CN106650017B - 一种利用固定位置污染物探测器辨识城市空间多污染物源的方法 - Google Patents
一种利用固定位置污染物探测器辨识城市空间多污染物源的方法 Download PDFInfo
- Publication number
- CN106650017B CN106650017B CN201611046575.2A CN201611046575A CN106650017B CN 106650017 B CN106650017 B CN 106650017B CN 201611046575 A CN201611046575 A CN 201611046575A CN 106650017 B CN106650017 B CN 106650017B
- Authority
- CN
- China
- Prior art keywords
- pollutant
- contaminant
- detectors
- source
- detector
- 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
- 239000003344 environmental pollutant Substances 0.000 title claims abstract description 142
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000011109 contamination Methods 0.000 title abstract description 12
- 231100000719 pollutant Toxicity 0.000 claims abstract description 136
- 239000000356 contaminant Substances 0.000 claims description 75
- 238000001514 detection method Methods 0.000 claims description 14
- 238000009792 diffusion process Methods 0.000 claims description 6
- 239000012530 fluid Substances 0.000 claims description 5
- 230000014509 gene expression Effects 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 2
- 238000004088 simulation Methods 0.000 abstract description 10
- 239000006185 dispersion Substances 0.000 abstract 1
- 239000000463 material Substances 0.000 abstract 1
- 238000004364 calculation method Methods 0.000 description 13
- 238000013459 approach Methods 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 239000003673 groundwater Substances 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 239000000809 air pollutant Substances 0.000 description 2
- 231100001243 air pollutant Toxicity 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000003403 water pollutant Substances 0.000 description 2
- 238000003915 air pollution Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000003895 groundwater pollution Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000004379 similarity theory Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Classifications
-
- 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
- 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)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Geometry (AREA)
