CN110298560B - 一种大气污染排放控制效果的评估方法、装置及存储介质 - Google Patents
一种大气污染排放控制效果的评估方法、装置及存储介质 Download PDFInfo
- Publication number
- CN110298560B CN110298560B CN201910509246.4A CN201910509246A CN110298560B CN 110298560 B CN110298560 B CN 110298560B CN 201910509246 A CN201910509246 A CN 201910509246A CN 110298560 B CN110298560 B CN 110298560B
- Authority
- CN
- China
- Prior art keywords
- meteorological
- pollution
- information
- contribution
- change
- 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
- 230000000694 effects Effects 0.000 title claims abstract description 69
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000003860 storage Methods 0.000 title claims abstract description 11
- 238000009826 distribution Methods 0.000 claims abstract description 171
- 230000008859 change Effects 0.000 claims abstract description 106
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 80
- 231100000719 pollutant Toxicity 0.000 claims abstract description 80
- 238000011156 evaluation Methods 0.000 claims abstract description 20
- 239000013598 vector Substances 0.000 claims description 86
- 238000004364 calculation method Methods 0.000 claims description 26
- 238000000354 decomposition reaction Methods 0.000 claims description 25
- 239000000356 contaminant Substances 0.000 claims description 12
- 238000012544 monitoring process Methods 0.000 claims description 9
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 3
- 230000001965 increasing effect Effects 0.000 abstract description 3
- 238000011158 quantitative evaluation Methods 0.000 abstract description 3
- 238000001556 precipitation Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 6
- 230000007613 environmental effect Effects 0.000 description 3
- 241000220317 Rosa Species 0.000 description 2
- 238000011109 contamination Methods 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0073—Control unit therefor
- G01N33/0075—Control unit therefor for multiple spatially distributed sensors, e.g. for environmental monitoring
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/02—Devices for withdrawing samples
- G01N1/22—Devices for withdrawing samples in the gaseous state
- G01N1/2273—Atmospheric sampling
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W2001/006—Main server receiving weather information from several sub-stations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Immunology (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Pathology (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Atmospheric Sciences (AREA)
- Combustion & Propulsion (AREA)
