CN110988269A - 大气污染源排放清单的偏差修正方法、装置及存储介质 - Google Patents
大气污染源排放清单的偏差修正方法、装置及存储介质 Download PDFInfo
- Publication number
- CN110988269A CN110988269A CN201911311924.2A CN201911311924A CN110988269A CN 110988269 A CN110988269 A CN 110988269A CN 201911311924 A CN201911311924 A CN 201911311924A CN 110988269 A CN110988269 A CN 110988269A
- Authority
- CN
- China
- Prior art keywords
- atmospheric
- deviation
- pollution source
- emission list
- atmospheric pollution
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000012937 correction Methods 0.000 title claims abstract description 16
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 85
- 231100000719 pollutant Toxicity 0.000 claims abstract description 85
- 239000011159 matrix material Substances 0.000 claims description 52
- 238000012544 monitoring process Methods 0.000 claims description 35
- 238000004088 simulation Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000011109 contamination Methods 0.000 claims 2
- 230000008569 process Effects 0.000 description 7
- 230000008901 benefit Effects 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000009792 diffusion process Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000009897 systematic effect Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000003912 environmental pollution Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000002243 precursor Substances 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000003915 air pollution Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000000746 body region Anatomy 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 238000013461 design 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
Images
Classifications
-
- 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
- G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
-
- 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
- G01N33/007—Arrangements to check the analyser
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Combustion & Propulsion (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种大气污染源排放清单的偏差修正方法、装置及存储介质,包括:将目标区域划分为若干个地区;基于各所述地区的预设历史时段的大气污染物数据,计算各所述地区的大气污染物浓度的平均相对偏差;获取各所述地区之间的大气污染物浓度的相互贡献率;基于所述平均相对偏差和所述相互贡献率,获取各所述地区的大气污染源排放清单系统偏差;利用所述大气污染源排放清单系统偏差,对各所述地区的原始大气污染源排放清单进行修正。本申请的方法,基于平均相对偏差和相互贡献率,计算各地区的大气污染源排放清单系统偏差,对各地区的原始大气污染源排放清单进行修正,兼顾了相互贡献率的影响,修正结果更加准确,从而提高了模式预报准确率。
Description
技术领域
