[發明專利]一種面向工業園區的大氣污染物溯源方法

在審

• 申請號: 201611041286.3
• 申請日: 2016-11-24
• 公開（公告）號: CN108108336A
• 公開（公告）日: 2018-06-01
• 發明（設計）人: 王原;陳彬;邱思航;陳驍強;楊澤;湯楊華;劉懿;何成
• 申請（專利權）人: 上海棲芯信息科技有限公司;羅克佳華（上海）科技有限公司;上海棲星生態環境咨詢有限公司;安徽師范大學
• 主分類號: G06F17/18
• 分類號: G06F17/18
• 代理公司: 上海愉騰專利代理事務所(普通合伙) 31306
• 代理人: 唐海波

本發明公開了一種面向工業園區的大氣污染物溯源方法，包括以下步驟：通過監測點采集觀測數據并進行超標判斷；根據超標的觀測數據進行區域篩選；獲取篩選得到的區域內采集的觀測數據根據源位置估計模型進行模型反算；得到結果并進行驗證；利用擴散源園區周圍監測站采集到濃度數據估算出源強大小和擴散源的具體位置，并且能夠適應源強和風場數據可變的情景。

技術領域

本發明涉及污染物溯源技術領域，尤其涉及一種面向工業園區的大氣污染物溯源方法。

背景技術

大氣污染物國內外對于溯源方法有很多的研究，主要集中在核擴散方面，大氣污染物溯源一般是用于大范圍區域內的常規污染物(尤其是PM2.5)的輸送和來源分析，對于較小區域內大氣污染物溯源分析的研究較少。Rao SK(2007)Source estimation methodsfor atmospheric dispersion.Atmos Environ 41(33):6964–6973.doi:10.1016/j.atmosenv.2007.04.064(大氣擴散的源估計方法)中，將溯源算法分為前向與后向兩大類。前向方法通常使用貝葉斯推斷來估計擴散源，后向算法直接求解正向擴散模型的方程來得到結果。因此實際擴散中的不確定性，后向算法往往無法得到準確的結果。貝葉斯推斷將求問題的精確解轉化為求出解的后驗概率分布，許多研究者在此基礎上提出了相關的溯源算法。Huber MF(2014)On-line dispersion source estimation using adaptivegaussian mixture filter.IFAC(使用適應性高斯混合濾波器在線估計擴散源)中，使用適應高斯混合濾波器(AGMF)來求解在線貝葉斯問題。不僅限于此，其他的常用的濾波技術也能解決后驗概率估計的問題，例如，Zhang XL,Su GF,Yuan HY,Chen JG,Huang QY(2014)Modified ensemble Kalman filter for nuclear accident atmospheric dispersion:prediction improved and sourceestimated.J Hazard Mater 280:143–155.doi:10.1016/j.jhazmat.2014.07.064(用于核事故大氣擴散分析的改進的集合卡爾曼濾波器：改進預測結果并估計擴散源)中的卡爾曼濾波，Chin TM,Mariano AJ(2010)A particlefilter for inverse lagrangian prediction problems.J Atmos Ocean Technol 27(2):371–384.doi:10.1175/2009JTECHO675.1(用于拉格朗日反問題的粒子濾波器)和Zhang Y,Wang L(2013)Particle filtering method for source localizationinwireless sensor network.advanced technology in teaching:selected papers fromthe 2012international conference on teaching and computational science(ICTCS2012):517–523.doi:10.1007/978-3-642-29458-7_76(用于無線傳感器網源定位的粒子濾波方法)中的粒子濾波。除了使用濾波技術，Hirst B,Jonathan P,Gonza′lez del CuetoF,Randell D,Kosut O(2013)Locating and quantifying gas emission sources usingremotely obtained concentration data.Atmos Environ 74:141–158.doi:10.1016/j.atmosenv.2013.03.044(使用遙控獲取的濃度數據對氣體排放源進行定位并量化)提出了一種使用馬爾可夫鏈-蒙特卡洛方法來估計多源的算法，這種算法具有較高的理論價值。Ma D,Wang S,Zhang Z(2014)Hybrid algorithm of minimum relative entropy-particle swarm optimization with adjustment parameters for gas source termidentification in atmosphere.Atmos Environ 94:637–646.doi:10.1016/j.atmosenv.2014.05.034(用于大氣擴散釋放源參數辨識的MRE-PSO混合方法)使用了粒子群優化方法并結合高斯模型估計了擴散源的源項。So W,Koo J,Shin D,Yoon ES(2010)Theestimation of hazardous gas release rate using optical sensor and neuralnetwork.Comput Aided Chem Eng 28:199–204.doi:10.1016/S1570-7946(10)28034-3(使用光學傳感器和神經網絡估計有害氣體泄漏速率)中神經網絡也可應用于擴散源的估計。Wang B,Chen B,Zhao J(2015)The real-time estimation of hazardous gasdispersion by the integration of gas detectors,neural network and gasdispersion models.J Hazard Mater 300:433–442.doi:10.1016/j.jhazmat.2015.07.028(基于氣體傳感器、神經網絡和大氣擴散模型的有害氣體擴散實時預測方法)在神經網絡的基礎上提出了略過源項直接估計擴散趨勢的方法。以上方法能夠同時估計出擴散源的位置和釋放速率，但是它們估計得到的釋放速率都是一個常數，不能很好地反映釋放速率不斷變化的情況，而這種情況在實際中是很普遍的。