- Biodiversity & Conservation Biology (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明所提供的一种大气污染排放控制效果的评估方法、装置及存储介质,包括对气象站数据进行气象条件频率统计,获得气象条件频率分布信息;获取污染物浓度信息,进行污染物浓度分布统计,得到污染浓度分布信息及污染浓度变化信息;根据所述气象条件频率分布信息、污染浓度分布信息及污染浓度变化信息,进行气象要素和非气象要素的分解,得到气象和非气象贡献信息;根据所述气象条件频率分布信息、污染浓度分布信息、气象和非气象贡献信息构建源排放控制效果评估数据集。本发明能够利用观测数据对排放控制效果进行定量的评估,不仅能够量化排放控制效果,还能量化排放增加的效果,以及气象变化对平均污染水平的贡献。
Description
技术领域
本发明涉及大气环境技术领域,尤其涉及的是一种大气污染排放控制效果的评估方法、装置及存储介质。
背景技术
大气污染是一种复杂的污染现象,当大气中的污染物达到一定浓度,大气污染将对人民的生活、生产和身体健康造成不利影响。为了保证空气质量,保护公众健康,各级政府采取了一系列措施,减少污染物的人为排放。但由于影响污染物浓度的因素非常复杂,排放因素和气象因素的影响往往混在一起,所以评估排放控制对空气质量变化的影响,对于政府的空气质量管理有着重要意义。
现有技术主要通过基于排放的数值模型、基于观测的统计方法来分离气象因素和排放因素对空气质量变化的影响,但是这些方法受限于误差和不确定性,并且基于观测的回归统计方法难以量化排放控制因子对空气质量的影响。
因此,现有技术存在缺陷,有待改进与发展。
发明内容
本发明要解决的技术问题在于,针对现有技术的上述缺陷,提供一种大气污染排放控制效果的评估方法、装置及存储介质,旨在解决现有技术中分离气象因素和排放因素对空气质量变化的影响时,难以量化排放控制因子对空气质量的影响的问题。
本发明解决技术问题所采用的技术方案如下:
一种大气污染排放控制效果的评估方法,其中,包括:
对气象站数据进行气象条件频率统计,获得气象条件频率分布信息;
获取污染物浓度信息,根据污染物浓度信息和气象条件频率分布信息进行污染物浓度分布统计,得到污染浓度分布信息及污染浓度变化信息;
根据所述气象条件频率分布信息、污染浓度分布信息及污染浓度变化信息,进行气象要素和非气象要素的分解,得到气象和非气象贡献信息;
根据所述气象条件频率分布信息、污染浓度分布信息、气象和非气象贡献信息构建源排放控制效果评估数据集。
进一步地,所述对气象站数据进行气象条件频率统计,获得气象条件频率分布信息具体包括:
获取气象站数据,根据气象条件进行分组,并计算每组的气象条件的发生频率,计算公式为:
其中,f(i)为第i组气象条件的发生频率,Ni为第i组气象条件在预设时段内出现的次数;
所有组的气象条件的发生频率f(i)共同组成气象条件频率分布向量F,并将所述气象条件频率分布向量F保存为气象条件频率分布信息。
进一步地,所述获取污染物浓度信息,根据污染物浓度信息和气象条件频率分布信息进行污染物浓度分布统计,得到污染浓度分布信息及污染浓度变化信息具体包括:
获取环境监测站的污染物浓度信息,计算每组气象条件发生时污染物浓度的平均值,计算公式为:
其中,c(i)为第i组气象条件发生时污染物浓度的平均值,xk为该组中每个时次的污染物浓度;
所有组的气象条件发生时污染物浓度的平均值c(i)共同组成污染浓度分布向量C,并将所述污染浓度分布向量C保存为污染浓度分布信息;
计算两时段的污染物浓度的平均值之差,得到污染浓度变化信息△c。
进一步地,根据所述气象条件频率分布信息、污染浓度分布信息及污染浓度变化信息,进行气象要素和非气象要素的分解,得到气象和非气象贡献信息具体包括:
根据所述气象条件频率分布信息、污染浓度分布信息及污染浓度变化信息,进行气象要素和非气象要素的线性分解,利用泰勒展开,得到气象要素对污染变化的贡献比例及非气象要素对污染变化的贡献比例,计算公式为:
其中,Rm为气象要素对污染变化的贡献比例;Rp为非气象要素对污染变化的贡献比例;F1和F2是两时段的气象条件频率分布向量;C1和C2是两时段的污染浓度分布向量;
计算气象要素对污染变化的贡献向量及非气象要素对污染变化的贡献向量,计算公式为:
Rm=(F2-F1)*C1
Rp=(C2-C1)*F1
其中,Rm为气象要素对污染变化的贡献向量;Rp非气象要素对污染变化的贡献向量;
计算线性指数L,计算公式为:
将气象要素对污染变化的贡献比例Rm、非气象要素对污染变化的贡献比例Rp、气象要素对污染变化的贡献向量Rm、非气象要素对污染变化的贡献向量Rp以及线性指数L保存为气象和非气象贡献信息;
利用蒙特卡洛方法检验线性指数L对应的置信水平,并保存为线性分解置信水平信息。
进一步地,根据所述气象条件频率分布信息、污染浓度分布信息、气象和非气象贡献信息构建源排放控制效果评估数据集具体包括:
将获得的气象条件频率分布信息、污染浓度分布信息、气象和非气象贡献信息以及线性分解置信水平信息按照站点、时段进行编号,构建源排放控制效果评估数据集。
本发明还提供一种大气污染排放控制效果的评估装置,其中,包括处理器,以及与所述处理器连接的存储器,所述存储器存储有大气污染排放控制效果的评估程序,所述大气污染排放控制效果的评估程序被所述处理器执行时实现以下步骤:
对气象站数据进行气象条件频率统计,获得气象条件频率分布信息;
获取污染物浓度信息,根据污染物浓度信息和气象条件频率分布信息进行污染物浓度分布统计,得到污染浓度分布信息及污染浓度变化信息;
根据所述气象条件频率分布信息、污染浓度分布信息及污染浓度变化信息,进行气象要素和非气象要素的分解,得到气象和非气象贡献信息;
根据所述气象条件频率分布信息、污染浓度分布信息、气象和非气象贡献信息构建源排放控制效果评估数据集;
所述处理器用于调用所述大气污染排放控制效果的评估程序指令。
进一步地,所述大气污染排放控制效果的评估程序被所述处理器执行时,还实现以下步骤:
获取气象站数据,根据气象条件进行分组,并计算每组的气象条件的发生频率,计算公式为:
其中,f(i)为第i组气象条件的发生频率,Ni为第i组气象条件在预设时段内出现的次数;
所有组的气象条件的发生频率f(i)共同组成气象条件频率分布向量F,并将所述气象条件频率分布向量F保存为气象条件频率分布信息。