本申请涉及空气质量监测技术领域,具体涉及一种大气污染源排放清单的偏差修正方法、装置及存储介质。
背景技术
大气污染物排放清单是空气质量预测预报和污染控制措施和政策模拟的基础,排放清单的确定性及其在时间、空间以及化学成分的分配精细化程度上直接影响着预报和模拟的效果。目前排放清单具有很大的不确定性,需要针对模式预报效果开展排放清单的修正,减少不确定性,从而提高模式预报准确率。
目前排放清单修正常用的方法采用对比验证每个地区的预报与观测数据的效果,在不考虑气象与空气质量模式的偏差情况下,该地区的预报与观测的偏差可以认为是该地区排放清单的偏差所造成。但是,这种方法没有考虑大气是一个大气的整体性,污染物排放出来,会受到气象条件影响,输送到外地,因此,仅仅考虑本地的预报效果来修正本地排放清单的偏差,会造成本地排放清单矫枉过正,造成更大的偏差。
因此,需要考虑大气的物理传输以及化学生成过程,从污染物贡献率的角度来量化本地与外地的排放清单的实际偏差。
发明内容
本申请的目的是提供一种大气污染源排放清单的偏差修正方法、装置及存储介质。为了对披露的实施例的一些方面有一个基本的理解,下面给出了简单的概括。该概括部分不是泛泛评述,也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念,以此作为后面的详细说明的序言。
根据本申请实施例的一个方面,提供一种大气污染源排放清单的偏差修正方法,包括:
将目标区域划分为若干个地区;
基于各所述地区的预设历史时段的大气污染物数据,计算各所述地区的大气污染物浓度的平均相对偏差;
获取各所述地区之间的大气污染物浓度的相互贡献率;
基于所述平均相对偏差和所述相互贡献率,获取各所述地区的大气污染源排放清单系统偏差;
利用所述大气污染源排放清单系统偏差,对各所述地区的原始大气污染源排放清单进行修正。
进一步地,所述将目标区域划分为若干个地区,包括:
根据行政区划边界将目标区域划分为若干个地区;或者
根据经度与纬度将目标区域划分为若干个地区。
进一步地,所述将目标区域划分为若干个地区,还包括:为每一所述地区设置一独有的标识。
进一步地,所述大气污染物数据包括空气质量预报数据和监测站的大气污染物监测数据;所述监测站位于所述地区内。
进一步地,所述计算各所述地区的大气污染物浓度的平均相对偏差,包括:所述计算各所述地区的污染物浓度平均相对偏差,包括:计算各监测站的大气污染物浓度的平均偏差和平均值,根据平均偏差和平均值计算各监测站的大气污染物浓度平均相对偏差,计算所述各监测站的大气污染物浓度平均相对偏差的平均值,以所述平均值作为所述各监测站所在地区的大气污染物浓度平均相对偏差。
进一步地,所述获取各所述地区之间的大气污染物浓度的相互贡献率,包括:收集各所述地区在所述预设历史时段内的通过数值源解析模式模拟的源解析数据;所述源解析数据代表所述地区的大气污染物对所述目标区域内的其他所述地区的大气污染物浓度变化的贡献率。
进一步地,所述基于所述平均相对偏差和所述相互贡献率,获取各所述地区的大气污染源排放清单系统偏差,包括:
利用所有所述地区的大气污染物浓度的平均相对偏差构建平均相对偏差矩阵;
利用所有所述地区的大气污染物浓度的相互贡献率构成相互贡献率矩阵;
所述相互贡献率矩阵的逆矩阵乘以所述平均相对偏差矩阵,得到大气污染源排放清单系统偏差矩阵;
其中,所述大气污染源排放清单系统偏差矩阵的各元素为各所述地区的大气污染源排放清单系统偏差。
进一步地,所述利用所述大气污染源排放清单系统偏差,对各所述地区的原始大气污染源排放清单进行修正,包括:
计算单位列向量与所述平均相对偏差矩阵的差;
原始大气污染源排放清单矩阵乘以所述差得到修正后的大气污染源排放清单矩阵;所述修正后的大气污染源排放清单矩阵中的各元素为修正后的各所述地区的原始大气污染源排放清单。
根据本申请实施例的另一个方面,提供一种大气污染源排放清单的偏差修正装置,包括:
划分模块,用于将目标区域划分为若干个地区;
计算模块,用于基于各所述地区的预设历史时段的大气污染物数据,计算各所述地区的大气污染物浓度的平均相对偏差;
第一获取模块,用于获取各所述地区之间的大气污染物浓度的相互贡献率;
第二获取模块,用于基于所述平均相对偏差和所述相互贡献率,获取各所述地区的大气污染源排放清单系统偏差;
修正模块,用于利用所述大气污染源排放清单系统偏差,对各所述地区的原始大气污染源排放清单进行修正。
根据本申请实施例的另一个方面,提供一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行,以实现所述的大气污染源排放清单的偏差修正方法。
本申请实施例的其中一个方面提供的技术方案可以包括以下有益效果:
本申请实施例提供的大气污染源排放清单的偏差修正方法,基于平均相对偏差和相互贡献率,计算各地区的大气污染源排放清单系统偏差,利用大气污染源排放清单系统偏差对各地区的原始大气污染源排放清单进行修正,兼顾了相互贡献率的影响,修正结果更加准确,降低了偏差,减少了不确定性,从而提高了模式预报准确率。
本申请的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者,部分特征和优点可以从说明书中推知或毫无疑义地确定,或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出了本申请的一个实施例的大气污染源排放清单的偏差修正方法流程图;
图2示出了本申请的一个实施例的大气污染源排放清单的偏差修正装置的结构框图;
