CN109885804A - 一种基于监测车的大气污染监测和源辨识方法 - Google Patents
一种基于监测车的大气污染监测和源辨识方法 Download PDFInfo
- Publication number
- CN109885804A CN109885804A CN201910063268.2A CN201910063268A CN109885804A CN 109885804 A CN109885804 A CN 109885804A CN 201910063268 A CN201910063268 A CN 201910063268A CN 109885804 A CN109885804 A CN 109885804A
- Authority
- CN
- China
- Prior art keywords
- source
- monitoring
- pollution
- concentration
- pollutant
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 84
- 238000012850 discrimination method Methods 0.000 title abstract 2
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 77
- 231100000719 pollutant Toxicity 0.000 claims abstract description 76
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000004088 simulation Methods 0.000 claims abstract description 13
- 239000000356 contaminant Substances 0.000 claims description 26
- 238000001514 detection method Methods 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 7
- 235000012237 sodium aluminium phosphate Nutrition 0.000 claims description 7
- IQQWMJSNEUUJAY-UHFFFAOYSA-D trialuminum;sodium;dihydrogen phosphate;hydrogen phosphate;tetrahydrate Chemical compound O.O.O.O.[Na+].[Al+3].[Al+3].[Al+3].OP(O)([O-])=O.OP(O)([O-])=O.OP(O)([O-])=O.OP(O)([O-])=O.OP(O)([O-])=O.OP(O)([O-])=O.OP([O-])([O-])=O.OP([O-])([O-])=O IQQWMJSNEUUJAY-UHFFFAOYSA-D 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000011144 upstream manufacturing Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 239000012530 fluid Substances 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 238000009792 diffusion process Methods 0.000 claims description 3
- 238000001931 thermography Methods 0.000 claims description 2
- 238000011109 contamination Methods 0.000 abstract description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012358 sourcing Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于监测车的大气污染监测和源辨识方法，属于大气污染物监测和源辨识技术领域。首先通过城市卫星地图建立待测城区建筑的三维模型；根据气象站提供的实时风速风向模拟计算出城区动态的流场；监测车按一定路线和原则选定三个测点，记录位置、时间和污染物浓度数据，通过伴随方法计算出可能的污染源位置，为监测车寻源方向提供指导；若没找到实际污染源，说明区域内存在多个污染源，需要继续选择其他测点重新辨识。对于多污染源情况，需要将找到的污染源关闭，去除其在研究区域内的污染影响，再利用同样方法依次寻找其余污染源。如此可以在实际动态风条件下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监测和源辨识技术领域，具体涉及一种在动态气象条件下利用移动监测车对同时存在的多个污染物源进行位置和释放强度的辨识方法。
背景技术