进一步地,所述大气污染排放控制效果的评估程序被所述处理器执行时,还实现以下步骤:
获取环境监测站的污染物浓度信息,计算每组气象条件发生时污染物浓度的平均值,计算公式为:
其中,c(i)为第i组气象条件发生时污染物浓度的平均值,xk为该组中每个时次的污染物浓度;
所有组的气象条件发生时污染物浓度的平均值c(i)共同组成污染浓度分布向量C,并将所述污染浓度分布向量C保存为污染浓度分布信息;
计算两时段的污染物浓度的平均值之差,得到污染浓度变化信息△c。
进一步地,所述大气污染排放控制效果的评估程序被所述处理器执行时,还实现以下步骤:
根据所述气象条件频率分布信息、污染浓度分布信息及污染浓度变化信息,进行气象要素和非气象要素的线性分解,利用泰勒展开,得到气象要素对污染变化的贡献比例及非气象要素对污染变化的贡献比例,计算公式为:
其中,Rm为气象要素对污染变化的贡献比例;Rp为非气象要素对污染变化的贡献比例;F1和F2是两时段的气象条件频率分布向量;C1和C2是两时段的污染浓度分布向量;
计算气象要素对污染变化的贡献向量及非气象要素对污染变化的贡献向量,计算公式为:
Rm=(F2-F1)*C1
Rp=(C2-C1)*F1
其中,Rm为气象要素对污染变化的贡献向量;Rp非气象要素对污染变化的贡献向量;
计算线性指数L,计算公式为:
将气象要素对污染变化的贡献比例Rm、非气象要素对污染变化的贡献比例Rp、气象要素对污染变化的贡献向量Rm、非气象要素对污染变化的贡献向量Rp以及线性指数L保存为气象和非气象贡献信息;
利用蒙特卡洛方法检验线性指数L对应的置信水平,并保存为线性分解置信水平信息;
将获得的气象条件频率分布信息、污染浓度分布信息、气象和非气象贡献信息以及线性分解置信水平信息按照站点、时段进行编号,构建源排放控制效果评估数据集。
本发明还提供一种存储介质,其中,所述存储介质存储有计算机程序,所述计算机程序能够被执行以用于实现如上所述的大气污染排放控制效果的评估方法。
本发明所提供的一种大气污染排放控制效果的评估方法、装置及存储介质,包括:对气象站数据进行气象条件频率统计,获得气象条件频率分布信息;获取污染物浓度信息,根据污染物浓度信息和气象条件频率分布信息进行污染物浓度分布统计,得到污染浓度分布信息及污染浓度变化信息;根据所述气象条件频率分布信息、污染浓度分布信息及污染浓度变化信息,进行气象要素和非气象要素的分解,得到气象和非气象贡献信息;根据所述气象条件频率分布信息、污染浓度分布信息、气象和非气象贡献信息构建源排放控制效果评估数据集。本发明能够利用观测数据对排放控制效果进行定量的评估,不仅能够量化排放控制效果,还能量化排放增加的效果,以及气象变化对平均污染水平的贡献。
附图说明
图1是本发明中大气污染排放控制效果的评估方法的较佳实施例的流程图。
图2是本发明中大气污染排放控制效果的评估方法的较佳实施例中气象条件发生频率的气象玫瑰图。
图3是本发明中大气污染排放控制效果的评估方法的较佳实施例中污染物浓度分布的气象-污染玫瑰图。
图4是本发明中大气污染排放控制效果的评估方法的较佳实施例中气象要素贡献的气象-污染玫瑰图。
图5是本发明中大气污染排放控制效果的评估装置的较佳实施例的功能原理框图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚、明确,以下参照附图并举实施例对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
请参见图1,图1是本发明中一种大气污染排放控制效果的评估方法的流程图。如图1所示,本发明实施例所述的一种大气污染排放控制效果的评估方法包括:
S100、对气象站数据进行气象条件频率统计,获得气象条件频率分布信息;
S200、获取污染物浓度信息,根据污染物浓度信息和气象条件频率分布信息进行污染物浓度分布统计,得到污染浓度分布信息及污染浓度变化信息;
S300、根据所述气象条件频率分布信息、污染浓度分布信息及污染浓度变化信息,进行气象要素和非气象要素的分解,得到气象和非气象贡献信息;
S400、根据所述气象条件频率分布信息、污染浓度分布信息、气象和非气象贡献信息构建源排放控制效果评估数据集。
本发明利用空气质量观测的站点数据,结合气象站数据信息,进行气象因素和非气象因素贡献的分解计算,最终形成数据集,对于快速评估源排放控制效果提供了技术支撑和数据保证;不仅能够量化排放控制效果,还能量化排放增加的效果,以及气象变化对平均污染水平的贡献。
在本发明较佳实施例中,步骤S100中,首先获取气象站数据,根据气象条件进行分组,并计算每组的气象条件的发生频率。所述气象站数据为单个气象站的每小时风速、风向、温度、湿度、降水数据等。而气象条件的分组判据为:是否有降水,风速大小,风向,温度大小,湿度大小。获取气象站数据包括多种方式,可以从全球通信系统(GTS)的公开数据中获得,也可以与气象局签订协议,直接获取气象数据等。
具体的,有降水发生的时次单独列为一组;无降水发生的时次,根据风速、风向、温度、湿度进行分组。风速分为小风速、中风速、大风速,风向则将0-360°分成12份,温度分为低温和高温,湿度分为低湿和高湿。因此,无降水发生时,分组数目为3×12×2×2=144;再加上降水组,分组总数目为145。
然后利用公式计算每组气象条件的发生频率,计算公式为:
其中,f(i)为第i组气象条件的发生频率,Ni为第i组气象条件在预设时段内出现的次数;所述预设时段可自行设置,可以为一年或者一个季节或者一个季度,也可以是其他时段。
所有组的气象条件的发生频率f(i)共同组成气象条件频率分布向量F,并将气象条件频率分布向量F保存为气象条件频率分布信息。
可以理解的,具体实施时,可视具体情况,对“风速、风向、温度、湿度、降水”等气象因素进行增加或减少;例如,引入其他气象因素,如辐射、云,或者减少若干因素,或者仅保留部分气象因素,如风向、风速。对气象条件进行分组时,分组数目可根据需要进行改变,比如把温度分组由2组改为3组等。本发明的数据分辨率可采用1小时分辨率,也可采用其他分辨率。