图3示出了本申请的另一实施例中根据行政区划边界将目标区域划分为若干个地区的目标区域划分示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,下面结合附图和具体实施例对本申请做进一步说明。应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语),具有与本申请所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语,应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样被特定定义,否则不会用理想化或过于正式的含义来解释。
如图1所示,本申请的一个实施例提供了一种大气污染源排放清单的偏差修正方法,包括:
S1、将目标区域划分为若干个地区。
S2、基于各所述地区的预设历史时段的大气污染物数据,计算各所述地区的大气污染物浓度的平均相对偏差。
S3、获取各所述地区之间的大气污染物浓度的相互贡献率。
S4、基于所述平均相对偏差和所述相互贡献率,获取各所述地区的大气污染源排放清单系统偏差。
S5、利用所述大气污染源排放清单系统偏差,对各所述地区的原始大气污染源排放清单进行修正。
在某些实施方式中,步骤S1、将目标区域划分为若干个地区,包括:
根据行政区划边界将目标区域划分为若干个地区;或者
根据经度与纬度将目标区域划分为若干个地区。
在某些实施方式中,步骤S1、将目标区域划分为若干个地区,还包括:为每一所述地区设置一独有的标识。
例如,为每一所述地区分配一独有的ID。每一地区的标识作为数值源解析模式的输入数据,同时也作为大气污染源排放清单偏差空间修正的最小单位。
在某些实施方式中,所述大气污染物数据包括空气质量预报数据和监测站的大气污染物监测数据;所述监测站位于所述地区内。
例如,大气污染物监测数据可以为PM2.5、PM10、SO2、NO2、CO、O3的监测站检测浓度。空气质量预报数据可以为PM2.5、PM10、SO2、NO2、CO、O3的预报浓度。
在某些实施方式中,所述计算各所述地区的大气污染物浓度的平均相对偏差,包括:计算各监测站的大气污染物浓度的平均偏差和平均值,根据平均偏差和平均值计算各监测站的大气污染物浓度平均相对偏差,计算所述各监测站的大气污染物浓度平均相对偏差的平均值,以所述平均值作为所述各监测站所在地区的大气污染物浓度平均相对偏差。
例如,基于收集到的空气质量数值模式的空气质量预报数据以及监测站的大气污染物监测数据,计算各监测站的大气污染物浓度的平均偏差和平均值,大气污染物浓度平均相对偏差为平均偏差和平均值的比值。计算所述各监测站的大气污染物浓度平均相对偏差的平均值,所述各监测站位于同一地区内,以该平均值作为各监测站所在地区的大气污染物浓度平均相对偏差yi。yi代表ID为i的地区的大气污染物浓度的平均相对偏差。
在某些实施方式中,步骤S3、获取各所述地区之间的大气污染物浓度的相互贡献率,包括:收集各所述地区在所述预设历史时段内的通过数值源解析模式模拟的源解析数据;所述源解析数据代表所述地区的大气污染物对所述目标区域内的其他所述地区的大气污染物浓度变化的贡献率。
具体地,源解析为各个地区的污染源对环境污染的贡献值(分担率),其代表了某个地区污染源所排放的污染物,经过在大气中的输送扩散等物理过程以及化学反应过程,对受体地区造成的污染浓度变化的贡献率。
在某些实施方式中,采用二次污染物在线源解析模式,其优势在于可追溯二次污染物的前体物污染来源,有效获得地区污染源的贡献率。
在某些实施方式中,步骤S4、基于所述平均相对偏差和所述相互贡献率,获取各所述地区的大气污染源排放清单系统偏差,包括:
S401、利用所有所述地区的大气污染物浓度的平均相对偏差构建平均相对偏差矩阵。
例如,假设目标区域划分为n个地区,这样就形成了n*1的平均相对偏差矩阵y:
其中,yi代表ID为i的地区的大气污染物浓度的平均相对偏差。
S402、利用所有所述地区的大气污染物浓度的相互贡献率构成相互贡献率矩阵。
例如,假设目标区域划分为n个地区,由于大气的整体性,源解析数据包括了n个源体地区和n个受体地区,形成了n*n的二维矩阵。例如,某个大气污染物源解析数据Xij为j地区排放的大气污染物对i地区的污染贡献率:
S403、所述相互贡献率矩阵的逆矩阵乘以所述平均相对偏差矩阵,得到大气污染源排放清单系统偏差矩阵;
其中,所述大气污染源排放清单系统偏差矩阵的各元素为各所述地区的大气污染源排放清单系统偏差。
具体地,大气污染源排放清单系统偏差矩阵β的表达式为
其中,βi代表ID为i的地区的大气污染源排放清单的系统相对偏差。消减比例new=old*(1-βi)。
计算大气污染源排放清单的系统相对偏差的最简单直接的方法是β=y。但是,由于大气污染物在空气中受到风场的作用,通过平流、扩散等物理过程输送至别的地区,也会发生一系列化学反应,因此,需要考虑各个地区的相互贡献率,才能有效准确地量化每个地区的大气污染源排放清单的系统相对偏差。
具体计算大气污染源排放清单的系统相对偏差的公式如下:
Xβ=y;
β=X-1·y;
其中,X为数值源解析模式计算而得的每个地区的相互贡献率;y为每个地区大气污染物浓度的平均相对偏差,β为未知数,是需要求解的大气污染源排放清单的系统相对偏差矩阵;由于X为n阶方阵,且为满秩矩阵,可求解其可逆矩阵,因而,β具有唯一解。
在某些实施方式中,步骤S5、利用所述大气污染源排放清单系统偏差,对各所述地区的原始大气污染源排放清单进行修正,包括:
S501、计算单位列向量与所述平均相对偏差矩阵的差;
计算公式为D=I-β;D代表差,I代表单位列向量。