大气污染已成为现代城市面临的严重问题，污染物的不合理排放不但对环境造成影响，同时威胁着居民的健康。在大气污染事件中，能否根据临时监测数据对污染源的位置进行快速识别，对于城市大气污染源的控制管理以及改善城市空气质量意义重大。目前对于大气污染的监测方法相对简单，监测路线以及点位覆盖不全面不细致，监测水平亟待提升，同时缺少应用于实际的有效寻源方式。
现有专利：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 (授权公告号CN106777893A)采用基于概率论的伴随方法，在稳定流场中通过有限个移动探测器做到对城市多个污染源的快速辨识。该发明的缺陷在于：没有考虑到现实情况中风向风速是随时间不断变化的，导致研究区域的风场和污染物浓度场是动态而非稳定的。风场模拟的准确性对污染源方向的判断有重要影响，采用稳态流场进行模拟计算可能导致寻源的结果有误，或在寻源过程中浪费不必要的时间。
因此，针对上述问题，本发明进一步改进了伴随方法用于城市空间的多污染物源辨识，提出一种应用于实际动态流场中的基于监测车的大气污染监测和源辨识方法，使源辨识结果更加准确，能够降低城市大气污染治理的成本，有助于城市空气的治理和改善。
发明内容
本发明的主要目的在于解决城市污染源的快速辨识问题，以及解决专利(授权公告号CN106777893A)没有考虑到实际情况下动态流场的缺陷。提出一种能应用于实际的，借助污染物监测车辨识多污染物源的方法。
本发明的技术方案：
一种基于监测车的大气污染监测和源辨识方法，步骤如下：
(1)根据城市卫星地图建立待测城区建筑的三维模型；
(2)首先默认待测城区只有一个污染源；监测车以5-10米/秒的速度于待测城区内行驶，路线覆盖待测城区内所有道路，沿路实时监测污染物浓度；若监测到污染物浓度值高于污染物对人体造成危害的限值，停车至污染物浓度数据稳定，将监测车位置坐标、停车时刻、污染物浓度记录为(P1，T1，C1)；再将监测车行驶至另外一个位置，停车并记录相关信息为(P2，T2，C2)；P2位置的选取原则是在P1位置基础上，沿街道向前或向后行驶，寻找一个污染物浓度与P1的污染物浓度相差至少10％的位置；最后，监测车移动到第三个位置，停车并记录(P3，T3，C3)，P3位置的选取原则同P2，且P1、P2和P3三点的连线不与主导风向平行；若难以达到以上浓度要求，则在P1位置前后30-50米选点作为P2和P3；
(3)获取气象站提供的待测城区每秒变化的风速和风向信息，并选择合适的时间尺度做一定的数学上的简化处理；流场每隔一段时间更新，并假设在每个时段内是恒定的；从监测结束时刻开始，到监测开始时刻为止，将整理后的风象信息按时间逆序排列，作为变化的速度入口边界条件，使用计算流体力学求解纳维斯托克斯方程，得出监测期间待测城区按时间逆序变化的速度场；与稳态模拟相比，该处理可以描述风变对污染的影响；
(4)污染物受变化的速度场的影响，其传播方程的边界条件也是动态变化的；将监测车记录的每个测点的浓度、位置和时间信息，代入非稳态的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，为测点位置矢量，c表示污染物浓度，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，q0为污染物负源的单位体积流量，Γ1,Γ2和Γ3为边界条件，ni为xi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：
与速度方程相同，污染物的伴随方程也是从监测结束时刻开始，计算至监测开始时刻为止，通过求解方程得到每个测点推得的污染源的标准伴随位置概率(SALP)；每个位置的SALP表示源存在的可能性，概率最大位置就是污染物源最可能存在的位置；每个测点单独推得的污染源位置无限多，通过求解如下方程公式(1-4)，将三个测点的辨识结果整合，即可确定唯一一个可能的污染源位置及强度：
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为假设的污染物释放时间，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，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；σε为本寻源方法的标准差，设定为60％，其中包括20％的仪器误差，20％的风简化误差和 20％的计算误差；
代入P1、P2和P3对应的位置、浓度和时间信息，求解非稳态的污染物传播方程的伴随方程，并结合概率方法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)，无人机飞至S1(1)处确定污染源的真实位置；
(5)若无人机没有在S(1)附近找到污染源，则监测车前往S1(1)位置，并注意沿途污染物浓度的变化趋势；如果浓度明显上升然后下降，说明真实源位于峰值位置附近或上游；如果浓度持续上升，说明真实源位置可能在S1(1)上游；根据此原则搜索以找到确切的源位置，派管理人员将其关闭，阻止其继续超标排放，目的是将已知污染源的影响从场内去除；
(6)若步骤(5)没有找到实际污染源，说明区域内存在多个污染源，监测车从S1(1)出发沿此时主导风向移动，选择三个新的测点并重复第二步至第五步，直至找到污染源的准确位置；