进一步地,所述步骤S100中,根据气象条件发生频率的统计,可绘制出气象玫瑰图,如图2所示,展示了气象条件的发生频率。本实施例将气象条件分为“低温、低湿;低温、高湿;高温、低湿;高温、高湿”四种情况,图中的深浅程度代表气象条件的发生频率。
在本发明较佳实施例中,步骤S200中,获取环境监测站的污染物浓度信息,结合污染物浓度对风速、风向、温度、湿度、降水数据进行匹配,具体过程如下:
使用单个环境监测站的污染物浓度数据,利用公式计算每组气象条件发生时污染物浓度的平均值,计算公式为:
其中,c(i)为第i组气象条件发生时污染物浓度的平均值,xk为该组中每个时次的污染物浓度。
获取污染物浓度数据包括多种方式,可以从国家环保局公开监测数据中获得,或从省控点或市控点监测数据中获得。
进一步的,所有组的气象条件发生时污染物浓度的平均值c(i)共同组成污染浓度分布向量C,并将所述污染浓度分布向量C保存为污染浓度分布信息。
进一步地,计算两时段的污染物浓度的平均值之差,得到污染浓度变化信息△c。具体的,当预设时段为一年时,△c则为两年的污染物浓度的平均值之差,即为污染浓度年变化信息。两时段可以为相邻的两个时段,例如第一年和第二年;也可以是不相邻的两个时段,例如第一年和第三年。
优选的,所述步骤S200中,根据污染物浓度分布的统计,可绘制出气象-污染玫瑰图,如图3所示,展示了污染物浓度的分布。本实施例将气象条件分为“低温、低湿;低温、高湿;高温、低湿;高温、高湿”四种情况,图中的深浅程度代表污染物浓度的分布情况。
在本发明进一步较佳实施例中,所述步骤S300中,根据所述气象条件频率分布信息、污染浓度分布信息及污染浓度变化信息,进行气象要素和非气象要素的线性分解,利用泰勒展开,得到气象要素对污染变化的贡献比例及非气象要素对污染变化的贡献比例,计算公式为:
其中,Rm为气象要素对污染变化的贡献比例;Rp为非气象要素对污染变化的贡献比例;F1和F2是两时段的气象条件频率分布向量;C1和C2是两时段的污染浓度分布向量。
计算气象要素对污染变化的贡献向量及非气象要素对污染变化的贡献向量,计算公式为:
Rm=(F2-F1)*C1
Rp=(C2-C1)*F1
其中,Rm为气象要素对污染变化的贡献向量;Rp非气象要素对污染变化的贡献向量。
也就是说,F2-F1与C1这两个向量相应元素分别相乘,得到向量Rm,为气象要素对污染变化的贡献向量。将C2-C1与F1这两个向量相应元素分别相乘,得到向量Rp,为非气象要素对污染变化的贡献向量。
在本发明较佳实施例中,当预设时段为一年时,若要计算第一年和第二年的污染变化,那么,F1是第一年的气象条件频率分布向量;F2是第二年的气象条件频率分布向量;C1是第一年的污染浓度分布向量;C2是第二年的污染浓度分布向量;△c是污染浓度的年变化信息;Rm为气象因素对污染年变化贡献向量,Rp为非气象因素对污染年变化贡献向量。
进一步的,计算线性指数L,计算公式为:
将气象要素对污染变化的贡献比例Rm、非气象要素对污染变化的贡献比例Rp、气象要素对污染变化的贡献向量Rm、非气象要素对污染变化贡献向量Rp以及线性指数L保存为气象和非气象贡献信息。
进一步的,利用蒙特卡洛方法检验线性指数对应的置信水平。具体的,生成随机数,赋值给计算L所需要的四个变量,计算线性指数L。多次重复以上实验,计算L值的累计概率分布。某个L值对应的累计概率即为线性分解的置信水平。将所述线性指数所对应的置信水平保存为线性分解置信水平信息。
优选的,所述步骤S300中,根据气象要素和非气象要素的分解,可绘制出气象-污染玫瑰图,如图4所示,展示了气象要素的贡献。本实施例将气象条件分为“低温、低湿;低温、高湿;高温、低湿;高温、高湿”四种情况,图中的深浅程度代表污染物浓度的分布情况。
在本发明较佳实施例中,步骤S400具体为:将获得的气象条件频率分布信息、污染浓度分布信息、气象和非气象贡献信息以及线性分解置信水平信息按照站点、时段进行编号,构建源排放控制效果评估数据集,以方便用户使用。优选的,可将气象条件频率分布信息、污染浓度分布信息、气象和非气象贡献信息以及线性分解置信水平信息按照站点、时段进行编号和列表,展示源排放控制效果评估数据集。
本发明是基于泰勒展开的一种线性分解方法,分解出气象因素和非气象因素对平均空气质量改变的贡献;构建线性指数L,表示线性分解的效果;使用蒙特卡洛方法检验线性分解的置信水平;同时考虑了风向、风速、温度、湿度、降水等多个气象因素的影响;使用气象因素对污染变化贡献向量、非气象因素对污染变化贡献向量,绘制气象-污染玫瑰图,展示气象因素和排放因素对污染年变化的贡献;能够估算出不同天气状况发生频率以及对应的平均污染物浓度,从而分离出以风、温度、湿度、降水为代表的气象因素以及非气象的人为排放控制因素对空气质量变化的贡献,从而评估出排放控制或改变的效果;实现了仅使用观测数据,对排放控制效果进行定量的评估。
如图5所示,本发明实施例还提供了一种大气污染排放控制效果的评估装置,包括处理器10,以及与所述处理器10连接的存储器20,所述存储器20存储有大气污染排放控制效果的评估程序,所述大气污染排放控制效果的评估程序被所述处理器10执行时实现以下步骤:
对气象站数据进行气象条件频率统计,获得气象条件频率分布信息;
获取污染物浓度信息,根据污染物浓度信息和气象条件频率分布信息进行污染物浓度分布统计,得到污染浓度分布信息及污染浓度变化信息;
根据所述气象条件频率分布信息、污染浓度分布信息及污染浓度变化信息,进行气象要素和非气象要素的分解,得到气象和非气象贡献信息;
根据所述气象条件频率分布信息、污染浓度分布信息、气象和非气象贡献信息构建源排放控制效果评估数据集;
所述处理器10用于调用所述大气污染排放控制效果的评估程序指令;具体如上所述。
进一步地,所述大气污染排放控制效果的评估程序被所述处理器10执行时,还实现以下步骤:
获取气象站数据,根据气象条件进行分组,并计算每组的气象条件的发生频率,计算公式为:
其中,f(i)为第i组气象条件的发生频率,Ni为第i组气象条件在预设时段内出现的次数;
所有组的气象条件的发生频率f(i)共同组成气象条件频率分布向量F,并将所述气象条件频率分布向量F保存为气象条件频率分布信息;具体如上所述。
