污染物浓度的评估方法、评估装置及电子设备
技术领域
本申请涉及环保技术领域,具体而言,涉及污染物浓度的评估方法、评估装置及电子设备。
背景技术
近年来,由工业化生产带来的环境污染问题日益严峻,尤其在大气污染方面,给人们的日常生活带来了极大影响。为营造良好的生态环境,大气污染防治相关的政策日趋严格,监管力度持续加大,利用各种技术手段对大气污染进行监管以及对大气污染物浓度进行评估。
热点网格技术利用大数据和人工智能,考虑污染物静稳浓度及有潜在人类活动排放的数据,筛选出具有潜在污染排放的区域(3公里×3公里)作为热点网格,这些网格能涵盖近80%的污染排放贡献。对这些网格进行重点监管,可以有效解决环境监管人员数量少、监管区域面积大、监管重点不突出的问题,从而提升大气污染治理和现场执法的精准性。
对热点网格工作的开展成效进行评估,能够进一步为环境监察执法部门提供相关决策支撑。然而大气污染物浓度受到气象条件的影响较大,相同的本地排放在不同的天气条件下污染物浓度存在较大差异,难以确切计算热点网格监管工作开展效果。
大气环境评估不仅针对热点网格工作成效,在其他的工作实施中均会涉及。目前,大气污染物浓度评估一般方法是用浓度值进行同期比较和分析,但是直接用浓度值会受到气象条件等的干扰。
气象条件是影响污染物浓度的一个主要因素,评估浓度的改善情况可以借助中尺度气象模式,将今年的气象场替换成去年的气象场,进而评估在同样气象条件下污染物浓度是否改善。但是此种办法需要耗费大量计算资源和时间。
发明内容
本申请实施例提供一种污染物浓度的评估方法,包括:确定区域内所有热点网格的污染物的相对浓度参考值;确定所有热点网格的相对浓度参考值的正态分布曲线;基于所述正态分布曲线,将高于预设置信度对应的相对浓度参考值的热点网格确定为高浓度网格; 确定所有所述高浓度网格的概率占比;确定不同时间段所述高浓度网格的概率占比的均值的差距,以评估热点网格的污染物浓度的变化。
根据一些实施例,所述方法还包括:将所述区域划分为多个热点网格。
根据一些实施例,所述确定区域内所有热点网格的污染物的相对浓度参考值,包括:确定本区域内所有热点网格的污染物的浓度均值;确定本区域内所有热点网格的污染物的浓度相对于所述浓度均值的比值;确定所有所述比值的均值;确定每个所述比值减去所述比值的均值,得到每个热点网格的污染物的相对浓度参考值。
根据一些实施例,所述基于所述正态分布曲线,将高于预设置信度对应的相对浓度参考值的热点网格确定为高浓度网格,包括:基于所述正态分布曲线,确定所述预设置信度对应的相对浓度参考值为标准值;将所述相对浓度参考值高于所述标准值的网格,确定为所述高浓度网格。
根据一些实施例,所述确定所有所述高浓度网格的概率占比,包括:确定所述相对浓度参考值的直方图;基于所述直方图,确定所有所述高浓度网格的概率占比。
根据一些实施例,所述预设置信度为95%对应的所述相对浓度参考值为1.96σ,其中,σ为相对浓度参考值的标准差。
本申请实施例还提供一种污染物浓度的评估装置,包括:相对浓度参考值确定模块、正态分布曲线确定模块、高浓度网格确定模块、概率占比确定模块、评估模块,所述相对浓度参考值确定模块配置为确定区域内所有热点网格的污染物的相对浓度参考值;所述正态分布曲线确定模块配置为确定所有热点网格的相对浓度参考值的正态分布曲线;所述高浓度网格确定模块配置为基于所述正态分布曲线,将高于预设置信度对应的相对浓度参考值的热点网格确定为高浓度网格;所述概率占比确定模块配置为确定所有所述高浓度网格的概率占比;所述评估模块配置为确定不同时间段所述高浓度网格的概率占比的均值的差距,以评估热点网格的污染物浓度的变化。
根据一些实施例,所述装置还包括热点网格划分模块,所述热点网格划分模块配置为将所述区域划分为多个热点网格。
根据一些实施例,所述相对浓度参考值确定模块包括浓度均值确定单元、浓度比值确定单元、比值均值确定单元、浓度参考值确定单元,所述浓度均值确定单元配置为确定本区域内所有热点网格的污染物的浓度均值;所述浓度比值确定单元配置为确定本区域内所有热点网格的污染物的浓度相对于所述浓度均值的比值;所述比值均值确定单元配置为确定所有所述比值的均值;所述浓度参考值确定单元配置为确定每个所述比值减去所述比值的均值,得到每个热点网格的污染物的相对浓度参考值;所述高浓度网格确定模块包括标准值确定单元、高浓度网格确定单元,所述标准值确定单元配置为基于所述正态分布曲线,确定所述预设置信度对应的相对浓度参考值为标准值;所述高浓度网格确定单元配置为将所述相对浓度参考值高于所述标准值的网格,确定为所述高浓度网格;所述概率占比确定模块包括直方图单元、概率占比确定单元,所述直方图单元确定所述相对浓度参考值的直方图;所述概率占比确定单元基于所述直方图,确定所有所述高浓度网格的概率占比。
