CN111665325B - 确定大气污染物时间来源的方法和装置 - Google Patents
确定大气污染物时间来源的方法和装置 Download PDFInfo
- Publication number
- CN111665325B CN111665325B CN202010526464.1A CN202010526464A CN111665325B CN 111665325 B CN111665325 B CN 111665325B CN 202010526464 A CN202010526464 A CN 202010526464A CN 111665325 B CN111665325 B CN 111665325B
- Authority
- CN
- China
- Prior art keywords
- detection
- duration
- concentration
- time
- 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.)
- Active
Links
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
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Physics & Mathematics (AREA)
- Combustion & Propulsion (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By The Use Of Chemical Reactions (AREA)
- Sampling And Sample Adjustment (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明提供一种确定大气污染物时间来源的方法和装置。该方法通过获取污染物在计时时长内的不同时间的排放浓度,计时时长为计时起始时刻至目标时刻的时间,按照预设步长将计时时长划分为N个检测时长,比较N与M的大小;若N大于M,确定N个检测时长内的连续的后M个检测时长内的排放浓度对目标检测时长内贡献的污染物浓度,目标检测时长为目标时刻所在的检测时长,从目标检测时长开始按照时间从后往前的第M个检测时长内的排放浓度为计时时长内前N‑M+1个检测时长内的排放浓度的累计值;若N小于等于M,确定N个检测时长内的排放浓度对目标检测时长内贡献的污染物浓度。实现了针对不同时间来源的大气污染物的源解析,节约计算资源。
Description
技术领域
本发明涉及大气环境技术领域,尤其涉及一种确定大气污染物时间来源的方法和装置。
背景技术
大气污染受到一系列复杂物理、化学过程的相互作用的影响,这些影响因子包括:污染源排放、气象条件、化学反应、沉降等。因此,预报空气质量需要对上述因子做出合理的描述。计算污染物浓度的来源情况,对于污染综合治理规划具有十分重要的意义。
现有技术中,针对不同地域的污染源可以使用空气质量源解析模式进行来源解析,确定不同地域的污染物浓度的贡献。嵌套网格空气质量预报模式(NAQPMS)是基于“一个大气”理念设计的第三代空气质量模式。NAQPMS全面考虑了空气污染物在大气中的平流、扩散、干湿沉降以及化学转化等过程。NAQPMS耦合的污染在线源追踪技术从源排放开始对各种物理、化学过程进行分源类别、分地域的质量追踪,可以跟踪污染物来源,定量分析输送过程及区域污染排放贡献率。
然而,现在还没有针对不同时间来源的大气污染物的源解析方法。
发明内容
本发明提供一种确定大气污染物时间来源的方法和装置,用以解决目前没有针对不同时间来源的大气污染物的源解析方法的问题。
第一方面,本发明提供一种确定大气污染物时间来源的方法,包括:
获取污染物在计时时长内的不同时间的排放浓度,所述计时时长为计时起始时刻至目标时刻的时间;
按照预设步长将所述计时时长划分为N个检测时长;
比较N与M的大小,其中,M为预先设置的数值;