进一步地,所述大气污染排放控制效果的评估程序被所述处理器10执行时,还实现以下步骤:
获取环境监测站的污染物浓度信息,计算每组气象条件发生时污染物浓度的平均值,计算公式为:
其中,c(i)为第i组气象条件发生时污染物浓度的平均值,xk为该组中每个时次的污染物浓度;
所有组的气象条件发生时污染物浓度的平均值c(i)共同组成污染浓度分布向量C,并将所述污染浓度分布向量C保存为污染浓度分布信息;
计算两时段的污染物浓度的平均值之差,得到污染浓度变化信息△c;具体如上所述。
进一步地,所述大气污染排放控制效果的评估程序被所述处理器10执行时,还实现以下步骤:
根据所述气象条件频率分布信息、污染浓度分布信息及污染浓度变化信息,进行气象要素和非气象要素的线性分解,利用泰勒展开,得到气象要素对污染变化的贡献比例及非气象要素对污染变化的贡献比例,计算公式为:
其中,Rm为气象要素对污染变化的贡献比例;Rp为非气象要素对污染变化的贡献比例;F1和F2是两时段的气象条件频率分布向量;C1和C2是两时段的污染浓度分布向量;
计算气象要素对污染变化的贡献向量及非气象要素对污染变化的贡献向量,计算公式为:
Rm=(F2-F1)*C1
Rp=(C2-C1)*F1
其中,Rm为气象要素对污染变化的贡献向量;Rp非气象要素对污染变化的贡献向量;
计算线性指数L,计算公式为:
将气象要素对污染变化的贡献比例Rm、非气象要素对污染变化的贡献比例Rp、气象要素对污染变化的贡献向量Rm、非气象要素对污染变化的贡献向量Rp以及线性指数L保存为气象和非气象贡献信息;
利用蒙特卡洛方法检验线性指数L对应的置信水平,并保存为线性分解置信水平信息;
将获得的气象条件频率分布信息、污染浓度分布信息、气象和非气象贡献信息以及线性分解置信水平信息按照站点、时段进行编号,构建源排放控制效果评估数据集;具体如上所述。
本发明还提供了一种存储介质,所述存储介质存储有计算机程序,所述计算机程序能够被执行以用于实现如上所述的大气污染排放控制效果的评估方法;具体如上所述。
综上所述,本发明公开的一种大气污染排放控制效果的评估方法、装置及存储介质,包括:对气象站数据进行气象条件频率统计,获得气象条件频率分布信息;获取污染物浓度信息,根据污染物浓度信息和气象条件频率分布信息进行污染物浓度分布统计,得到污染浓度分布信息及污染浓度变化信息;根据所述气象条件频率分布信息、污染浓度分布信息及污染浓度变化信息,进行气象要素和非气象要素的分解,得到气象和非气象贡献信息;根据所述气象条件频率分布信息、污染浓度分布信息、气象和非气象贡献信息构建源排放控制效果评估数据集。本发明能够利用观测数据对排放控制效果进行定量的评估。
应当理解的是,本发明的应用不限于上述的举例,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (6)
1.一种大气污染排放控制效果的评估方法,其特征在于,包括:
对气象站数据进行气象条件频率统计,获得气象条件频率分布信息;
获取污染物浓度信息,根据污染物浓度信息和气象条件频率分布信息进行污染物浓度分布统计,得到污染浓度分布信息及污染浓度变化信息;
根据所述气象条件频率分布信息、污染浓度分布信息及污染浓度变化信息,进行气象要素和非气象要素的分解,得到气象和非气象贡献信息;
根据所述气象条件频率分布信息、污染浓度分布信息、气象和非气象贡献信息构建源排放控制效果评估数据集;
所述对气象站数据进行气象条件频率统计,获得气象条件频率分布信息具体包括:
获取气象站数据,根据气象条件进行分组,并计算每组的气象条件的发生频率,计算公式为:
其中,f(i)为第i组气象条件的发生频率,Ni为第i组气象条件在预设时段内出现的次数;
所有组的气象条件的发生频率f(i)共同组成气象条件频率分布向量F,并将所述气象条件频率分布向量F保存为气象条件频率分布信息;
所述获取污染物浓度信息,根据污染物浓度信息和气象条件频率分布信息进行污染物浓度分布统计,得到污染浓度分布信息及污染浓度变化信息具体包括:
获取环境监测站的污染物浓度信息,计算每组气象条件发生时污染物浓度的平均值,计算公式为:
其中,c(i)为第i组气象条件发生时污染物浓度的平均值,xk为该组中每个时次的污染物浓度;
所有组的气象条件发生时污染物浓度的平均值c(i)共同组成污染浓度分布向量C,并将所述污染浓度分布向量C保存为污染浓度分布信息;
计算两时段的污染物浓度的平均值之差,得到污染浓度变化信息Δc。
2.根据权利要求1所述的大气污染排放控制效果的评估方法,其特征在于,根据所述气象条件频率分布信息、污染浓度分布信息及污染浓度变化信息,进行气象要素和非气象要素的分解,得到气象和非气象贡献信息具体包括:
根据所述气象条件频率分布信息、污染浓度分布信息及污染浓度变化信息,进行气象要素和非气象要素的线性分解,利用泰勒展开,得到气象要素对污染变化的贡献比例及非气象要素对污染变化的贡献比例,计算公式为:
其中,Rm为气象要素对污染变化的贡献比例;Rp为非气象要素对污染变化的贡献比例;F1和F2是两时段的气象条件频率分布向量;C1和C2是两时段的污染浓度分布向量;
计算气象要素对污染变化的贡献向量及非气象要素对污染变化的贡献向量,计算公式为:
Rm=(F2-F1)*C1
Rp=(C2-C1)*F1
其中,Rm为气象要素对污染变化的贡献向量;Rp非气象要素对污染变化的贡献向量;
计算线性指数L,计算公式为:
将气象要素对污染变化的贡献比例Rm、非气象要素对污染变化的贡献比例Rp、气象要素对污染变化的贡献向量Rm、非气象要素对污染变化的贡献向量Rp以及线性指数L保存为气象和非气象贡献信息;
利用蒙特卡洛方法检验线性指数L对应的置信水平,并保存为线性分解置信水平信息。
3.根据权利要求2所述的大气污染排放控制效果的评估方法,其特征在于,根据所述气象条件频率分布信息、污染浓度分布信息、气象和非气象贡献信息构建源排放控制效果评估数据集具体包括:
将获得的气象条件频率分布信息、污染浓度分布信息、气象和非气象贡献信息以及线性分解置信水平信息按照站点、时段进行编号,构建源排放控制效果评估数据集。
4.一种大气污染排放控制效果的评估装置,其特征在于,包括处理器,以及与所述处理器连接的存储器,所述存储器存储有大气污染排放控制效果的评估程序,所述大气污染排放控制效果的评估程序被所述处理器执行时实现以下步骤:
对气象站数据进行气象条件频率统计,获得气象条件频率分布信息;
获取污染物浓度信息,根据污染物浓度信息和气象条件频率分布信息进行污染物浓度分布统计,得到污染浓度分布信息及污染浓度变化信息;
根据所述气象条件频率分布信息、污染浓度分布信息及污染浓度变化信息,进行气象要素和非气象要素的分解,得到气象和非气象贡献信息;
根据所述气象条件频率分布信息、污染浓度分布信息、气象和非气象贡献信息构建源排放控制效果评估数据集;
所述处理器用于调用所述大气污染排放控制效果的评估程序指令;
所述大气污染排放控制效果的评估程序被所述处理器执行时,还实现以下步骤:
获取气象站数据,根据气象条件进行分组,并计算每组的气象条件的发生频率,计算公式为:
其中,f(i)为第i组气象条件的发生频率,Ni为第i组气象条件在预设时段内出现的次数;
所有组的气象条件的发生频率f(i)共同组成气象条件频率分布向量F,并将所述气象条件频率分布向量F保存为气象条件频率分布信息;
获取环境监测站的污染物浓度信息,计算每组气象条件发生时污染物浓度的平均值,计算公式为:
其中,c(i)为第i组气象条件发生时污染物浓度的平均值,xk为该组中每个时次的污染物浓度;
所有组的气象条件发生时污染物浓度的平均值c(i)共同组成污染浓度分布向量C,并将所述污染浓度分布向量C保存为污染浓度分布信息;
计算两时段的污染物浓度的平均值之差,得到污染浓度变化信息Δc。
5.根据权利要求4所述的大气污染排放控制效果的评估装置,其特征在于,所述大气污染排放控制效果的评估程序被所述处理器执行时,还实现以下步骤:
根据所述气象条件频率分布信息、污染浓度分布信息及污染浓度变化信息,进行气象要素和非气象要素的线性分解,利用泰勒展开,得到气象要素对污染变化的贡献比例及非气象要素对污染变化的贡献比例,计算公式为:
其中,Rm为气象要素对污染变化的贡献比例;Rp为非气象要素对污染变化的贡献比例;F1和F2是两时段的气象条件频率分布向量;C1和C2是两时段的污染浓度分布向量;
计算气象要素对污染变化的贡献向量及非气象要素对污染变化的贡献向量,计算公式为:
Rm=(F2-F1)*C1
Rp=(C2-C1)*F1
其中,Rm为气象要素对污染变化的贡献向量;Rp非气象要素对污染变化的贡献向量;
计算线性指数L,计算公式为:
将气象要素对污染变化的贡献比例Rm、非气象要素对污染变化的贡献比例Rp、气象要素对污染变化的贡献向量Rm、非气象要素对污染变化的贡献向量Rp以及线性指数L保存为气象和非气象贡献信息;
利用蒙特卡洛方法检验线性指数L对应的置信水平,并保存为线性分解置信水平信息;
将获得的气象条件频率分布信息、污染浓度分布信息、气象和非气象贡献信息以及线性分解置信水平信息按照站点、时段进行编号,构建源排放控制效果评估数据集。
6.一种存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序能够被执行以用于实现如权利要求1-3任一项所述的大气污染排放控制效果的评估方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910509246.4A CN110298560B (zh) | 2019-06-13 | 2019-06-13 | 一种大气污染排放控制效果的评估方法、装置及存储介质 |
US16/897,063 US11592428B2 (en) | 2019-06-13 | 2020-06-09 | Evaluation method for impact of emission control on air quality, device and storage medium thereof |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910509246.4A CN110298560B (zh) | 2019-06-13 | 2019-06-13 | 一种大气污染排放控制效果的评估方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110298560A CN110298560A (zh) | 2019-10-01 |
CN110298560B true CN110298560B (zh) | 2022-12-06 |
Family
ID=68027883
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910509246.4A Active CN110298560B (zh) | 2019-06-13 | 2019-06-13 | 一种大气污染排放控制效果的评估方法、装置及存储介质 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11592428B2 (zh) |
CN (1) | CN110298560B (zh) |
Families Citing this family (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111611296B (zh) * | 2020-05-20 | 2021-02-19 | 中科三清科技有限公司 | Pm2.5污染成因分析方法、装置、电子设备及存储介质 |
CN111983144A (zh) * | 2020-08-13 | 2020-11-24 | 南通大学 | 一种气象与排放对空气质量贡献的评估方法 |
CN112633626B (zh) * | 2020-11-11 | 2024-01-05 | 中国气象局广州热带海洋气象研究所(广东省气象科学研究所) | 一种大气污染物月平均浓度变化气象贡献率评估方法 |
CN112613675A (zh) * | 2020-12-29 | 2021-04-06 | 南开大学 | 一种分析污染源与气象因素对不同程度pm2.5污染影响贡献和效应的机器学习模型 |