本申请实施例还提供一种电子设备,包括一个或多个处理器、存储器,所述存储器用于存储一个或多个程序;当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上所述的方法。
本申请实施例提供的技术方案,通过正态偏离程度解决了高污染值区域浓度改善的评估,克服了大气污染物浓度评估用浓度值进行同期比较和分析时会受到气象等条件的干扰问题;并且将评估重点转移到问题最严重的监管区域,能更好的评估项目实施对问题突出区域污染情况的改善效果;利用浓度比的方式剔除了气象条件引起的差异,相比于利用气象场变换评估,节约了大量的计算资源和时间。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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是本申请实施例提供的一种“2+26”城市国控站浓度分布直方图。
图2是本申请实施例提供的一种污染物浓度的评估方法流程示意图。
图3是本申请实施例提供的一种相对浓度参考值r i 的频次分布图和相应的正态分布曲线示意图。
图4是本申请实施例提供的一种污染物浓度的评估装置功能组成框图。
图5是本申请实施例提供的一种相对浓度参考值确定模功能组成框图。
图6是本申请实施例提供的一种高浓度网格确定模块功能组成框图。
图7是本申请实施例提供的一种概率占比确定模块功能组成框图。
图8是本申请实施例提供的一种电子设备功能组成框图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域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。
本申请的污染物浓度的评估方法采用相对浓度对改善情况进行评估,进而弱化气象条件的干扰。以网格浓度和市热点网格平均浓度的比值作为评价因子,可以消除由于天气过程引起的浓度变化影响。
一般认为,在一个区域内,如果不存在污染源,该区域上细颗粒物浓度(例如PM2.5)呈现正态分布,如图1所示,图1是本申请实施例提供的一种“2+26”城市国控站浓度分布直方图,在图1中,横坐标conc为污染物浓度,纵坐标probability为各个污染物浓度对应的概率,mean为污染物浓度的平均值,stdev是污染物浓度的标准差。
如图1所示,在“2+26”城市空气质量整体较好的天,各城市国控站PM2.5浓度的直方图分布呈现正态分布形势。
如果不呈现正态分布,表明有的地方存在污染排放,导致部分网格浓度较高,此时所有网格浓度的直方图分布存在长尾现象。将网格浓度的直方图与这些网格的正态分布曲线进行比较,用正态偏离程度来表征高浓度网格数量。如果高浓度网格数量减少,表明重点监管区域大气污染有所改善,说明热点网格工作有“消峰”作用。
图2是本申请实施例提供的一种污染物浓度的评估方法流程示意图。
在S110中,确定区域内所有热点网格的污染物的相对浓度参考值。
热点网格技术利用大数据和人工智能,考虑污染物静稳浓度及有潜在人类活动排放的数据,筛选出具有潜在污染排放的区域(3公里×3公里)作为热点网格。将区域划分为多个热点网格。这些网格能涵盖近80%的污染排放贡献。对这些网格进行重点监管,可以有效解决环境监管人员数量少、监管区域面积大、监管重点不突出的问题,从而提升大气污染治理和现场执法的精准性。
确定本区域内所有热点网格的污染物的浓度均值
。确定本区域内所有热点网格的污染物的浓度相对于浓度均值的比值
。确定所有比值的均值。确定每个比值减去比值的均值,得到每个热点网格的污染物的相对浓度参考值
r i 。
其中,
r i 是相对浓度参考值,
c i 是热点网格的污染物浓度,
是区域内污染物浓度均值,
n为热点网格数。
在S120中,计算所有热点网格的相对浓度参考值r i 的标准差σ,并绘制相对浓度参考值r i 的直方图与正态分布曲线。
在S130中,基于正态分布曲线,将高于预设置信度对应的相对浓度参考值的热点网格确定为高浓度网格。
预设置信度根据实际需要设置。例如设置预设置信度为95%,对应的相对浓度参考值r i 为1.96σ,其中,σ为相对浓度参考值的标准差。将1.96σ确定为标准值,将相对浓度参考值高于标准值的热点网格确定为高浓度网格,如图3所示。图3是本申请实施例提供的一种相对浓度参考值r i 的频次分布图和相应的正态分布曲线示意图,1.96σ右侧的相对浓度参考值r i 大于1.96σ,对应的网格为高浓度网格。