若N大于M,确定所述N个检测时长内的连续的后M个检测时长内的排放浓度对所述目标检测时长内贡献的污染物浓度,所述目标检测时长为所述目标时刻所在的检测时长,其中,从所述目标检测时长开始按照时间从后往前的第M个检测时长内的排放浓度为所述计时时长内前N-M+1个检测时长内的排放浓度的累计值;
若N小于等于M,确定N个检测时长内的排放浓度对所述目标检测时长内贡献的污染物浓度。
可选的,所述确定所述N个检测时长内的连续的后M个检测时长内的排放浓度对所述目标检测时长内贡献的污染物浓度之后,还包括:
根据所述第M个检测时长内的贡献的污染物浓度和第M-1个检测时长内的贡献的污染物浓度,确定所述第M-1个检测时长内的贡献的污染物浓度的累计值;
根据M-1个检测时长内的贡献的污染物浓度,和,所述目标检测时长所在的检测时长的下一个预设步长时间段内的排放浓度,确定所述目标检测时长所在的检测时长的下一个预设步长时间段内的污染物浓度来源。
可选的,所述确定所述N个检测时长内的连续的后M个检测时长内的排放浓度对所述目标检测时长内贡献的污染物浓度之后,还包括:
存储所述N个检测时长内的连续的后M个检测时长内的排放浓度对所述目标检测时长内贡献的污染物浓度。
可选的,所述确定所述N个检测时长内的连续的后M个检测时长内的排放浓度对所述目标检测时长内贡献的污染物浓度之后,还包括:
显示所述目标检测时长内的污染物浓度来源,所述目标检测时长内的污染物浓度来源包括:所述M个检测时长中的每个检测时长内的排放浓度在所述目标检测时长内贡献的污染物浓度。
可选的,所述确定所述N个检测时长内的连续的后M个检测时长内的排放浓度对所述目标检测时长内贡献的污染物浓度,包括:
根据空气质量源解析模式,确定所述N个检测时长内的连续的后M个检测时长内的排放浓度对所述目标检测时长内贡献的污染物浓度。
第二方面,本发明提供一种确定大气污染物时间来源的装置,包括:
获取模块,获取污染物在计时时长内的不同时间的排放浓度,所述计时时长为计时起始时刻至目标时刻的时间;
划分模块,用于按照预设步长将所述计时时长划分为N个检测时长;
比较模块,用于比较N与M的大小,其中,M为预先设置的数值;
第一确定模块,用于若N大于M,确定所述N个检测时长内的连续的后M个检测时长内的排放浓度对所述目标检测时长内贡献的污染物浓度,所述目标检测时长为所述目标时刻所在的第一个检测时长,其中,第M个检测时长内的排放浓度为所述计时时长内前N-M+1个检测时长内的排放浓度的累计值;
第二确定模块,用于若N小于等于M,确定N个检测时长内的排放浓度对所述目标检测时长内贡献的污染物浓度。
可选的,所述装置还包括:
第三确定模块,根据所述第M个检测时长内的贡献的污染物浓度和第M-1个检测时长内的贡献的污染物浓度,确定所述第M-1个检测时长内的贡献的污染物浓度的累计值;
根据M-1个检测时长内的贡献的污染物浓度,和,所述目标检测时长所在的检测时长的下一个预设步长时间段内的排放浓度,确定所述目标检测时长所在的检测时长的下一个预设步长时间段内的污染物浓度来源。
可选的,所述装置还包括:
存储模块,用于存储所述N个检测时长内的连续的后M个检测时长内的排放浓度对所述目标检测时长内贡献的污染物浓度。
可选的,所述装置还包括:
显示模块,用于显示所述目标检测时长内的污染物浓度来源,所述目标检测时长内的污染物浓度来源包括:所述M个检测时长中的每个检测时长内的排放浓度在所述目标检测时长内贡献的污染物浓度。
可选的,所述第一确定模块具体用于:
根据空气质量源解析模式,确定所述N个检测时长内的连续的后M个检测时长内的排放浓度对所述目标检测时长内贡献的污染物浓度。
第三方面,本发明提供一种确定大气污染物时间来源的设备,包括:存储器,处理器;
存储器,用于存储所述处理器可执行指令;
处理器,用于在计算机程序被执行时,实现如上述第一方面所述的方法的指令。
第四方面,本发明提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如上述第一方面所述的确定大气污染物时间来源的方法。