- Development Economics (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (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)
- Photometry And Measurement Of Optical Pulse Characteristics (AREA)
Abstract
本发明提供了一种利用固定位置污染物探测器辨识城市空间多污染物源的方法,属于大气污染物源辨识技术领域。通过城市三维地图建立相应建筑的三维模型,根据气象站提供的城区上风向的主导风速和风向模拟计算出城区的速度场;选择三个污染物探测器读取器位置和污染物浓度数据,通过使用伴随方法计算出可能的污染物源位置和释放强度;对于多污染源情况按照一定的原则继续选择其他探测器,根据每三个污染物探测器的数据辨识污染物源,重复二至三次即可辨识到一个污染物源。然后依据流场稳态情况下污染物传播方程为线性方程这一理论基础将已辨识到的污染物源对其他污染物源辨识过程中产生的影响去除。如此可以快速、准确地辨识出多个污染物源。
Description
技术领域
本发明属于大气污染物源辨识技术领域,具体为一种利用固定位置污染物探测器辨识城市空间多污染物源的方法,用于对同时存在的多个污染物源进行位置和释放强度的辨识,从而对污染物进行源头控制。
背景技术
现有的污染物源辨识方法主要分为两大类:正向计算方法和逆向计算方法。正向计算方法是一种相对比较简单的试错方法,比如Gorelick S M等人在文章Identifyingsources of groundwater pollution:an optimization approach中通过可移动探测器的不断尝试性移动逐渐趋近于污染物源的位置,这样一种方法往往效率比较低。而逆向计算方法则从探测器探测到污染物这一最终状态出发,通过逆向时间和速度场的模拟计算快速识别出污染物源。正向方法往往只能慢慢趋近于污染物源位置,但逆向方法在得到足够多的信息时,可以通过模拟计算快速确定污染源的位置、释放强度甚至污染物释放规律。Skaggs和Kabala在文章“Recovering the history of a groundwater contaminantplume:Method of quasi-reversibility”中利用准可逆方法,通过求解对流扩散方程实现了地下水污染源的辨识,并确定了其准可逆扩散因子求解方法。Zhang和Chen在文章“Identification of contaminant sources in enclosed environments by inverseCFD modeling”中将此方法与计算流体力学结合,成功应用于飞机客舱污染物源和污染物释放强度的辨识。但是此方法的一个严重缺陷是需要提前知道污染物源的部分信息,这在实际情况中往往是难以实现的。Wagner在其文章“Simultaneously parameter estimationand contaminant source characterization for coupled groundwater flow andcontaminant transport modeling”中提出了一套基于概率论的逆向模拟计算方法并将其应用于地下水污染物源的辨识。此方法将地下水流模拟计算与污染物传播模拟计算相结合,利用非线性最大相似理论对污染物源的位置和释放强度进行了逆向辨识。Neupauer和Wilson在其一系列文章“Backward probabilistic model of groundwatercontamination in non-uniform and transient flow”等中则将伴随方法引入地下水污染物源位置和释放时间的辨识。此方法能够准确推测出复杂几何环境下地下水污染物的历史特性,即其释放强度、位置和变化规律。Lin在文章“Inverse modeling methods forindoor airborne pollutant tracking:literature review and fundamentals”中则通过引入概率分析进一步提高了其计算精确度并将此方法应用于一个实际地下水污染物源辨识的算例中。Liu和Zhai等人通过发表一系列文章,如“Location identification forindoor instantaneous point contaminant source by probability-based inversecomputational fluid dynamics modeling”等,则将此理论和方法应用于空气环境,并实现了室内空气污染物源的辨识。其方法能够根据污染物探测器提供的有限的信息实现室内空气污染物源位置和释放强度的快速辨识。前述大量方法仅仅是能成功实现单个污染物源的辨识,而现实中污染物源往往不止一个。目前在多个污染物源辨识方面取得的进展则寥寥可数。具有代表性的是Cai等人在文章Fast identification of multiple indoorconstant contaminant sources by ideal sensors:a theoretical model andnumerical validation中使用正向方法进行多污染物源的辨识,结果表明此方法需要耗费大量的计算资源并且要预先知道可能的污染物源位置等很多实际情况下很难得到的数据。