在S140中,确定所有高浓度网格的概率占比。
基于直方图,确定所有高浓度网格的概率占比。首先确定相对浓度参考值的直方图,直方图就是每个相对浓度参考值在所有相对浓度参考值中的比例。计算相对浓度参考值r i 大于1.96σ的所有相对浓度参考值所占比例之和即为概率占比。
在S150中,确定不同时间段高浓度网格的概率占比的均值的差距,以评估热点网格的污染物浓度的变化。
高浓度网格的概率占比在一段时间内有一个均值,能比较真实的反映污染情况。根据两个或多个不同时间段高浓度网格的概率占比均值的差距,来判断采取治理措施后污染物浓度的变化情况,以此来评估热点网格的污染物浓度的改善效果。
例如两个不同时间段高浓度网格的概率占比均值的差距E=S p1 -S p2 , 其中,S p1 为第一个时间段内高浓度网格的概率占比均值,S p2 为第二个时间段内高浓度网格的概率占比均值。E越大,说明改善效果越好,采取的治理措施越有效。
图4是本申请实施例提供的一种污染物浓度的评估装置功能组成框图,包括相对浓度参考值确定模块10、正态分布曲线确定模块20、高浓度网格确定模块30、概率占比确定模块40、评估模块50。
相对浓度参考值确定模块10配置为确定区域内所有热点网格的污染物的相对浓度参考值。正态分布曲线确定模块20配置为确定所有热点网格的相对浓度参考值的正态分布曲线。高浓度网格确定模块30配置为基于正态分布曲线,将高于预设置信度对应的相对浓度参考值的热点网格确定为高浓度网格。概率占比确定模块40配置为确定所有高浓度网格的概率占比。评估模块50配置为确定不同时间段高浓度网格的概率占比的均值的差距,以评估热点网格的污染物浓度的变化。
可选地,装置还包括热点网格划分模块,配置为将区域划分为多个热点网格。
图5是本申请实施例提供的一种相对浓度参考值确定模功能组成框图,相对浓度参考值确定模块10包括浓度均值确定单元11、浓度比值确定单元12、比值均值确定单元13、浓度参考值确定单元14。
浓度均值确定单元11配置为确定本区域内所有热点网格的污染物的浓度均值。浓度比值确定单元12配置为确定本区域内所有热点网格的污染物的浓度相对于浓度均值的比值。比值均值确定单元13配置为确定所有比值的均值。浓度参考值确定单元14配置为确定每个比值减去比值的均值,得到每个热点网格的污染物的相对浓度参考值。
图6是本申请实施例提供的一种高浓度网格确定模块功能组成框图,高浓度网格确定模块30包括标准值确定单元31、高浓度网格确定单元32。
标准值确定单元31配置为基于所述正态分布曲线,确定预设置信度对应的相对浓度参考值为标准值。高浓度网格确定单元32配置为将相对浓度参考值高于标准值的网格,确定为高浓度网格。
图7是本申请实施例提供的一种概率占比确定模块功能组成框图,概率占比确定模块40包括直方图单元41、概率占比确定单元42。
直方图单元41确定相对浓度参考值的直方图。概率占比确定单元42基于直方图,确定所有高浓度网格的概率占比。
图8是本申请实施例提供的一种电子设备功能组成框图。
电子设备可以包括输出单元601、输入单元602、处理器603、存储器604、通讯接口605,以及内存单元606。
存储器604作为一种非暂态计算机可读存储器,可用于存储软件程序、计算机可执行程序以及模块。当一个或多个程序被一个或多个处理器603执行,使得一个或多个处理器603实现如上所述的方法。
存储器604可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据电子器件的使用所创建的数据等。此外,存储器604可以包括高速随机存取存储器,还可以包括非暂态性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态性固态存储器件。在一些实施例中,存储器604可选包括相对于处理器603远程设置的存储器,这些远程存储器可以通过网络连接至电子设备。
以上对本申请实施例进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明仅用于帮助理解本申请的方法及其核心思想。同时,本领域技术人员依据本申请的思想,基于本申请的具体实施方式及应用范围上做出的改变或变形之处,都属于本申请保护的范围。综上所述,本说明书内容不应理解为对本申请的限制。