本发明提供的确定大气污染物时间来源的方法和装置,通过获取污染物在计时时长内的不同时间的排放浓度,计时时长为计时起始时刻至目标时刻的时间,按照预设步长将计时时长划分为N个检测时长,比较N与M的大小,其中,M为预先设置的数值;若N大于M,确定N个检测时长内的连续的后M个检测时长内的排放浓度对目标检测时长内贡献的污染物浓度,目标检测时长为目标时刻所在的检测时长,其中,从目标检测时长开始按照时间从后往前的第M个检测时长内的排放浓度为计时时长内前N-M+1个检测时长内的排放浓度的累计值;若N小于等于M,确定N个检测时长内的排放浓度对目标检测时长内贡献的污染物浓度。实现了针对不同时间来源的污染物的源解析,同时,如果计时时长较长时,由于第M个检测时长内的排放浓度为前N-M+1个检测时长内的排放浓度的累计值,则只需要计算M个排放浓度对目标检测时长的贡献,计算量较小,节约计算资源。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1为一种大气污染物的源解析结果示意图;
图2为本发明提供的一种确定大气污染物时间来源的方法的流程示意图;
图3为不同时间排放浓度对目标检测时长影响的动态推算过程示意图;
图4为本发明提供的另一种确定大气污染物时间来源的方法的流程示意图;
图5为本发明提供的一种确定大气污染物时间来源的装置的结构示意图;
图6为本发明提供的一种确定大气污染物时间来源的设备的结构示意图。
通过上述附图,已示出本公开明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围,而是通过参考特定实施例为本领域技术人员说明本公开的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
随着经济快速发展,城市大气污染越来越严重,大气污染受到一系列复杂物理、化学过程的相互作用的影响,这些影响因子包括:污染源排放、气象条件、化学反应、沉降等。因此,预报空气质量需要对上述因子做出合理的描述。因此,为实现环境空气质量达标,识别并定量重点污染来源,实施区域大气污染调控与防治,计算大气污染物浓度(下述提到的污染物指大气污染物)的来源情况,对于污染综合治理规划具有十分重要的意义。
现有技术中,针对不同地域的污染源可以使用空气质量源解析模式进行来源解析,确定不同地域的污染物浓度的贡献。空气质量源解析模式,例如,NAQPMS、通用多尺度空气质量模式CMAQ、扩展综合空气质量模式CAMx、气象预报-化学模式WRF-chem等,可具体估算到每一类排放源的贡献情况,对于污染综合治理规划具有十分重要的意义。
本发明具体的应用场景为:通过对排放时段的标注,计算出不同的排放时段污染源排放的污染物浓度对目标检测时长污染物的贡献浓度,可以计算当前一段时间的空气污染物浓度,也可以进行空气污染物浓度的预报,如果要控制目标检测时长的污染物的浓度,可以根据不同的排放时段污染源排放的污染物对目标检测时长污染物的贡献浓度,有针对性制定控制措施,本发明提供的方法为制定有针对性的控制措施提供科学的依据。示例性的,图1为一种大气污染物的源解析结果示意图,如图1所示,横坐标表示时间,纵坐标表示污染物浓度,单位为μg/m3,每个直方表示当天前的时间对当天的贡献的污染物浓度,例如,由图1可知,预测出8月5日当天的污染物浓度贡献为:当天贡献的污染物浓度为50μg/m3,1天前(8月4日)贡献的污染物浓度为22μg/m3,2天前(8月3日)贡献的污染物浓度为12μg/m3,3天前(8月2日)贡献的污染物浓度为3μg/m3,如果在8月5日当天需要将该污染物的浓度降低,则除了需要干预8月5日当天的污染物的排放浓度,还要同时在8月4号以及8月3号就干预当天的污染物的排放浓度,从而起到预防和控制的作用。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本发明的实施例进行描述。