本发明将基于概率论的伴随方法应用于室外污染物源的辨识,并发展出一整套辨识室外多污染物源的方法。此方法借助有限个固定位置污染物探测器快速确定多个污染物源的具体位置和释放强度。
发明内容
城市污染物源的快速辨识有助于城市空气的治理和改善。传统试错法效率低且难以应对多污染源的情况,一般逆向方法需要预知污染源的部分信息,实际情况下难以实现。基于概率的伴随方法能够在不知道污染源任何信息的前提下仅凭探测器探测到的污染物浓度信息实现室内单个污染物源的辨识。本研究进一步改进了伴随方法用于开放空间的多污染物源辨识,并发展了能够仅仅根据有限的固定位置污染物探测器信息辨识多污染物源的方法。
本发明的技术方案:
一种利用固定位置污染物探测器辨识城市空间多污染物源的方法,步骤如下:
(1)通过城市三维地图建立相应建筑的三维模型,根据气象站提供的城区上风向的主导风速和风向模拟计算出城区的速度场;
(2)默认待测城区只有一个污染物源,在所有污染物探测器中随机挑选三个探测器,所选的探测器确保各个探测器检测到的污染物浓度值差别在20%以上,且探测器的位置不在一条直线上;然后,读取三个探测器检测到的污染物浓度信息、所处的位置坐标以及此时城市气象站记录的主导风向和风速,将数据分别记录为L1、L2和L3;使用从气象站得到的城市主导风向和风速数据模拟城市空间流场,根据L1、L2和L3的数据,辨识到第一个污染物源的第一个可能位置S1(1)和释放强度C1(1),并在研究区域的地图上标示出S1(1)位置(如附图4所示);
(3)在地图上从位置S1(1)出发沿着主导风向的方向移动再寻找到三个位置最接近S1(1)的污染物探测器,记录其位置和污染物浓度信息并重复步骤(2)从而辨识到第一个污染物源的第二个可能位置S1(2)及相应的释放强度C1(2),并将S1(2)标注在地图上(如附图5所示)。寻找三个新的探测器时,必须向着一个方向偏移,这样才能使得到的污染物浓度值尽量只来自于一个污染源的影响。
(4)如果离S1(1)最近的污染物探测器与离S1(2)最近的污染物探测器不是同一个污染物探测器,则表明没有辨识到污染物源,重复步骤(3)直至离S1(n)与S1(n+1)直至最近的污染物探测器为同一个探测器(n=1,2,3,…)。当离S1(n)与S1(n+1)最近的污染物探测器为同一个探测器时,我们就可以认为S1(n+1)和C1(n+1)即为第一个污染物源的位置和释放强度。
(5)当第一个污染物源的位置和释放强度确定之后,根据S1和C1求解公式1-6,从而模拟计算得到由第一个污染源导致的整个区域的污染物浓度分布(如附图6所示),读取各个污染物探测器对应位置处的污染物浓度值。由于在速度场稳定的情况下,公式1-6相对于质量浓度C来说是一个线性方程,因此各个污染物源造成的污染物浓度场可以直接相加或相减。将原有的所有探测器探测到的污染物浓度数据减去由第一个污染物源导致的浓度值,即得到剩余其它污染物源导致的各个污染物探测器处的污染物浓度值。
(6)重复第二步至第五步直至所有的污染物探测器的数值都低于污染物对人体造成危害的限值。
为了验证结果的准确性,可以在完成以上步骤辨识到所有污染物源之后,再挑选一个主导风速和风向与原来明显不同的时间段进行重复辨识,以确保所有污染物源都已经被找到。
本发明的有益效果:本发明首次提出有别于传统试错法的多污染物源的快速逆向辨识方法,能够利用有限个固定位置污染物探测器快速辨识出多个污染物源,可直接采用各个城市现有的污染物监测站的数据,初始投资低,速度快,结果准确,能够实现对城市大气环境的实时监测及快速诊断,为城市大气污染的治理和决策提供经济高效的技术方案。为污染物监测站的选址提供指导意见。
附图说明
图1是某城区建筑群三维模型。
图2是城区在主导风速和风向作用下速度场分布。
图3是使用固定位置污染物探测器辨识城市空间多污染物源流程图。
图4是第一次尝试辨识首个污染物源示意图。
图5是第二次尝试辨识首个污染物源示意图。
图6是辨识到的第一个污染物源导致的污染物浓度场分布图。
具体实施方式
以下结合附图和技术方案,进一步说明本发明的具体实施方式。
此发明所使用的方法为逆向方法,它需要将时间逆向考虑,这就决定了此方法需要与模拟计算相结合。使用逆向方法进行城市空间气态污染物源的辨识则需要借助计算流体力学对城市空间的流场和污染物浓度场进行模拟计算。伴随方法通过求解质量传递方程的伴随方程,然后依据测量数据,结合概率理论求取污染物源位置和释放强度在整个空间区域和释放强度坐标上的概率分布,以得到的概率值最大的点所对应的位置和污染物释放强度为辨识出的污染物源的位置和强度。