(7)将所有已知污染源关停后，如果监测车在区域内依然能测到高于人体危害限值的污染浓度，表明还有污染源没有被找到，重复步骤二至步骤六直至所有威胁的污染物源均已被找到。
步骤(3)中，所述的对每秒变化的风速和风向信息选择合适的时间尺度做一定的数学上的简化处理，该时间尺度的选择应考虑计算量和准确性，时间尺度过大不能反映风的变化，过小会带来巨大的计算量。该值可使用监测区域半径与小时平均风速的比值来大致估算，或可暂定时间尺度为十分钟；数学上的简化处理优选对上述时间尺度风象数据求矢量平均值的方法。
所述移动监测车上载有大气污染物监测仪、便携污染物探测设备、红外热成像系统、可携载设备的无人机、卫星通讯定位系统、微型气象站、快速计算工作站。
所述大气污染物监测仪可满足对待测地区特定的污染物种类的监测，且保证测试精度；无人机可携载便携污染物监测设备，在初步判断污染源位置S1后，前往该处进行位置和浓度确认；卫星通讯定位系统可精确记录行车路线和测点位置；微型气象站提供实时气象数据；工作站配置要满足城市尺度CFD模拟计算需求。
本发明的有益效果：本发明计算时不再采用固定不变的风象数据，而是使用气象站实时更新的风象数据，在模拟计算中更大的还原了实际流场和污染物传递的情况；在监测过程中增加了对测试时间点的记录，模拟计算公式中增加了时间项，对污染物的传播采用非稳态计算，本方法更贴近现实情况，故计算结果更加准确；
附图说明
图1为本发明提供的一种大气污染监测方法的流程示意图；
图2为本发明实施例提供的一个简化案例中的寻源过程图；
图3为本发明提供的一种大气污染监测车布局俯视图；
图4为本发明提供的一种大气污染监测车布局左视图；
图5为本发明提供的一种大气污染监测车布局后视图。
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。
本发明需要将时间逆向考虑，也就是将时间倒序的气象数据作为流场的计算条件，同时需要借助计算流体力学对城市空间的流场和污染物场进行逆向模拟计算。再使用伴随方法通过求解质量传递方程的伴随方程，然后依据污染物监测车提供的测量时间、位置、浓度数据，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，得到的概率值最大的点所对应的位置和强度为辨识出的污染物源的位置和强度。伴随概率算法的辨识结果给监测车寻源提供了方向上的指导，实施过程总结为监测——计算——寻源，是一个理论计算与实测相结合的过程。
以一个简单的二维流场为实施例，在2：00至3：00的风条件影响下，两个污染源一小时内的污染分布如图2-（1），寻源步骤如下：
第一步，根据城市卫星地图建立待测城区建筑的三维模型(省略)。
第二步，首先，默认待测区域只有一个污染源。监测车以5-10米/秒的速度于城区内行驶，监测到污染物浓度值高于污染物对人体造成危害的限值时，停车将监测车位置坐标、停车时刻、测得的污染物浓度值记录为(P1，2:43， 0.68mg/m3)；再将监测车行驶至另外一个位置，停车并记录相关信息为(P2， 2:48，5.92mg/m3)；最后，监测车移动到第三个位置，停车并记录(P3，2:53， 14.67mg/m3)。P1、P2与P3点的浓度相差在10％以上，且P1、P2和P3三点的连线不与主导风向平行。
第三步，获取气象站提供的待测城区每秒变化的风速和风向信息，并选择合适的时间尺度做一定的数学上的简化处理，例如优选的对十分钟气象数据做矢量平均处理。流场每隔一段时间更新，并假设在每个时段内是恒定的。从监测结束时刻开始，到监测开始时刻为止，将整理后的风象信息按时间逆序排列，作为变化的速度入口边界条件，使用计算流体力学求解纳维斯托克斯方程，得出监测期间待测城区按时间逆序变化的速度场。与稳态模拟相比，该处理可以描述风变对污染的影响。
第四步，污染物受变化的速度场的影响，其传播方程的边界条件也是动态变化的。将监测车记录的每个测点的浓度、位置和时间信息，代入非稳态的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，为测点位置矢量，C表示污染物浓度，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，q0为污染物负源的单位体积流量，Γ1,Γ2和Γ3为边界条件，ni为xi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：
与速度方程相同，污染物的伴随方程也是从监测结束时刻开始，计算至监测开始时刻为止，通过求解方程得到每个测点推得的污染源的潜在位置概率分布，概率最大位置就是污染物源最可能存在的位置。每个测点单独推得的污染源位置无限多，通过求解如下方程公式(1-4)，将三个测点的辨识结果整合，即可确定唯一一个可能的污染源位置及强度：
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为假设的污染物释放时间，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；σε为本寻源方法的标准差，可设定为60％，其中包括20％的仪器误差，20％的风简化误差和 20％的计算误差。
