[發明專利]一種化學危害同化系統

有效

• 申請號: 202011508053.6
• 申請日: 2020-12-18
• 公開（公告）號: CN112560270B
• 公開（公告）日: 2022-10-11
• 發明（設計）人: 顧進;諸雪征;韓朝帥;晏國輝;蔣金利;梁婷;李思維;馮燕冉;梁延松;張赫;徐毅;李寧寧
• 申請（專利權）人: 中國人民解放軍陸軍防化學院
• 主分類號: G06F30/20
• 分類號: G06F30/20;G16C20/30;G06F113/08
• 代理公司: 北京科迪生專利代理有限責任公司 11251
• 代理人: 安麗

本發明涉及一種化學危害同化系統：包括：釋放信息估算模塊、氣象場模塊、濃度預測模塊、觀測數據處理模塊、數據同化模塊、結果分析和顯示模塊。本發明采用四維變分的方法進行危害監測數據的同化，構建源強估算、氣象場、濃度預測、觀測數據處理、數據同化、結果分析和顯示等6個系統組成模塊，提高了化學危害預測的精度和速度。

技術領域

本發明涉及一種化學危害同化系統，化學危害信息體系技術領域。

背景技術

在化學爆炸事故的應急處理中，如何依托可獲取的有限信息，對危害物質擴散后的濃度時空規律進行準確刻畫，是下一步應急決策的關鍵所在。化學爆炸擴散濃度場的預測、評估對后續應急救援，部署決策方面起著至關重要的作用，只有準確掌握了危害物質濃度的時空分布規律，準確描繪毒害區域，才能最大限度的減小危害程度，提高應急救援的效果，而準確獲取化學危害濃度擴散場的初值信息是刻畫濃度擴散時空規律的關鍵。數據同化是一種最初來源于數值天氣預報的數據處理技術，現在已成功用于對大氣污染物濃度的預測中來。在化學危害預測領域引入數據同化算法，以更快的速度和更高的精準度得出危害場未來一段時間的濃度走勢及分布圖，在保證速度的同時盡最大可能的為防護和救援提供準確的決策依據。

當前關于污染物擴散數據同化主要有逐步迭代法，最優插值法、卡爾曼濾波法、變分法、集合卡爾曼濾波法、遺傳算法、神經網絡算法和機器學習等，其中逐步迭代法和最優插值法精度偏低，屬于早期的同化算法；卡爾曼濾波系列算法對集合數目的要求偏高，難以快速應用于危害環境；遺傳算法、神經網絡和機器學習是新興智能優化算法，對數據量的要求較高，不適用于小樣本數據挖掘，用于數據同化領域還處于初期探索階段。所以，本發明選用變分同化方法，既避免精度不夠的問題，也解決其他方法對數據樣本要求高的困難。

目前尚未查閱到相關文獻和相關專利，未發表過相關論文等。

發明內容

本發明技術解決問題：克服現有化學危害預測精度低、數據同化方法對樣本質量要求過高的問題，提供一種化學危害同化系統，采用四維變分的方法進行危害監測數據的同化，構建源強估算、氣象場、濃度預測、觀測數據處理、數據同化、結果分析和顯示等6個系統組成模塊，提高化學危害預測的精度和速度。

本發明技術解決方案：一種化學危害同化系統，包括：釋放信息估算模塊、氣象場模塊、濃度預測模塊、觀測數據處理模塊、數據同化模塊、結果分析和顯示模塊；

釋放信息估算模塊，用于為預測模型提供氣溶膠云團初始的源強信息，如果通過可靠信息獲取釋放信息數據，則直接代入其他模塊進行預測；如果無法準確獲取釋放源項信息，則根據監測到的危害濃度數據，通過遺傳算法進行數據的同化反演，得到釋放初始狀態信息，所述初始狀態信息包括釋放源位置、釋放總量和釋放率；

氣象場模塊，用于獲取相關的氣象場信息，進行風場診斷，得出危害區域內各點的氣象信息，并送至濃度預測模塊；所述氣象場信息包括風向、風速、降雨和溫度；

濃度預測模塊，用于危害擴散的預測估算，根據釋放信息估算模塊和氣象場模塊提供的釋放初始狀態信息和氣象場信息，對擴散參數進行估算，進而得到未來時刻各位置的危害濃度預測值，并傳輸至數據同化模塊；

觀測數據處理模塊，用于對各監測點獲取的監測濃度數據和氣象數據進行處理，通過劃分時間窗口，將不同時刻的監測濃度值進行歸一化處理，組成觀測矩陣；

數據同化模塊，用于對預測的濃度值和監測的濃度數據進行綜合處理，提高濃度預測模塊的預測精度；根據濃度預測模塊得到的未來不同時刻各個監測點濃度預測值，采用采用化學危害變分同化基礎模型、化學危害變分同化梯度函數和釋放信息初始狀態分析值模型，將未來不同時刻各個監測點濃度預測值與各監測點對應時刻的觀測矩陣進行同化迭代，得到誤差最小化時的釋放信息初始狀態分析值；