CN113011455B (zh) * | 2021-02-02 | 2024-01-05 | 北京数汇通信息技术有限公司 | 一种空气质量预测svm模型构建方法 |
CN113111309B (zh) * | 2021-03-25 | 2022-10-14 | 中国气象局广州热带海洋气象研究所(广东省气象科学研究所) | 一种人为与气象因素对大气污染物浓度影响的评估方法 |
CN113127805B (zh) * | 2021-03-29 | 2023-12-22 | 中国地质大学(武汉) | 河流断面污染源贡献率计算方法、装置、设备及存储介质 |
CN113554052A (zh) * | 2021-05-10 | 2021-10-26 | 北京数汇通信息技术有限公司 | 一种城市空气质量评估诊断系统 |
CN113283719A (zh) * | 2021-05-12 | 2021-08-20 | 中国环境科学研究院 | 氮氧化物排放特征分析方法、设备及计算机可读存储介质 |
TWI808564B (zh) * | 2021-12-10 | 2023-07-11 | 財團法人工業技術研究院 | 流體品質追蹤方法及系統 |
CN114199736B (zh) * | 2021-12-13 | 2023-12-01 | 北京市生态环境监测中心 | 获取pm2.5及其组分的区域传输贡献率的方法 |
CN114280239B (zh) * | 2021-12-22 | 2023-06-16 | 中科三清科技有限公司 | 确定城市空气情况的方法、装置、电子设备及介质 |
CN114415265B (zh) * | 2022-01-20 | 2024-02-02 | 广东省气象探测数据中心(广东省气象技术装备中心、广东省气象科技培训中心) | 气象观测数据的处理方法、装置、计算机设备及存储介质 |
WO2024030525A1 (en) * | 2022-08-03 | 2024-02-08 | Schlumberger Technology Corporation | Automated record quality determination and processing for pollutant emission quantification |
CN115293579A (zh) * | 2022-08-05 | 2022-11-04 | 天津市生态环境科学研究院(天津市环境规划院、天津市低碳发展研究中心) | 可获得恶臭污染治理目标的反演评估方法及装置 |
CN115356440A (zh) * | 2022-08-12 | 2022-11-18 | 信阳师范学院 | 一种用于定量人为排放和气象条件对大气污染物浓度贡献的系统和方法 |
CN115541825B (zh) * | 2022-09-30 | 2023-10-24 | 信阳师范学院 | 一种基于密集网观测的人为排放对臭氧背景浓度贡献评估的系统及方法 |
CN115659195B (zh) * | 2022-11-21 | 2023-06-27 | 中科三清科技有限公司 | 一种大气污染在线识别方法 |
CN116187095B (zh) * | 2023-04-19 | 2023-07-28 | 安徽中科蓝壹信息科技有限公司 | 一种道路交通扬尘环境影响评价方法及装置 |
CN116739190B (zh) * | 2023-08-14 | 2023-12-01 | 中科三清科技有限公司 | 优化污染控制的减排比例、减排成本与管控时间的方法 |
CN116776073B (zh) * | 2023-08-14 | 2023-11-21 | 中科三清科技有限公司 | 一种污染物浓度的评估方法和装置 |
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 |
CN117272070B (zh) * | 2023-11-21 | 2024-02-02 | 北京大学 | 一种同时利用有机和无机污染物的定量源解析方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005172442A (ja) * | 2003-12-08 | 2005-06-30 | Mitsubishi Heavy Ind Ltd | 大気汚染物質の濃度予測方法、装置、並びにプログラム及び大気汚染物質の濃度予測情報提供装置 |
CN107563562A (zh) * | 2017-09-08 | 2018-01-09 | 新奥泛能网络科技股份有限公司 | 网格化城市大气污染物排放的评估方法及装置 |
CN107942411A (zh) * | 2017-11-30 | 2018-04-20 | 南京理工大学 | 一种大气能见度预测方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB201415802D0 (en) * | 2014-09-07 | 2014-10-22 | Tomtom Int Bv | Methods and systems for identifying navigable elements affected by weather conditions |
CN106845371B (zh) * | 2016-12-31 | 2019-10-25 | 中国科学技术大学 | 一种城市路网机动车尾气排放遥感监控系统 |
US10890641B2 (en) * | 2017-04-07 | 2021-01-12 | Cornell University | System and method of robust quantitative susceptibility mapping |
-
2019
- 2019-06-13 CN CN201910509246.4A patent/CN110298560B/zh active Active
-
2020
- 2020-06-09 US US16/897,063 patent/US11592428B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005172442A (ja) * | 2003-12-08 | 2005-06-30 | Mitsubishi Heavy Ind Ltd | 大気汚染物質の濃度予測方法、装置、並びにプログラム及び大気汚染物質の濃度予測情報提供装置 |
CN107563562A (zh) * | 2017-09-08 | 2018-01-09 | 新奥泛能网络科技股份有限公司 | 网格化城市大气污染物排放的评估方法及装置 |
CN107942411A (zh) * | 2017-11-30 | 2018-04-20 | 南京理工大学 | 一种大气能见度预测方法 |
Non-Patent Citations (2)
Title |
---|
绥化市2011年春季一次PM10污染的气象特征分析;王安娜 等;《黑龙江气象》;20120421;第20-21页 * |
西安市污染气象特征和大气环境容量分析;张文静 等;《水土保持研究》;20121102;第257-261页 * |
Also Published As
Publication number | Publication date |
---|---|
US20200393434A1 (en) | 2020-12-17 |
CN110298560A (zh) | 2019-10-01 |
US11592428B2 (en) | 2023-02-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110298560B (zh) | 一种大气污染排放控制效果的评估方法、装置及存储介质 | |
CN110824110B (zh) | 一种基于拉格朗日轨迹模式和化学盒子模式的区域臭氧污染溯源系统 | |
CN110727717B (zh) | 网格化大气污染强度的监控方法、装置、设备和存储介质 | |
Mihailović et al. | Novel measures based on the Kolmogorov complexity for use in complex system behavior studies and time series analysis | |
CN116629619B (zh) | 一种土壤新污染物赋存状况预测方法及系统 | |
Bogaert et al. | Spatiotemporal modelling of ozone distribution in the State of California | |
Fassò et al. | A unified statistical approach for simulation, modeling, analysis and mapping of environmental data | |
CN114858976A (zh) | 一种工业园区大气质量智能分析方法及系统 | |
CN105512485B (zh) | 一种估算细颗粒物及其前体物环境容量的新方法 | |
Tian et al. | Uncertainty analysis of ozone formation and response to emission controls using higher-order sensitivities | |
CN116227749A (zh) | 污染物排放量的确定方法、装置、存储介质及电子设备 | |
CN116013426A (zh) | 一种高时空分辨率的站点臭氧浓度预测方法 | |
CN114881437A (zh) | 基于多源数据的大气臭氧健康评估方法、装置、存储介质 | |
Larsen et al. | A spatial causal analysis of wildland fire-contributed PM2. 5 using numerical model output | |
Suhaimi et al. | Markov Chain Monte Carlo method for handling missing data in air quality datasets | |
CN114121169A (zh) | 一种基于深度学习的化工园区VOCs污染溯源方法 | |
CN116628519B (zh) | 一种生态脆弱区识别方法及系统 | |
CN116228501B (zh) | 排污超标区域行业确定方法、装置、存储介质及电子设备 | |
CN115239027B (zh) | 空气质量格点化集合预报的方法及装置 | |
Gu et al. | Analysis and quantification of data assimilation based on sequential Monte Carlo methods for wildfire spread simulation | |
Zhu et al. | A data-driven approach for optimal design of integrated air quality monitoring network in a chemical cluster | |
CN115618718A (zh) | 一种基于表面监测和遗传算法优化的垃圾填埋场甲烷排放估算方法 | |
Chen et al. | Estimation and variation analysis of secondary inorganic aerosols across the Greater Bay Area in 2005 and 2015 | |
CN117252489B (zh) | 臭氧污染来源的评估方法、装置、介质及电子设备 | |
Kunt et al. | Air pollution modelling of Konya City center by using artificial intelligence methods |
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 |