实施例
一种利用固定位置污染物探测器辨识城市空间多污染物源的方法,步骤如下:
第一步,根据城市三维地图建立建筑的三维模型,再根据气象站提供的待测城区上风向的主导风速和风向,使用计算流体力学求解纳维斯托克斯方程得出待测城区的速度场;
第二步,首先,默认待测城区只有一个污染物源,在所有污染物探测器中随机挑选三个探测器(如附图4所示),所选的探测器确保各个探测器检测到的污染物浓度值差别在20%以上,且探测器的位置不在一条直线上;然后,读取三个探测器检测到的污染物浓度信息、所处的位置坐标以及此时城市气象站记录的主导风向和风速,将数据分别记录为L1、L2和L3;
对每个探测器探测到的信息,通过求解污染物传播方程的伴随方程:
其中,ψ*为伴随概率因子(位置或者时间的伴随概率因子),τ为逆向的时间,为探测区域位置矢量,为污染物探测器位置矢量,C表示污染物浓度,Xj为位置坐标轴,其中j=1,2,3分别对应水平、垂直、竖直三个方向,Vj为Xj轴方向上的速度,νC,j表示污染物C在Xj方向上的有效湍流扩散系数,qO为污染物负源的单位体积流量,Γ1,Γ2和Γ3为边界条件,ni为Xj轴方向的单位矢量;为负荷项,其表达式由两个阶跃方程组成:
得出各个探测器辨识到的污染物源可能存在的位置,上述得出的可能的污染源位置无限多,通过公式(1-4)求解如下方程将三个探测器的辨识结果整合,即确定唯一一个可能的污染物源:
其中,N为探测数据的个数,τi、和分别为对应于第i个探测数据的探测位置、探测时间(逆向)和探测到的污染物浓度,τ0为已知的污染物释放时间,M0为假设的污染物释放强度,为根据第i个探测数据通过公式1-1计算出的污染源分布概率;为根据第i个探测数据求得的相应污染物释放浓度M0和位置x的概率分布;一般将的分布形式定义为正态分布:
其中,为对应于第i个探测数据可能的实际污染物浓度,为污染物探测器的测量误差的标准平方差;
通过将L1、L2和L3对应的信息代入上述公式(1-1)至公式(1-5)求解,辨识到第一个污染物源的第一个可能位置S1(1)和释放强度C1(1)后,在待测城区的地图上标示出S1(1)位置(如附图4所示);
第三步,在地图上从位置S1(1)出发沿着主导风向的方向移动再寻找三个位置最接近S1(1)的污染物探测器,记录其位置和污染物浓度信息并重复第二步,辨识到第一个污染物源的第二个可能位置S1(2)及相应的释放强度C1(2),并在待测城区的地图上标示出S1(2)位置(如附图5所示);寻找三个新的探测器时,必须向同一个方向偏移,使得到的污染物浓度值尽量只来自于一个污染源的影响;
第四步,如果离S1(1)最近的污染物探测器与离S1(2)最近的污染物探测器不是同一个污染物探测器,则表明没有辨识到污染物源,重复第三步直至离S1(n)与S1(n+1)最近的污染物探测器为同一个探测器,n=1,2,3,…;当离S1(n)与S1(n+1)最近的污染物探测器为同一个探测器时,S1(n+1)和C1(n+1)即为第一个污染物源的位置和释放强度;
第五步,确定第一个污染物源的位置和释放强度后,根据S1(n+1)和C1(n+1)求解污染物状态方程
其中,C表示污染物浓度,t为时间,Vj为Xj轴方向上的速度,νC,j表示污染物C在Xj方向上的有效湍流扩散系数,qO为污染物负源的单位体积流量,qI为污染物正源的单位体积流量,CI为相应的污染物体积浓度,SC为所有其它形式的污染物源,则(Sc+qICI-qOC)为所有外部污染物源的总和;Γ1,Γ2和Γ3为边界条件,C0为各个位置的初始浓度,g1,g2和g3表示已知的污染物边界条件数学表达式,ni为Xj轴方向的单位矢量;
得到由第一个污染物源导致的整个区域的污染物浓度分布(如附图6所示),读取各个污染物探测器对应位置处的污染物浓度值;由于在速度场稳定的情况下,公式(1-6)相对于质量浓度C来说是一个线性方程,因此各个污染物源造成的污染物浓度场可以直接相加或相减;将原有的所有探测器探测到的污染物浓度数据减去由第一个污染物源导致的浓度值,即得到剩余其它污染物源导致的各个污染物探测器处的污染物浓度值;
第六步,重复第二步至第五步直至所有的污染物探测器的数值都低于污染物对人体造成危害的限值。
本方法适用于如下特定的情境:
(1)流场是稳态的。在进行城市空间污染物源辨识时,本研究将直接使用气象站测量到的气象数据来模拟计算城市空间的流场。气象数据显示城市空间的主导风速和主导风向可能维持数小时不变,我们可以选取这些时段的数据进行污染物源的辨识。
(2)污染物源是释放强度恒定的点源。基于概率的伴随方法只能逆向辨识点源型(或者可以作为点源来考虑)的污染物源,线源和面源不在本研究的讨论范围之内。
(3)污染物是惰性污染物,且气流跟随性较好。为了方便起见,本研究只针对气流跟随性较好的惰性污染物。而如果要进一步考虑可与大气中其它物质反应或气流跟随性较差的颗粒性污染物,只要能够模拟计算准确,此方法同样适用。
(4)污染物探测器能够探测并记录污染物浓度,并且所有探测器的位置都已在地图中标示出来。
(5)有超过三个位置固定的污染物探测器。本方法需要至少三个污染物信息来对污染物源的位置和释放强度进行辨识。之所以需要三个,是因为此方法所要辨识的污染物源的信息包括位置(经度坐标和纬度坐标)以及释放强度三个变量,需要三个数据信息才能确定这三个变量的值。
(6)污染物浓度达到一定的限值才认为有害,才必须搜寻到相应的污染源。
Claims (1)
1.一种利用固定位置污染物探测器辨识城市空间多污染物源的方法,其特征在于,步骤如下:
第一步,根据城市三维地图建立建筑的三维模型,再根据气象站提供的待测城区上风向的主导风速和风向,使用计算流体力学求解纳维斯托克斯方程得出待测城区的速度场;
第二步,首先,默认待测城区只有一个污染物源,在所有污染物探测器中随机挑选三个探测器,所选的探测器确保各个探测器检测到的污染物浓度值差别在20%以上,且探测器的位置不在一条直线上;然后,读取三个探测器检测到的污染物浓度信息、所处的位置坐标以及此时城市气象站记录的主导风向和风速,将数据分别记录为L1、L2和L3;
对每个探测器探测到的信息,求解污染物传播方程的伴随方程:
其中,ψ*为位置或时间的伴随概率因子;τ为逆向的时间;为探测区域位置矢量;为污染物探测器位置矢量;C表示污染物浓度;Xj为位置坐标轴,其中j=1,2,3分别对应水平、垂直、竖直三个方向;Vj为Xj轴方向上的速度;νC,j表示污染物C在Xj方向上的有效湍流扩散系数;qO为污染物负源的单位体积流量;Γ1,Γ2和Γ3为边界条件;ni为Xj轴方向的单位矢量;为负荷项,其表达式由两个阶跃方程组成:
得出各个探测器辨识到的污染物源可能存在的位置,上述得出的可能的污染源位置无限多,通过公式(1-4)求解如下方程将三个探测器的辨识结果整合,即确定唯一一个可能的污染物源:
其中,N为探测数据的个数;τi、和分别为对应于第i个探测数据的探测位置、探测时间和探测到的污染物浓度;τ0为已知的污染物释放时间;M0为假设的污染物释放强度;为根据第i个探测数据通过公式(1-1)计算出的污染源概率分布;为根据第i个探测数据求得的相应污染物释放浓度M0和位置x的概率分布;一般将的分布形式定义为正态分布:
其中,为污染物探测器的测量误差的标准平方差;
通过将L1、L2和L3对应的信息代入上述公式(1-1)至公式(1-5)求解,辨识到第一个污染物源的第一个可能位置S1(1)和释放强度C1(1)后,在待测城区的地图上标示出S1(1)位置;
第三步,在地图上从位置S1(1)出发沿着主导风向的方向移动再寻找三个位置最接近S1(1)的污染物探测器,记录其位置和污染物浓度信息并重复第二步,辨识到第一个污染物源的第二个可能位置S1(2)及相应的释放强度C1(2),并在待测城区的地图上标示出S1(2)位置;寻找三个新的探测器时,必须向同一个方向偏移,使得到的污染物浓度值尽量只来自于一个污染源的影响;
第四步,如果离S1(1)最近的污染物探测器与离S1(2)最近的污染物探测器不是同一个污染物探测器,则表明没有辨识到污染物源,重复第三步直至离S1(n)与S1(n+1)最近的污染物探测器为同一个探测器,n=1,2,3,…;当离S1(n)与S1(n+1)最近的污染物探测器为同一个探测器时,S1(n+1)和C1(n+1)即为第一个污染物源的位置和释放强度;
第五步,确定第一个污染物源的位置和释放强度后,根据S1(n+1)和C1(n+1)求解污染物状态方程
其中,C表示污染物浓度;t为时间;Vj为Xj轴方向上的速度;vC,j表示污染物C在Xj方向上的有效湍流扩散系数;qO为污染物负源的单位体积流量;qI为污染物正源的单位体积流量;CI为相应的污染物体积浓度;SC为所有其它形式的污染物源,则(Sc+qICI-qOC)为所有外部污染物源的总和;Γ1,Γ2和Γ3为边界条件;C0为各个位置的初始浓度;g1,g2和g3表示已知的污染物边界条件数学表达式;ni为Xj轴方向的单位矢量;
得到由第一个污染物源导致的整个区域的污染物浓度分布,读取各个污染物探测器对应位置处的污染物浓度值;由于在速度场稳定的情况下,公式(1-6)相对于质量浓度C来说是一个线性方程,因此各个污染物源造成的污染物浓度场直接相加或相减;将原有的所有探测器探测到的污染物浓度数据减去由第一个污染物源导致的浓度值,即得到剩余其它污染物源导致的各个污染物探测器处的污染物浓度值;
第六步,重复第二步至第五步直至所有的污染物探测器的数值都低于污染物对人体造成危害的限值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611046575.2A CN106650017B (zh) | 2016-11-23 | 2016-11-23 | 一种利用固定位置污染物探测器辨识城市空间多污染物源的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611046575.2A CN106650017B (zh) | 2016-11-23 | 2016-11-23 | 一种利用固定位置污染物探测器辨识城市空间多污染物源的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106650017A CN106650017A (zh) | 2017-05-10 |