图2为本发明提供的一种确定大气污染物时间来源的方法的流程示意图,如图2所示,本实施例的方法由终端设备或者服务器执行,其中,终端设备可以是计算机,移动终端等,在此本发明不做限制,本实施例的方法如下:
S201、获取污染物在计时时长内的不同时间的排放浓度,计时时长为计时起始时刻至目标时刻的时间。
在需要得到计时时长内不同时间的污染物排放浓度对目标时刻的污染物浓度的贡献时,需要先获取污染物在计时时长内的不同时间的排放浓度。其中,污染物在计时时长内的不同时间的排放浓度可以为空气质量检测站测定的数据,在进行污染物预报时,污染物在计时时长内的不同时间的排放浓度也可以为预估的数据。
S202、按照预设步长将计时时长划分为N个检测时长。
本实施例中,预设步长为一个时间段,预设步长可以为12小时,1天,或者2天等,对于预设步长的设置可以根据实际需要进行设置,对此本发明不做限定。检测时长的划分可以从目标时刻开始向前推算,每过一个预设步长记为一个检测时长,从而得到N个检测时长。
一种可能的实现方式中,确定N个检测时长中的每个检测时长内的排放浓度在目标检测时长内贡献的污染物浓度,其中,目标检测时长为目标时刻所在的检测时长。
通过建模污染物传播的物理、化学变化,计算N个检测时长中的每个检测时长内的排放浓度在目标检测时长内贡献的污染物浓度。例如,可以使用空气质量源解析模式进行计算。
另一种可能的实现方式中,在N个检测时长中取预设数量的检测时长,进行计算在目标检测时长内贡献的污染物浓度。如下述步骤:
S203、判断N是否比M大,其中,M为预先设置的数值。
M为预先设置的数值,M用于表示所需的检测时长的数量,污染物传播过程中需要经过一系列复杂物理、化学过程的相互作用,经过若干天的传播以后污染物经过沉积、扩散等过程浓度会降低,对目标检测时长内的贡献的污染物浓度会逐渐变小,因此,可以根据该污染物的生命周期进行设置M的值,这样计算目标检测时长之前的不同检测时长贡献的污染物浓度时,一种可能的实现方式中,可以忽略距离目标检测时长比较远的检测时长的污染物浓度对目标检测时长的贡献;另一种可能的实现方式中,可以将距离目标检测时长比较远的检测时长的污染物浓度进行累计,使用一个累计值进行计算,若N大于M,则继续执行步骤S204;若N小于M,则继续执行步骤S205。
可选的,根据污染物的生命周期,预设步长设置为1天时,污染物的生命周期中,污染物排放出来到传播到第6天时,其浓度对当天的贡献的污染物浓度很小,可以将M值设置为6。
S204、确定N个检测时长内的连续的后M个检测时长内的排放浓度对目标检测时长内贡献的污染物浓度,目标检测时长为目标时刻所在的检测时长,其中,从目标检测时长开始按照时间从后往前的第M个检测时长内的排放浓度为前N-M+1个检测时长内的排放浓度的累计值,M个检测时长中除第M个检测时长外剩余的检测时长内的排放浓度为实际排放浓度。
可以定义计算时各检测时长的顺序,例如,可以定义目标检测时长为第一个检测时长,目标检测时长的前一个检测时长为第二个检测时长,依次类推,当推算到第M个检测时长时,第M个检测时长为计时起始时刻到第N-M+1个检测时长之前的时间。
若N大于M,按照预设步长将计时时长划分为N个检测时长。此时只需确定N个检测时长内的连续的后M个检测时长内的排放浓度对目标检测时长内贡献的污染物浓度,也就是说,N大于M时,实际计算得到的目标检测时长的污染物浓度中之前各个检测时长对其的贡献,是M个检测时长贡献的污染物浓度。其中,第M个检测时长内的排放浓度为前N-M+1个检测时长内的排放浓度的累计值,可以理解,无论计时时长有多长,只需计算小于或者等于M个检测时长的污染物浓度对目标检测时长的贡献。
通过建模污染物传播的物理、化学变化过程,计算计时时长内不同时间的排放浓度在目标检测时长内贡献的污染物浓度。
可选的,可以根据空气质量源解析模式,例如,NAQPMS、CMAQ、CAMx、WRF-chem等,确定N个检测时长内的连续的后M个检测时长内的排放浓度对目标检测时长内贡献的污染物浓度。