S502、原始大气污染源排放清单矩阵乘以所述差得到修正后的大气污染源排放清单矩阵;所述修正后的大气污染源排放清单矩阵中的各元素为修正后的各所述地区的原始大气污染源排放清单;
计算公式为e’=e×D=e×(I-β),其中,e’代表修正后的大气污染源排放清单矩阵,e代表原始大气污染源排放清单矩阵;
ei’=ei×(1-βi),其中,ei’代表修正后的大气污染源排放清单矩阵的元素,ei代表原始大气污染源排放清单矩阵的元素,βi代表大气污染源排放清单的系统相对偏差矩阵的元素,i代表地区的ID。
本实施例还提供了一种大气污染源排放清单的偏差修正装置,包括:
划分模块100,用于将目标区域划分为若干个地区;
计算模块200,用于基于各所述地区的预设历史时段的大气污染物数据,计算各所述地区的大气污染物浓度的平均相对偏差;
第一获取模块300,用于获取各所述地区之间的大气污染物浓度的相互贡献率;
第二获取模块400,用于基于所述平均相对偏差和所述相互贡献率,获取各所述地区的大气污染源排放清单系统偏差;
修正模块500,用于利用所述大气污染源排放清单系统偏差,对各所述地区的原始大气污染源排放清单进行修正。
本实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行,以实现上述的大气污染源排放清单的偏差修正方法。
本申请的另一个实施例提供了一种大气污染源排放清单的偏差修正方法,包括以下步骤:
1)将模式区域划分为若干个地区,源解析模式以及排放清单优化均使用相同的地区划分;
2)通过空气质量数值模式系统的预报数据,结合站点的监测数据,计算各个地区的污染物浓度的平均偏差y;
3)通过数值源解析模式,获得每个地区污染物浓度的相互贡献率,形成二维矩阵组X;
4)基于各个地区的污染物浓度的平均偏差y以及相互贡献率X,计算每个地区的大气污染源排放清单系统偏差β。
本申请的另一个实施例提供了一种大气污染源排放清单的偏差修正方法,包括以下步骤:
(1)将目标区域划分为若干个地区,为每个地区设置一单独的ID。
划分地区的方法可采用行政边界和经纬度两种方法。该区域划分数据(即地区ID)作为数值源解析模式的输入数据,也作为大气污染源排放清单偏差空间修正的最小单位,两者保持一致。如图3所示,可以采用行政边界划分地区。
(2)收集历史时段的空气质量数值模式预报系统业务预报结果以及监测站的大气污染物监测数据,收集内容PM2.5、PM10、SO2、NO2、CO、O3的站点质量浓度。
(3)基于收集到的空气质量数值模式的空气质量预报数据以及监测站的大气污染物监测数据,计算各站点的污染物浓度的平均偏差和平均值,再基于各站点的地理位置计算各ID地区的平均相对偏差yi,假设模式区域划分为n个地区,这样就形成了n*1的平均相对偏差矩阵y:
其中,yi代表ID为i的地区的污染物浓度的平均相对偏差。
(4)收集历史时段的数值源解析模式模拟的源解析数据。
源解析为各个污染源对环境污染的贡献值(分担率),其代表了某个源体(如图1所示的某个ID地区)所排放的污染物,经过在大气中的输送扩散等物理过程以及化学反应过程,对受体地区(图一所示的某个ID地区)造成的污染浓度变化的贡献率。
本实施例采用二次污染物在线源解析模式,其优势在于可追溯二次污染物的前体物污染来源,有效获得源区的贡献率。假设模式区域划分为n个地区,由于大气的整体性,源解析数据包括了n个源体和n个受体,形成了n*n的二维矩阵。例如,某个污染物源解析数据Xij为j地区的排放对i地区的污染贡献:
(5)各个地区的大气污染源排放清单的系统相对偏差β是本实施例最终要获得的一维矩阵:
其中,βi代表ID为i的地区的大气污染源排放清单的系统相对偏差(消减比例,new=old*(1-βt))。
计算排放清单系统相对偏差的最简单直接的方法是β=y。但是,由于大气污染物在空气中受到风场的作用,通过平流、扩散等物理过程输送至别的地区,也会发生一系列化学反应,因此,需要考虑各个地区的相互贡献率,才可有效的量化每个地区的大气污染源排放清单的系统相对偏差。
具体计算排放清单系统相对偏差的函数如下:
Xβ=y;
β=X-1·y;
其中,X为数值源解析模式计算而得的每个地区的相互贡献率;y为每个地区大气污染物浓度的平均相对偏差,β为未知数,是需要求解的大气污染源排放清单的系统相对偏差,由于X为n阶方阵,且基本为满秩矩阵,可求解其可逆矩阵,因而,β具有唯一解。
(6)得到排放清单的系统相对偏差后,就可以对每个区域的原始排放清单进行修正,其公式如下:
ei’=ei×(1-βi)
其中ei’为第i个区域校正后的排放,ei为第i个区域原始的排放,βi为第i个区域排放清单的系统相对偏差。
本申请实施例提供的大气污染源排放清单的偏差修正方法,基于平均相对偏差和相互贡献率,计算各地区的大气污染源排放清单系统偏差,利用大气污染源排放清单系统偏差对各地区的原始大气污染源排放清单进行修正,兼顾了相互贡献率的影响,修正结果更加准确,降低了偏差,减少了不确定性,从而提高了模式预报准确率。
需要说明的是:
术语“模块”并非意图受限于特定物理形式。取决于具体应用,模块可以实现为硬件、固件、软件和/或其组合。此外,不同的模块可以共享公共组件或甚至由相同组件实现。不同模块之间可以存在或不存在清楚的界限。