CN106650017B true CN106650017B (zh) | 2019-11-08 |
Family
ID=58812543
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611046575.2A Active CN106650017B (zh) | 2016-11-23 | 2016-11-23 | 一种利用固定位置污染物探测器辨识城市空间多污染物源的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106650017B (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10502862B2 (en) * | 2017-05-17 | 2019-12-10 | International Business Machines Corporation | Combined chemical and velocity sensors for fluid contamination analysis |
CN107656298B (zh) * | 2017-09-15 | 2020-04-07 | 深圳市卡普瑞环境科技有限公司 | 一种获取方位信息的方法及相关设备 |
CN107631729A (zh) * | 2017-09-15 | 2018-01-26 | 深圳市卡普瑞环境科技有限公司 | 一种排放源信息校验方法及终端设备 |
CN108304610B (zh) * | 2017-12-22 | 2021-05-18 | 中山大学 | 一种大气高污染过程动态追踪方法 |
CN108536980B (zh) * | 2018-04-18 | 2021-11-12 | 中国石油大学(华东) | 一种考虑可靠性因素的气体探测器离散选址优化方法 |
CN108826488B (zh) | 2018-05-07 | 2019-11-08 | 大连理工大学 | 一种自动寻源式的室内污染净化去除装置及方法 |
CN109001991A (zh) * | 2018-08-02 | 2018-12-14 | 安徽中发环保科技有限公司 | 一种工业粉尘的粉尘在线监控系统 |
CN109885804A (zh) * | 2019-01-23 | 2019-06-14 | 大连理工大学 | 一种基于监测车的大气污染监测和源辨识方法 |
CN111714991A (zh) * | 2020-06-29 | 2020-09-29 | 康宁股份有限公司 | 用于城市空气净化系统的方法和设备 |
CN112259172B (zh) * | 2020-10-30 | 2023-11-07 | 大连理工大学 | 一种存在空气污染物化学反应情况的污染源逆向辨识方法 |
CN112257209A (zh) * | 2020-10-30 | 2021-01-22 | 大连理工大学 | 基于固定监测点数据的室内污染监测系统 |
CN112257354B (zh) * | 2020-10-30 | 2024-05-03 | 大连理工大学 | 一种动态风场条件下的空气污染源逆向定位方法 |
CN112347712B (zh) * | 2020-10-30 | 2024-06-18 | 大连理工大学 | 一种存在颗粒污染物沉降情况的污染源逆向辨识方法 |
CN112257353A (zh) * | 2020-10-30 | 2021-01-22 | 大连理工大学 | 一种污染物监测站点有效覆盖范围的逆向计算方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103258116A (zh) * | 2013-04-18 | 2013-08-21 | 国家电网公司 | 一种大气污染物扩散模型的构建方法 |
CN104597212A (zh) * | 2015-02-03 | 2015-05-06 | 无锡中电科物联网创新研发中心 | 一种大气污染源定位方法 |
-
2016
- 2016-11-23 CN CN201611046575.2A patent/CN106650017B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103258116A (zh) * | 2013-04-18 | 2013-08-21 | 国家电网公司 | 一种大气污染物扩散模型的构建方法 |
CN104597212A (zh) * | 2015-02-03 | 2015-05-06 | 无锡中电科物联网创新研发中心 | 一种大气污染源定位方法 |
Non-Patent Citations (1)
Title |
---|
Inverse identification of multiple outdoor pollutant sources with a mobile sensor;Yu Xue等;《Building Simulation》;20160906;第256页左栏第1段-第262页右栏第3段,图1 * |
Also Published As
Publication number | Publication date |
---|---|
CN106650017A (zh) | 2017-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106650017B (zh) | 一种利用固定位置污染物探测器辨识城市空间多污染物源的方法 | |
CN106777893A (zh) | 一种利用可移动污染物探测器辨识城市空间多污染物源的方法 | |
Papadopoulou et al. | Optimal sensor placement for time-dependent systems: Application to wind studies around buildings | |
CN109117549A (zh) | 一种污染物扩散预测方法及系统 | |
CN102999664B (zh) | 一种室内污染源位置识别方法 | |
Wang et al. | Locating hazardous gas leaks in the atmosphere via modified genetic, MCMC and particle swarm optimization algorithms | |
Xue et al. | Inverse identification of multiple outdoor pollutant sources with a mobile sensor | |
CN103353923A (zh) | 基于空间特征分析的自适应空间插值方法及其系统 | |
CN115544919B (zh) | 一种气流体污染物排放源的溯源方法及装置 | |
CN112307602A (zh) | 一种地下水污染源信息和水力渗透系数场联合反演的方法 | |
CN116518504A (zh) | 一种室内空气环境空间分布分析系统 | |
Hernandez et al. | Analysis of the information obtained from PM 2.5 concentration measurements in an urban park | |
CN106096246A (zh) | 基于pm2.5和pm10的气溶胶光学厚度估计方法 | |
CN114822709A (zh) | 大气污染多粒度精准成因分析方法及装置 | |
Ruddick et al. | Design and performance evaluation of an infotaxis-based three-dimensional algorithm for odor source localization | |
CN116973523B (zh) | 基于mems气体传感器阵列的气体检测方法及系统 | |
Prabowo et al. | Integration of Bayesian inference and anemotaxis for robotics gas source localization in a large cluttered outdoor environment | |
CN112257354B (zh) | 一种动态风场条件下的空气污染源逆向定位方法 | |
CN112259172B (zh) | 一种存在空气污染物化学反应情况的污染源逆向辨识方法 | |
CN117312784A (zh) | 一种基于受体模型和大数据联用的污染源溯源方法 | |
CN112347712B (zh) | 一种存在颗粒污染物沉降情况的污染源逆向辨识方法 | |
JP5131400B1 (ja) | 降下煤塵の非定常発塵源位置の探索方法 | |
Rossi et al. | Empirical analysis of vehicle time headways and speeds on rural two-lane, two-way roads | |
KR20140038555A (ko) | 강하 매진의 비정상 발진원 위치의 탐색 방법 | |
Wada et al. | Estimation of gas source location from fluctuating readings of gas sensors and anemometer on mobile robot in outdoor environment |
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 |