示例性的,如图1所示,将预设步长设置为1天,M取值为6,计时起始时刻为8月1日00时,目标时刻为8月7日00时,则计时时长为8月1日00时至8月7日00时,则8月6日00时至7日00时为目标检测时长,也即为第一个检测时长,8月5日00时至6日00时为第二个检测时长,8月4日00时至5日00时为第三个检测时长,8月4日00时至5日00时为第四个检测时长,8月3日00时至4日00时为第五个检测时长,8月1日00时(计时起始时刻)至3日00时为第六个检测时长。由此,计算出了8月7日的污染物浓度的时间来源为:8月7日当天的排放浓度的贡献为20μg/m3,8月6日(前1天)的排放浓度的贡献为29μg/m3,8月5日(前2天)的排放浓度的贡献为20μg/m3,8月4日(前3天)的排放浓度的贡献为3μg/m3,8月3日(前4天)的排放浓度的贡献为2μg/m3,8月2日(前5天)的排放浓度的贡献为1μg/m3。
S205、确定N个检测时长内的排放浓度对目标检测时长内贡献的污染物浓度,其中N个检测时长内的每个检测时长排放浓度为实际排放浓度。
可选的,可以根据空气质量源解析模式,例如,NAQPMS、CMAQ、CAMx、WRF-chem等,确定N个检测时长内的排放浓度对目标检测时长内贡献的污染物浓度,其中N个检测时长内的每个检测时长排放浓度为实际排放浓度。
可选的,本实施例中的污染物可以为一次污染物,也可以为二次污染物等,对此本发明不做限制。可选的,二次污染物可以为PSO4、PNO3或者PNH4等。
本实施例,通过获取污染物在计时时长内的不同时间的排放浓度,计时时长为计时起始时刻至目标时刻的时间,按照预设步长将计时时长划分为N个检测时长,比较N与M的大小,其中,M为预先设置的数值,若N大于M,确定N个检测时长内的连续的后M个检测时长内的排放浓度对目标检测时长内贡献的污染物浓度,目标检测时长为目标时刻所在的检测时长,其中,第M个检测时长内的排放浓度为前N-M+1个检测时长内的排放浓度的累计值,实现了针对不同时间来源的污染物的源解析,同时,如果计时时长较长时,由于第M个检测时长内的排放浓度为前N-M+1个检测时长内的排放浓度的累计值,则只需要计算M个排放浓度对目标检测时长的贡献,计算量较小,节约计算资源。
可选的,在确定了计算计时时长内不同时间的排放浓度对目标检测时长内贡献的污染物浓度以后,继续计算目标检测时长所在的检测时长的下一个预设步长时间段内的污染物浓度来源,进一步地,本实施例的方法还可以包括:
根据第M个检测时长内的贡献的污染物浓度和第M-1个检测时长内的贡献的污染物浓度,确定第M-1个检测时长内的贡献的污染物浓度的累计值;
根据M-1个检测时长内的贡献的污染物浓度,和,目标检测时长所在的检测时长的下一个预设步长时间段内的排放浓度,确定目标检测时长所在的检测时长的下一个预设步长时间段内的污染物浓度来源。
其中,需要先获取目标检测时长所在的检测时长的下一个预设步长时间段内的排放浓度,从而根据上述方法进行计算目标检测时长所在的检测时长的下一个预设步长时间段内的污染物浓度来源。
图3为不同时间排放浓度对目标检测时长影响的动态推算过程示意图,如图3所示,每个实线方块内的污染物浓度表示横向坐标时间301的污染物传播到纵向坐标的日期302时对纵向坐标时间的贡献浓度,目标检测时长例如为8月7日,8月7日的污染物浓度来源计算完成以后,如果想计算8月8日(目标检测时长所在的检测时长的下一个预设步长时间段)的污染物浓度的时间来源,获取8月8日当天排放的污染物浓度,如图3中所示8月8日当天排放的污染物浓度为30μg/m3,同时将上述8月2日的排放浓度的贡献与8月3日排放浓度的贡献相加,得到8月3日排放浓度的贡献,即通过1μg/m3+2μg/m3=3μg/m3,得到8月3日排放浓度的贡献为3μg/m3,将上述8月7日的污染物浓度的时间来源数据中8月3日排放浓度的贡献更新为3μg/m3,由此,将8月2日排放浓度的贡献累加到8月3日排放浓度的贡献中,因此,如果继续计算8月8日污染物浓度的时间来源时,使用上述更新过后的8月7日的污染物浓度的时间来源(8月7日的排放浓度的贡献为20μg/m3,8月6日的排放浓度的贡献为29μg/m3,8月5日的排放浓度的贡献为20μg/m3,8月4日的排放浓度的贡献为3μg/m3,8月3日的排放浓度的贡献为3μg/m3),通过计算污染物经过一天的物理、化学反应之后剩余的污染物浓度,和8月8日当天排放的污染物浓度,即为8月8日污染物浓度的时间来源。