在此提供的算法和显示不与任何特定计算机、虚拟装置或者其它设备固有相关。各种通用装置也可以与基于在此的示教一起使用。根据上面的描述,构造这类装置所要求的结构是显而易见的。此外,本申请也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本申请的内容,并且上面对特定语言所做的描述是为了披露本申请的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本申请的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本申请的示例性实施例的描述中,本申请的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本申请要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本申请的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本申请的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本申请的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本申请实施例的虚拟机的创建装置中的一些或者全部部件的一些或者全部功能。本申请还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本申请的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本申请进行说明而不是对本申请进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本申请可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上所述实施例仅表达了本申请的实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种大气污染源排放清单的偏差修正方法,其特征在于,包括:
将目标区域划分为若干个地区;
基于各所述地区的预设历史时段的大气污染物数据,计算各所述地区的大气污染物浓度的平均相对偏差;
获取各所述地区之间的大气污染物浓度的相互贡献率;
基于所述平均相对偏差和所述相互贡献率,获取各所述地区的大气污染源排放清单系统偏差;
利用所述大气污染源排放清单系统偏差,对各所述地区的原始大气污染源排放清单进行修正。
2.根据权利要求1所述的方法,其特征在于,所述将目标区域划分为若干个地区,包括:
根据行政区划边界将目标区域划分为若干个地区;或者
根据经度与纬度将目标区域划分为若干个地区。
3.根据权利要求2所述的方法,其特征在于,所述将目标区域划分为若干个地区,还包括:为每一所述地区设置一独有的标识。
4.根据权利要求1所述的方法,其特征在于,所述大气污染物数据包括空气质量预报数据和监测站的大气污染物监测数据;所述监测站位于所述地区内。
5.根据权利要求4所述的方法,其特征在于,所述计算各所述地区的大气污染物浓度的平均相对偏差,包括:计算各监测站的大气污染物浓度的平均偏差和平均值,根据平均偏差和平均值计算各监测站的大气污染物浓度平均相对偏差,计算所述各监测站的大气污染物浓度平均相对偏差的平均值,以所述平均值作为所述各监测站所在地区的大气污染物浓度平均相对偏差。
6.根据权利要求1所述的方法,其特征在于,所述获取各所述地区之间的大气污染物浓度的相互贡献率,包括:收集各所述地区在所述预设历史时段内的通过数值源解析模式模拟的源解析数据;所述源解析数据代表所述地区的大气污染物对所述目标区域内的其他所述地区的大气污染物浓度变化的贡献率。
7.根据权利要求1所述的方法,其特征在于,所述基于所述平均相对偏差和所述相互贡献率,获取各所述地区的大气污染源排放清单系统偏差,包括:
利用所有所述地区的大气污染物浓度的平均相对偏差构建平均相对偏差矩阵;
利用所有所述地区的大气污染物浓度的相互贡献率构成相互贡献率矩阵;
所述相互贡献率矩阵的逆矩阵乘以所述平均相对偏差矩阵,得到大气污染源排放清单系统偏差矩阵;
其中,所述大气污染源排放清单系统偏差矩阵的各元素为各所述地区的大气污染源排放清单系统偏差。
8.根据权利要求7所述的方法,其特征在于,所述利用所述大气污染源排放清单系统偏差,对各所述地区的原始大气污染源排放清单进行修正,包括:
计算单位列向量与所述平均相对偏差矩阵的差;
原始大气污染源排放清单矩阵乘以所述差得到修正后的大气污染源排放清单矩阵;所述修正后的大气污染源排放清单矩阵中的各元素为修正后的各所述地区的原始大气污染源排放清单。
9.一种大气污染源排放清单的偏差修正装置,其特征在于,包括:
划分模块,用于将目标区域划分为若干个地区;
计算模块,用于基于各所述地区的预设历史时段的大气污染物数据,计算各所述地区的大气污染物浓度的平均相对偏差;
第一获取模块,用于获取各所述地区之间的大气污染物浓度的相互贡献率;
第二获取模块,用于基于所述平均相对偏差和所述相互贡献率,获取各所述地区的大气污染源排放清单系统偏差;
修正模块,用于利用所述大气污染源排放清单系统偏差,对各所述地区的原始大气污染源排放清单进行修正。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行,以实现如权利要求1-8中任一所述的大气污染源排放清单的偏差修正方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911311924.2A CN110988269B (zh) | 2019-12-18 | 2019-12-18 | 大气污染源排放清单的偏差修正方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911311924.2A CN110988269B (zh) | 2019-12-18 | 2019-12-18 | 大气污染源排放清单的偏差修正方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110988269A true CN110988269A (zh) | 2020-04-10 |
CN110988269B CN110988269B (zh) | 2020-07-31 |
Family
ID=70095598
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911311924.2A Active CN110988269B (zh) | 2019-12-18 | 2019-12-18 | 大气污染源排放清单的偏差修正方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110988269B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111444633A (zh) * | 2020-04-20 | 2020-07-24 | 中国科学院大气物理研究所 | 一种针对大气污染过程的定量解析方法和系统 |
CN111538957A (zh) * | 2020-04-21 | 2020-08-14 | 中科三清科技有限公司 | 大气污染物来源贡献度的获取方法、装置、设备及介质 |
CN111915465A (zh) * | 2020-07-09 | 2020-11-10 | 暨南大学 | 一种针对大气面源排放清单的分配方法和系统 |
CN112036038A (zh) * | 2020-08-31 | 2020-12-04 | 中科三清科技有限公司 | 一种排放源的排放量调优方法、装置、设备及存储介质 |
CN112052619A (zh) * | 2020-09-08 | 2020-12-08 | 自然资源部第一海洋研究所 | 空气污染粒子信息的优化方法、装置及电子设备 |
CN112561145A (zh) * | 2020-12-08 | 2021-03-26 | 成都市环境保护科学研究院 | 一种臭氧污染管控敏感区预报方法、存储介质及终端 |
CN113436045A (zh) * | 2021-06-15 | 2021-09-24 | 深圳中兴网信科技有限公司 | 大气污染多尺度融合溯源方法、装置和可读存储介质 |
CN113987058A (zh) * | 2021-11-01 | 2022-01-28 | 中科三清科技有限公司 | 排放清单的确定方法和装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101394130B1 (ko) * | 2012-06-19 | 2014-05-14 | 건국대학교 산학협력단 | U-City 탄소배출 저감량 산정 시스템 및 그 방법 |
CN105158353A (zh) * | 2015-07-29 | 2015-12-16 | 北华航天工业学院 | 土壤中多环芳烃污染源解析的方法 |
CN106548027A (zh) * | 2016-10-28 | 2017-03-29 | 中国科学院生态环境研究中心 | 一种新的基于非负矩阵分解的源解析方法 |
CN106557869A (zh) * | 2016-10-20 | 2017-04-05 | 北京市劳动保护科学研究所 | 一种基于poi点的大气污染物排放清单空间分配方法及装置 |
CN106649960A (zh) * | 2016-10-12 | 2017-05-10 | 环境保护部环境规划院 | 大气多污染物环境容量三维迭代计算方法 |
JP2017102673A (ja) * | 2015-12-01 | 2017-06-08 | 日通システム株式会社 | ストレス検査システム、ストレス検査方法、および、ストレス検査プログラム |
CN106920007A (zh) * | 2017-02-27 | 2017-07-04 | 北京工业大学 | 基于二阶自组织模糊神经网络的pm2.5智能预测方法 |
CN109060617A (zh) * | 2018-07-06 | 2018-12-21 | 南京信息工程大学 | 不同农业氨排放情景对pm2.5浓度影响的模拟与分析方法 |
-
2019
- 2019-12-18 CN CN201911311924.2A patent/CN110988269B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101394130B1 (ko) * | 2012-06-19 | 2014-05-14 | 건국대학교 산학협력단 | U-City 탄소배출 저감량 산정 시스템 및 그 방법 |
CN105158353A (zh) * | 2015-07-29 | 2015-12-16 | 北华航天工业学院 | 土壤中多环芳烃污染源解析的方法 |
JP2017102673A (ja) * | 2015-12-01 | 2017-06-08 | 日通システム株式会社 | ストレス検査システム、ストレス検査方法、および、ストレス検査プログラム |
CN106649960A (zh) * | 2016-10-12 | 2017-05-10 | 环境保护部环境规划院 | 大气多污染物环境容量三维迭代计算方法 |
CN106557869A (zh) * | 2016-10-20 | 2017-04-05 | 北京市劳动保护科学研究所 | 一种基于poi点的大气污染物排放清单空间分配方法及装置 |
CN106548027A (zh) * | 2016-10-28 | 2017-03-29 | 中国科学院生态环境研究中心 | 一种新的基于非负矩阵分解的源解析方法 |
CN106920007A (zh) * | 2017-02-27 | 2017-07-04 | 北京工业大学 | 基于二阶自组织模糊神经网络的pm2.5智能预测方法 |
CN109060617A (zh) * | 2018-07-06 | 2018-12-21 | 南京信息工程大学 | 不同农业氨排放情景对pm2.5浓度影响的模拟与分析方法 |
Non-Patent Citations (1)
Title |
---|
刘禹淇等: "南昌市固定燃烧点源大气污染物排放清单及特征", 《环境科学学报》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111444633A (zh) * | 2020-04-20 | 2020-07-24 | 中国科学院大气物理研究所 | 一种针对大气污染过程的定量解析方法和系统 |
CN111444633B (zh) * | 2020-04-20 | 2021-04-27 | 中国科学院大气物理研究所 | 一种针对大气污染过程的定量解析方法和系统 |
CN111538957A (zh) * | 2020-04-21 | 2020-08-14 | 中科三清科技有限公司 | 大气污染物来源贡献度的获取方法、装置、设备及介质 |
CN111915465A (zh) * | 2020-07-09 | 2020-11-10 | 暨南大学 | 一种针对大气面源排放清单的分配方法和系统 |
CN112036038A (zh) * | 2020-08-31 | 2020-12-04 | 中科三清科技有限公司 | 一种排放源的排放量调优方法、装置、设备及存储介质 |
CN112036038B (zh) * | 2020-08-31 | 2021-07-23 | 中科三清科技有限公司 | 一种排放源的排放量调优方法、装置、设备及存储介质 |
CN112052619A (zh) * | 2020-09-08 | 2020-12-08 | 自然资源部第一海洋研究所 | 空气污染粒子信息的优化方法、装置及电子设备 |
CN112052619B (zh) * | 2020-09-08 | 2021-04-30 | 自然资源部第一海洋研究所 | 空气污染粒子信息的优化方法、装置及电子设备 |
CN112561145A (zh) * | 2020-12-08 | 2021-03-26 | 成都市环境保护科学研究院 | 一种臭氧污染管控敏感区预报方法、存储介质及终端 |
CN113436045A (zh) * | 2021-06-15 | 2021-09-24 | 深圳中兴网信科技有限公司 | 大气污染多尺度融合溯源方法、装置和可读存储介质 |
CN113987058A (zh) * | 2021-11-01 | 2022-01-28 | 中科三清科技有限公司 | 排放清单的确定方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110988269B (zh) | 2020-07-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110988269B (zh) | 大气污染源排放清单的偏差修正方法、装置及存储介质 | |
CN112182064B (zh) | 一种污染物来源分析方法、装置、电子设备及存储介质 | |
Beemsterboer et al. | Ways to get work done: a review and systematisation of simplification practices in the LCA literature | |
Matthes et al. | Climate-optimized trajectories and robust mitigation potential: Flying ATM4E | |
CN114818391B (zh) | 一种基于多溯源模型的污染源浓度分析方法 | |
KR20140024541A (ko) | 대기 모델링 서비스 제공 시스템 | |
Blecic et al. | How much past to see the future: a computational study in calibrating urban cellular automata | |
Manfren et al. | Parametric performance analysis and energy model calibration workflow integration—A scalable approach for buildings | |
Omrany et al. | Application of life cycle energy assessment in residential buildings: A critical review of recent trends | |