将P1、P2和P3对应的位置、浓度和时间信息代入上述公式(1-1)至公式(1-5)，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450mg/s[如图 2-(2)]，派无人机飞至S1(1)处确定污染源的真实位置；
第五步，无人机没有在S(1)附近找到污染源，监测车前往S1(1)位置，沿途污染物浓度浓度持续上升，说明真实源位置可能在S1(1)上游，但200米内并没找到污染源，说明区域内存在多个污染源。派管理人员。
第六步，监测车从S1(1)出发沿此时主导风向向北移动，选择三个新的测点并重复第二步至第五步，找到污染源的准确位置[如图2-(3)]并将其关闭。
第七步，监测车在区域内依然能测到高于人体危害限值的污染浓度，表明还有污染源没有被找到，重复步骤二至步骤六找到第二个污染源[如图2-(4)]并将其关闭。
参见图3-图5，为大气污染监测车内布局示意图，监测车上载有大气污染物监测仪、便携污染物探测设备、可携载设备的无人机、卫星通讯定位系统、微型气象站、快速计算工作站。其中大气污染物监测仪可满足对待测地区特定的污染物种类的监测，且保证测试精度；无人机可携载便携污染物监测设备，在初步判断污染源位置S1后，前往该处进行位置和浓度确认；卫星通讯定位系统可精确记录行车路线和测点位置；微型气象站提供实时气象数据；工作站配置要满足城市尺度CFD模拟计算需求。
本方法适用于有如下特定情境：
(1)流场是非稳态的。本研究需要获取气象站每秒实时输出的气象数据，来模拟计算城市空间变化的流场。
(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)移动监测车能够探测到特定种类的污染物，并记录污染物浓度及相应的时间、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 (3)
1.一种基于监测车的大气污染监测和源辨识方法，其特征在于，步骤如下：
(1)根据城市卫星地图建立待测城区建筑的三维模型；
(2)首先默认待测城区只有一个污染源；监测车以5-10米/秒的速度于待测城区内行驶，路线覆盖待测城区内所有道路，沿路实时监测污染物浓度；若监测到污染物浓度值高于污染物对人体造成危害的限值，停车至污染物浓度数据稳定，将监测车位置坐标、停车时刻、污染物浓度记录为(P1，T1，C1)；再将监测车行驶至另外一个位置，停车并记录相关信息为(P2，T2，C2)；P2位置的选取原则是在P1位置基础上，沿街道向前或向后行驶，寻找一个污染物浓度与P1的污染物浓度相差至少10％的位置；最后，监测车移动到第三个位置，停车并记录(P3，T3，C3)，P3位置的选取原则同P2，且P1、P2和P3三点的连线不与主导风向平行；若难以达到以上浓度要求，则在P1位置前后30-50米选点作为P2和P3；
(3)获取气象站提供的待测城区每秒变化的风速和风向信息，并选择合适的时间尺度做一定的数学上的简化处理；流场每隔一段时间更新，并假设在每个时段内是恒定的；从监测结束时刻开始，到监测开始时刻为止，将整理后的风象信息按时间逆序排列，作为变化的速度入口边界条件，使用计算流体力学求解纳维斯托克斯方程，得出监测期间待测城区按时间逆序变化的速度场；与稳态模拟相比，该处理可以描述风变对污染的影响；
(4)污染物受变化的速度场的影响，其传播方程的边界条件也是动态变化的；将监测车记录的每个测点的浓度、位置和时间信息，代入非稳态的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，为测点位置矢量，c表示污染物浓度，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，q0为污染物负源的单位体积流量，Γ1,Γ2和Γ3为边界条件，ni为xi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：
与速度方程相同，污染物的伴随方程也是从监测结束时刻开始，计算至监测开始时刻为止，通过求解方程得到每个测点推得的污染源的标准伴随位置概率SALP；每个位置的SALP表示源存在的可能性，概率最大位置就是污染物源最可能存在的位置；每个测点单独推得的污染源位置无限多，通过求解如下方程公式(1-4)，将三个测点的辨识结果整合，即可确定唯一一个可能的污染源位置及强度：
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为假设的污染物释放时间，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，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；σε为本寻源方法的标准差，设定为60％，其中包括20％的仪器误差，20％的风简化误差和20％的计算误差；
代入P1、P2和P3对应的位置、浓度和时间信息，求解非稳态的污染物传播方程的伴随方程，并结合概率方法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)，无人机飞至S1(1)处确定污染源的真实位置；
(5)若无人机没有在S(1)附近找到污染源，则监测车前往S1(1)位置，并注意沿途污染物浓度的变化趋势；如果浓度明显上升然后下降，说明真实源位于峰值位置附近或上游；如果浓度持续上升，说明真实源位置可能在S1(1)上游；根据此原则搜索以找到确切的源位置，派管理人员将其关闭，阻止其继续超标排放，目的是将已知污染源的影响从场内去除；
