排放监测显示方法 | |
WO2010001925A1 (ja) | 降下粉塵量推定方法、降下粉塵量推定装置、及び降下粉塵量推定プログラム | |
KR20140024541A (ko) | 대기 모델링 서비스 제공 시스템 | |
Efthimiou et al. | CFD-RANS prediction of the dispersion of a hazardous airborne material released during a real accident in an industrial environment | |
Ruiz et al. | Experimental study of drift deposition from mechanical draft cooling towers in urban environments | |
Leuzzi et al. | A 3D Lagrangian micromixing dispersion model LAGFLUM and its validation with a wind tunnel experiment | |
Ferrero et al. | An evaluation of a Lagrangian stochastic model for the assessment of odours | |
CN117761261B (zh) | 一种基于大数据的碳排放监测***及方法 | |
CN117419769B (zh) | 一种物联网环保监控***及方法 | |
CN103487365A (zh) | 腐蚀性气体对数据中心设备影响的实时评估***及方法 | |
CN115130369A (zh) | 基于数字孪生的变电站设备综合状态评估与主动预警方法 | |
KR101788389B1 (ko) | 가스 확산 모델링 장치 및 방법 | |
CN116341231B (zh) | 人工增雨催化剂扩散轨迹的模拟方法、装置、服务器和存储介质 | |
CN100541169C (zh) | 扩散物质的扩散状况预测方法及扩散状况预测*** | |
JP2014106203A (ja) | 拡散物質の拡散状況予測装置、その方法およびプログラム | |
Liu et al. | Sensor layout strategy for source term estimation of external pollution sources in urban neighbourhoods | |
JP3746712B2 (ja) | 拡散物質の拡散状況予測方法 | |
WO2023004704A1 (zh) | 用于监控封闭空间环境的方法、装置和计算机存储介质 | |
CN114658465A (zh) | 一种隧道通风方案优化方法及*** | |
JP2020174343A (ja) | 機械学習装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |