CN106777893A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN106777893A CN106777893A CN201611046587.5A CN201611046587A CN106777893A CN 106777893 A CN106777893 A CN 106777893A CN 201611046587 A CN201611046587 A CN 201611046587A CN 106777893 A CN106777893 A CN 106777893A
- Authority
- CN
- China
- Prior art keywords
- pollutant
- contamination
- concentration
- tau
- 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.)
- Pending
Links
Classifications
-
- 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
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2219/00—Indexing scheme relating to application aspects of data processing equipment or methods
- G06F2219/10—Environmental application, e.g. waste reduction, pollution control, compliance with environmental legislation
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于大气污染物源辨识技术领域,具体涉及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。此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,能够使用单个可移动污染物探测器快速辨识出多个污染物源,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。
Description
技术领域
本发明属于大气污染物源辨识技术领域,具体涉及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,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。此方法借助可移动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,而基于概率的伴随方法已经能够很好地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污染物探测器(可移动)信息辨识多污染物源的方法。
本发明的技术方案:
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,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)将污染物探测器在待测城区中共移动三个测点,首先,默认待测城区只有一个污染物源,将污染物探测器移动到待测城区随机一个位置,并探测其污染物浓度;若探测到的污染物浓度值高于污染物对人体造成危害的限值,则将此时污染物探测器的位置、探测到的污染物浓度以及当时气象站的气象数据记录为L1;再将污染物探测器移动到另外一个位置,并将此时污染物探测器的位置、探测到的污染物浓度以及当时气象站的气象数据记录为L2,判断正确的移动方向和距离的指标为L2的污染物浓度与L1的污染物浓度相差最少20%;最后,将污染物探测器移动到第三个位置,并将此时污染物探测器的位置、探测到的污染物浓度以及当时气象站的气象数据记录为L3;
(3)根据L1、L2和L3,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),将污染物探测器移动到S1(1)处并测量此处污染物的真实浓度C1(1,real);
(4)如果污染物的真实浓度C1(1,real)与释放强度C1(1)数值差距明显,则将污染物探测器从S1(1)出发沿主导风向移动,直到探测到高于污染物对人体造成危害的限值,并将此时污染物探测器的位置、探测到的污染物浓度以及当时气象站的气象数据记录为L4,然后重复步骤(2)至步骤(3),直至得到的C1(n,real)与C1(n)相匹配,即两者数值为一个数量级;此时表明真实的污染物源在S1(n)附近,在S1(n)附近搜寻以确认污染物源精确位置和释放强度;
(5)确定第一个污染物源的位置和释放强度后,根据S1和C1模拟计算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),读取污染物探测器探测过的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已探测位置处的污染物浓度值;
(6)经过上述处理后,如果各个已探测位置处的浓度值依然高于污染物对人体造成危害的限值,表明还有污染物源没有被找到,重复步骤二至步骤七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,则认为所有威胁的污染物源均已被找到。
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。
此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,能够使用单个可移动污染物探测器快速辨识出多个污染物源,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。
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是使用可移动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
一种利用可移动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,将污染物探测器在待测城区中共移动三个测点,首先,默认待测城区只有一个污染物源,将污染物探测器移动到待测城区随机一个位置,并探测其污染物浓度;若探测到的污染物浓度值高于污染物对人体造成危害的限值,则将此时污染物探测器的位置、探测到的污染物浓度以及当时气象站的气象数据记录为L1;再将污染物探测器移动到另外一个位置,并将此时污染物探测器的位置、探测到的污染物浓度以及当时气象站的气象数据记录为L2,判断正确的移动方向和距离的指标为L2的污染物浓度与L1的污染物浓度相差最少20%;最后,将污染物探测器移动到第三个位置,并将此时污染物探测器的位置、探测到的污染物浓度以及当时气象站的气象数据记录为L3;
第三步,对每个测点探测到的数据,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,为对应于第i个探测数据的SALP;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),将污染物探测器移动到S1(1)处并测量此处污染物的真实浓度C1(1,real);
第四步,如果污染物的真实浓度C1(1,real)与释放强度C1(1)数值差距明显,则将污染物探测器从S1(1)出发沿主导风向移动,直到探测到高于污染物对人体造成危害的限值,并将此时污染物探测器的位置、探测到的污染物浓度以及当时气象站的气象数据记录为L4,然后重复第二步至第三步,直至得到的C1(n,real)与C1(n)相匹配,即两者数值为一个数量级;此时表明真实的污染物源在S1(n)附近,在S1(n)附近搜寻以确认污染物源精确位置和释放强度;
第五步,确定第一个污染物源的位置和释放强度后,根据S1和C1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,读取污染物探测器探测过的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已探测位置处的污染物浓度值;
第六步,经过上述处理后,如果各个已探测位置处的浓度值依然高于污染物对人体造成危害的限值,表明还有污染物源没有被找到,重复步骤二至步骤七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,则认为所有威胁的污染物源均已被找到。
本方法适用于有如下特定情境:
(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,我们可以选取主导风速和风向已经稳定一段时间之后开始使用可移动污染物探测器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)可移动的污染物探测器能够探测并记录污染物浓度及相应的位置信息。
(5)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)
1.一种利用可移动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,将污染物探测器在待测城区中选取三个测点进行测量,首先,默认待测城区只有一个污染物源,将污染物探测器移动到待测城区随机一个位置,并探测其污染物浓度;若探测到的污染物浓度值高于污染物对人体造成危害的限值,则将此时污染物探测器的位置、探测到的污染物浓度以及当时气象站的气象数据记录为L1;再将污染物探测器移动到另外一个位置,并将此时污染物探测器的位置、探测到的污染物浓度以及当时气象站的气象数据记录为L2,判断正确的移动方向和距离的指标为L2的污染物浓度与L1的污染物浓度相差最少20%;最后,将污染物探测器移动到第三个位置,并将此时污染物探测器的位置、探测到的污染物浓度以及当时气象站的气象数据记录为L3;
第三步,对每个测点探测到的数据,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,通过求解如下方程公式(1-4),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,即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),将污染物探测器移动到S1(1)处并测量此处污染物的真实浓度C1(1,real);
第四步,如果污染物的真实浓度C1(1,real)与释放强度C1(1)数值差距明显,则将污染物探测器从S1(1)出发沿主导风向移动,直到探测到高于污染物对人体造成危害的限值,并将此时污染物探测器的位置、探测到的污染物浓度以及当时气象站的气象数据记录为L4,然后重复第二步至第三步,直至得到的C1(n,real)与C1(n)相匹配,即两者数值为一个数量级;此时表明真实的污染物源在S1(n)附近,在S1(n)附近搜寻以确认污染物源精确位置和释放强度;
第五步,确定第一个污染物源的位置和释放强度后,根据S1和C1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,读取污染物探测器探测过的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已探测位置处的污染物浓度值;
第六步,经过上述处理后,如果各个已探测位置处的浓度值依然高于污染物对人体造成危害的限值,表明还有污染物源没有被找到,重复步骤二至步骤七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,则认为所有威胁的污染物源均已被找到。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611046587.5A CN106777893A (zh) | 2016-11-23 | 2016-11-23 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611046587.5A CN106777893A (zh) | 2016-11-23 | 2016-11-23 | 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 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106777893A true CN106777893A (zh) | 2017-05-31 |
Family
ID=58975503
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611046587.5A Pending CN106777893A (zh) | 2016-11-23 | 2016-11-23 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106777893A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107589223A (zh) * | 2017-09-15 | 2018-01-16 | 深圳市卡普瑞环境科技有限公司 | 一种定位的方法、装置以及存储介质 |
CN107917987A (zh) * | 2017-11-09 | 2018-04-17 | 北京伟瑞迪科技有限公司 | 一种面向城市空气污染物溯源分析方法 |
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 |
CN112259172A (zh) * | 2020-10-30 | 2021-01-22 | 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 |
CN112257354A (zh) * | 2020-10-30 | 2021-01-22 | 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 |
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 (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103063716A (zh) * | 2012-12-27 | 2013-04-24 | 扬州大学 | 大气污染气体检测系统 |
CN103667327A (zh) * | 2013-12-06 | 2014-03-26 | 中国科学院苏州生物医学工程技术研究所 | 一种用于检测环境污染物的转基因斑马鱼的制备方法 |
CN204188565U (zh) * | 2014-11-17 | 2015-03-04 | 肖洋 | 在线检测污染源废气中有机污染物浓度的监控设备 |
CN106093333A (zh) * | 2016-07-29 | 2016-11-09 | 华中科技大学 | 一种水域污染源自动探测装置 |
CN106125159A (zh) * | 2016-07-29 | 2016-11-16 | 华中科技大学 | 一种水域污染源自动探测方法 |
-
2016
- 2016-11-23 CN CN201611046587.5A patent/CN106777893A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103063716A (zh) * | 2012-12-27 | 2013-04-24 | 扬州大学 | 大气污染气体检测系统 |
CN103667327A (zh) * | 2013-12-06 | 2014-03-26 | 中国科学院苏州生物医学工程技术研究所 | 一种用于检测环境污染物的转基因斑马鱼的制备方法 |
CN204188565U (zh) * | 2014-11-17 | 2015-03-04 | 肖洋 | 在线检测污染源废气中有机污染物浓度的监控设备 |
CN106093333A (zh) * | 2016-07-29 | 2016-11-09 | 华中科技大学 | 一种水域污染源自动探测装置 |
CN106125159A (zh) * | 2016-07-29 | 2016-11-16 | 华中科技大学 | 一种水域污染源自动探测方法 |
Non-Patent Citations (1)
Title |
---|
YU XUE等: "Inverse identification of multiple outdoor pollutant sources with a mobile sensor", 《BUILDING SIMULATION》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107589223A (zh) * | 2017-09-15 | 2018-01-16 | 深圳市卡普瑞环境科技有限公司 | 一种定位的方法、装置以及存储介质 |
CN107589223B (zh) * | 2017-09-15 | 2020-04-07 | 深圳市卡普瑞环境科技有限公司 | 一种定位的方法、装置以及存储介质 |
CN107917987A (zh) * | 2017-11-09 | 2018-04-17 | 北京伟瑞迪科技有限公司 | 一种面向城市空气污染物溯源分析方法 |
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 |
CN112259172A (zh) * | 2020-10-30 | 2021-01-22 | 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 |
CN112257354A (zh) * | 2020-10-30 | 2021-01-22 | 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 |
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 |
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 |
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 |
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 | |
CN110398320A (zh) | 一种易于持续优化的燃气泄漏检测定位方法及系统 | |
CN106896145A (zh) | 有毒有害气体无人机检测系统和检测方法 | |
Feng et al. | Computational simulations of blown sand fluxes over the surfaces of complex microtopography | |
Garmory et al. | Simulations of the dispersion of reactive pollutants in a street canyon, considering different chemical mechanisms and micromixing | |
CN106202533A (zh) | 街道峡谷机动车尾气污染物浓度估算系统 | |
Wang et al. | Locating hazardous gas leaks in the atmosphere via modified genetic, MCMC and particle swarm optimization algorithms | |
CN111912937B (zh) | 一种室内突发污染物智能实时溯源方法及系统 | |
Ma et al. | Location of contaminant emission source in atmosphere based on optimal correlated matching of concentration distribution | |
CN116518504A (zh) | 一种室内空气环境空间分布分析系统 | |
Zhu et al. | Multi-sensing paradigm based urban air quality monitoring and hazardous gas source analyzing: a review | |
Ruddick et al. | Design and performance evaluation of an infotaxis-based three-dimensional algorithm for odor source localization | |
KR101788389B1 (ko) | 가스 확산 모델링 장치 및 방법 | |
Moon et al. | A uav based 3-d positioning framework for detecting locations of buried persons in collapsed disaster area | |
CN106197859B (zh) | 一种考虑有限空间约束的气体源定位方法 | |
CN116973523A (zh) | 基于mems气体传感器阵列的气体检测方法及系统 | |
Ma et al. | Emission source tracing based on bionic algorithm mobile sensors with artificial olfactory system | |
Richmond-Bryant et al. | Air pollutant retention within a complex of urban street canyons | |
Prabowo et al. | Integration of Bayesian inference and anemotaxis for robotics gas source localization in a large cluttered outdoor environment | |
CN103940430B (zh) | 一种状态受限移动多传感器配置及多目标跟踪方法 | |
Osório et al. | Mobile Robot Odor Plume Tracking using Three Dimensional Information. | |
CN112257354B (zh) | 一种动态风场条件下的空气污染源逆向定位方法 | |
US20100042332A1 (en) | System and method for source identification for a chemical release | |
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 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170531 |
|
RJ01 | Rejection of invention patent application after publication |