(6)若步骤(5)没有找到实际污染源，说明区域内存在多个污染源，监测车从S1(1)出发沿此时主导风向移动，选择三个新的测点并重复第二步至第五步，直至找到污染源的准确位置；
(7)将所有已知污染源关停后，如果监测车在区域内依然能测到高于人体危害限值的污染浓度，表明还有污染源没有被找到，重复步骤二至步骤六直至所有威胁的污染物源均已被找到。
2.根据权利要求1所述的基于监测车的大气污染监测和源辨识方法，其特征在于，所述的监测车上载有大气污染物监测仪、便携污染物探测设备、红外热成像系统、可携载设备的无人机、卫星通讯定位系统、微型气象站、快速计算工作站。
3.根据权利要求2所述的基于监测车的大气污染监测和源辨识方法，其特征在于，所述大气污染物监测仪满足对待测地区特定的污染物种类的监测，且保证测试精度；无人机可携载便携污染物监测设备，在初步判断污染源位置S1后，前往该处进行位置和浓度确认；卫星通讯定位系统可精确记录行车路线和测点位置；微型气象站提供实时气象数据；工作站配置要满足城市尺度CFD模拟计算需求。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910063268.2A CN109885804A (zh) | 2019-01-23 | 2019-01-23 | 一种基于监测车的大气污染监测和源辨识方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910063268.2A CN109885804A (zh) | 2019-01-23 | 2019-01-23 | 一种基于监测车的大气污染监测和源辨识方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109885804A true CN109885804A (zh) | 2019-06-14 |
Family
ID=66926526
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910063268.2A Pending CN109885804A (zh) | 2019-01-23 | 2019-01-23 | 一种基于监测车的大气污染监测和源辨识方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109885804A (zh) |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110533266A (zh) * | 2019-09-29 | 2019-12-03 | 北京市农林科学院 | 一种疑似污水源分析定位方法及系统 |
| CN110780042A (zh) * | 2019-11-20 | 2020-02-11 | 佛山科学技术学院 | 一种用于大气污染治理的空气质量监测方法 |
| CN111190438A (zh) * | 2020-01-07 | 2020-05-22 | 东北大学秦皇岛分校 | 一种基于分布式优化的无人机群协同定位气体泄漏源方法 |
| CN111650339A (zh) * | 2020-06-13 | 2020-09-11 | 桂林电子科技大学 | 一种建筑室内多个污染源释放强度的逆向辨识方法 |
| CN111797579A (zh) * | 2020-07-08 | 2020-10-20 | 深圳市环境科学研究院 | 一种追溯水体环境污染源的后向概率模型 |
| 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 |
| 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 |
| 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 |
| CN113811765A (zh) * | 2019-07-26 | 2021-12-17 | 科伦塔有限公司 | 用于监测区域的质量和确定区域的污染的方法和装置 |
| CN114324780A (zh) * | 2022-03-03 | 2022-04-12 | 阿里巴巴达摩院(杭州)科技有限公司 | 大气污染物排放通量处理方法、存储介质以及计算机终端 |
| CN115359431A (zh) * | 2022-10-21 | 2022-11-18 | 山东省生态环境监测中心 | 一种大气环境污染源污染程度评估方法及系统 |
| CN116882321A (zh) * | 2023-09-06 | 2023-10-13 | 中科三清科技有限公司 | 气象影响量化评估方法、装置、存储介质及电子设备 |
| CN117473398A (zh) * | 2023-12-26 | 2024-01-30 | 四川国蓝中天环境科技集团有限公司 | 一种基于运渣车活动的城市扬尘污染源分类方法 |
| CN118010934A (zh) * | 2024-03-11 | 2024-05-10 | 广东派道嗅辨科技有限公司 | 一种利用嗅觉芯片的便携式汽车健康快速检测装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102967689A (zh) * | 2012-11-22 | 2013-03-13 | 天津大学 | 基于相关系数的污染源辨识方法及其监测布点方法 |
| CN106650017A (zh) * | 2016-11-23 | 2017-05-10 | 大连理工大学 | 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) * | 2016-11-23 | 2017-05-31 | 大连理工大学 | 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 |
| CN107941988A (zh) * | 2017-10-16 | 2018-04-20 | 华南理工大学 | 一种检测气体污染源的无人机设备及监测方法 |
| CN108535418A (zh) * | 2018-04-12 | 2018-09-14 | 盐城工学院 | 一种污染物溯源方法、装置、监控终端及存储介质 |
-
2019
- 2019-01-23 CN CN201910063268.2A patent/CN109885804A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102967689A (zh) * | 2012-11-22 | 2013-03-13 | 天津大学 | 基于相关系数的污染源辨识方法及其监测布点方法 |
| CN106650017A (zh) * | 2016-11-23 | 2017-05-10 | 大连理工大学 | 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) * | 2016-11-23 | 2017-05-31 | 大连理工大学 | 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 |
| CN107941988A (zh) * | 2017-10-16 | 2018-04-20 | 华南理工大学 | 一种检测气体污染源的无人机设备及监测方法 |
| CN108535418A (zh) * | 2018-04-12 | 2018-09-14 | 盐城工学院 | 一种污染物溯源方法、装置、监控终端及存储介质 |
Cited By (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113811765A (zh) * | 2019-07-26 | 2021-12-17 | 科伦塔有限公司 | 用于监测区域的质量和确定区域的污染的方法和装置 |
| CN110533266A (zh) * | 2019-09-29 | 2019-12-03 | 北京市农林科学院 | 一种疑似污水源分析定位方法及系统 |
| CN110780042A (zh) * | 2019-11-20 | 2020-02-11 | 佛山科学技术学院 | 一种用于大气污染治理的空气质量监测方法 |
| CN111190438A (zh) * | 2020-01-07 | 2020-05-22 | 东北大学秦皇岛分校 | 一种基于分布式优化的无人机群协同定位气体泄漏源方法 |
| CN111190438B (zh) * | 2020-01-07 | 2023-07-25 | 东北大学秦皇岛分校 | 一种基于分布式优化的无人机群协同定位气体泄漏源方法 |
| CN111650339A (zh) * | 2020-06-13 | 2020-09-11 | 桂林电子科技大学 | 一种建筑室内多个污染源释放强度的逆向辨识方法 |
| CN111797579A (zh) * | 2020-07-08 | 2020-10-20 | 深圳市环境科学研究院 | 一种追溯水体环境污染源的后向概率模型 |
| CN111797579B (zh) * | 2020-07-08 | 2023-10-13 | 深圳市环境科学研究院 | 一种追溯水体环境污染源的后向概率模型方法 |
| 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 |
| 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 |
| 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 |
| 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 |
| CN114324780A (zh) * | 2022-03-03 | 2022-04-12 | 阿里巴巴达摩院(杭州)科技有限公司 | 大气污染物排放通量处理方法、存储介质以及计算机终端 |
| CN115359431A (zh) * | 2022-10-21 | 2022-11-18 | 山东省生态环境监测中心 | 一种大气环境污染源污染程度评估方法及系统 |
| CN115359431B (zh) * | 2022-10-21 | 2023-02-28 | 山东省生态环境监测中心 | 一种大气环境污染源污染程度评估方法及系统 |
| CN116882321A (zh) * | 2023-09-06 | 2023-10-13 | 中科三清科技有限公司 | 气象影响量化评估方法、装置、存储介质及电子设备 |
| CN116882321B (zh) * | 2023-09-06 | 2023-11-21 | 中科三清科技有限公司 | 气象影响量化评估方法、装置、存储介质及电子设备 |
| CN117473398A (zh) * | 2023-12-26 | 2024-01-30 | 四川国蓝中天环境科技集团有限公司 | 一种基于运渣车活动的城市扬尘污染源分类方法 |
| CN117473398B (zh) * | 2023-12-26 | 2024-03-19 | 四川国蓝中天环境科技集团有限公司 | 一种基于运渣车活动的城市扬尘污染源分类方法 |
| CN118010934A (zh) * | 2024-03-11 | 2024-05-10 | 广东派道嗅辨科技有限公司 | 一种利用嗅觉芯片的便携式汽车健康快速检测装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109885804A (zh) | 一种基于监测车的大气污染监测和源辨识方法 | |
| 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 | |
| Sun et al. | Modeling carbon emissions from urban traffic system using mobile monitoring | |
| CN110346517B (zh) | 一种智慧城市工业大气污染可视化预警方法及其系统 | |
| US20170091350A1 (en) | Near real-time modeling of pollution dispersion | |
| CN106202533B (zh) | 街道峡谷机动车尾气污染物浓度估算系统 | |
| CN106896145A (zh) | 有毒有害气体无人机检测系统和检测方法 | |
| US20140107913A1 (en) | Vehicle range analysis using driving environment information with optional continuous averaging | |
| 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 | |
| US11781976B2 (en) | Methane peak detection | |
| KR20210050831A (ko) | 실시간 미세먼지 모니터링 시스템 및 그 방법 | |
| CN115185292A (zh) | 基于地空一体化的空气污染智能监测方法及平台 | |
| CN108732313A (zh) | 城市空气污染物浓度智能观测系统 | |
| Hernandez et al. | Analysis of the information obtained from PM 2.5 concentration measurements in an urban park | |
| CN114002381A (zh) | 一种大气污染溯源扩散分析方法及装置 | |
| CN117312784A (zh) | 一种基于受体模型和大数据联用的污染源溯源方法 | |
| Zhan et al. | Data accuracy oriented method for deploying fixed and mobile traffic sensors along a freeway | |
| CN112347712A (zh) | 一种存在颗粒污染物沉降情况的污染源逆向辨识方法 | |
| CN112257354B (zh) | 一种动态风场条件下的空气污染源逆向定位方法 | |
| Álvarez Narváez et al. | Estimation of the vehicle emission factor in different areas of Cartagena de Indias | |
| CN113449918B (zh) | 突发重大污染事件应急指挥辅助决策方法和系统 | |
| 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 | |
| Struţu et al. | Accelerometer based road defects identification system | |
| CN111855898B (zh) | 一种空间分布式空气质量走航传感器平行性检定方法 | |
| Sun et al. | Deep learning-based probability model for traffic information estimation |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190614 |