Hu et al. | Estimating CO2 emissions from large scale coal-fired power plants using OCO-2 observations and emission inventories | |
Lucas Segarra et al. | Probabilistic load forecasting for building energy models | |
Lorenzo-Sáez et al. | Energy efficiency and GHG emissions mapping of buildings for decision-making processes against climate change at the local level | |
Feng et al. | A predictive environmental assessment method for construction operations: Application to a Northeast China case study | |
CN112513896A (zh) | 一种大气污染预测的方法 | |
Żurek et al. | Reliability analysis of technical means of transport | |
Isaac et al. | A review of the optimization strategies and methods used to locate hydrogen fuel refueling stations | |
Cui et al. | Evaluation of China’s environmental pressures based on satellite NO2 observation and the extended STIRPAT model | |
Rauf | Reducing life cycle embodied energy of residential buildings: importance of building and material service life | |
Hoose et al. | Selection of production mix in the agricultural machinery industry considering sustainability in decision making | |
McBain et al. | Building robust housing sector policy using the ecological footprint | |
Mutani et al. | Toward improved urban building energy modeling using a place-based approach | |
Moreno-Rodenas et al. | Impact of spatiotemporal characteristics of rainfall inputs on integrated catchment dissolved oxygen simulations | |
Lim et al. | Spatialization and prediction of seasonal NO2 pollution due to climate change in the Korean capital area through land use regression modeling | |
Fu et al. | A simulation-based linear fractional programming model for adaptable water allocation planning in the main stream of the Songhua River Basin, China | |
Rousali et al. | Lean screening for greener energy consumption in retrofitting a residential apartment unit |
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 | ||
EE01 | Entry into force of recordation of patent licensing contract | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20200410 Assignee: Beijing Zhongke Sanqing Environmental Technology Co.,Ltd. Assignor: 3CLEAR TECHNOLOGY Co.,Ltd. Contract record no.: X2022980012305 Denomination of invention: Method, device and storage medium for deviation correction of air pollution source emission inventory Granted publication date: 20200731 License type: Common License Record date: 20220815 |