图4为本发明提供的另一种确定大气污染物时间来源的方法的流程示意图,图4是在图2所示实施例的基础上,如图4所示,进一步地,步骤S204之后,还包括步骤S206或者步骤S207:
S206、存储N个检测时长内的连续的后M个检测时长内的排放浓度对目标检测时长内贡献的污染物浓度。
通过上述步骤确定的N个检测时长内的连续的后M个检测时长内的排放浓度对目标检测时长内贡献的污染物浓度的数据,将其存储在计算机中,用于后续空气质量预报等的处理的需求。
本实施例,由于第M个检测时长内的排放浓度为前N-M+1个检测时长内的排放浓度的累计值,只需要存储M个排放浓度对目标检测时长的贡献,存储量较小,节约存储资源。
S207、显示目标检测时长内的污染物浓度来源,目标检测时长内的污染物浓度来源包括:M个检测时长中的每个检测时长内的排放浓度在目标检测时长内贡献的污染物浓度。
可选的,可以使用类似图1中所示的柱状图来显示目标检测时长内的污染物浓度来源。
本实施例,通过显示目标检测时长内的污染物浓度来源,使得污染物浓度来源更加直观、清晰,利于后续进行空气质量预报等。
可选的,在上述实施例的基础上,进一步地S205之后还可以包括S208或者S209:
S208、存储N个检测时长内的排放浓度对目标检测时长内贡献的污染物浓度。
S209、显示目标检测时长内的污染物浓度来源,目标检测时长内的污染物浓度来源包括:N个检测时长内的排放浓度对目标检测时长内贡献的污染物浓度。
图5为本发明提供的一种确定大气污染物时间来源的装置的结构示意图,如图5所示,本实施例提供的的装置,包括:
获取模块501,获取污染物在计时时长内的不同时间的排放浓度,计时时长为计时起始时刻至目标时刻的时间;
划分模块502,用于按照预设步长将计时时长划分为N个检测时长;
比较模块503,用于比较N与M的大小,其中,M为预先设置的数值;
第一确定模块504,用于若N大于M,确定N个检测时长内的连续的后M个检测时长内的排放浓度对目标检测时长内贡献的污染物浓度,目标检测时长为目标时刻所在的检测时长,其中,第M个检测时长内的排放浓度为计时时长内前N-M+1个检测时长内的排放浓度的累计值,M个检测时长中除第M个检测时长外剩余的检测时长内的排放浓度为实际排放浓度;
第二确定模块505,用于若N小于等于M,确定N个检测时长内的排放浓度对目标检测时长内贡献的污染物浓度,其中N个检测时长内的每个检测时长排放浓度为实际排放浓度。
可选的,装置还包括:
第三确定模块,根据第M个检测时长内的贡献的污染物浓度和第M-1个检测时长内的贡献的污染物浓度,确定第M-1个检测时长内的贡献的污染物浓度的累计值;
根据M-1个检测时长内的贡献的污染物浓度,和,目标检测时长所在的检测时长的下一个预设步长时间段内的排放浓度,确定目标检测时长所在的检测时长的下一个预设步长时间段内的污染物浓度来源。
可选的,装置还包括:
存储模块,用于存储N个检测时长内的连续的后M个检测时长内的排放浓度对目标检测时长内贡献的污染物浓度。
可选的,装置还包括:
显示模块,用于显示目标检测时长内的污染物浓度来源,目标检测时长内的污染物浓度来源包括:M个检测时长中的每个检测时长内的排放浓度在目标检测时长内贡献的污染物浓度。
可选的,第一确定模块具体用于:
根据空气质量源解析模式,例如NAQPMS、CMAQ、CAMx、WRF-chem等,确定N个检测时长内的连续的后M个检测时长内的排放浓度对目标检测时长内贡献的污染物浓度。
上述实施例的装置,可以用于执行上述方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
图6为本发明提供的一种确定大气污染物时间来源的设备的结构示意图,如图6所示,本实施例提供的的设备,包括:
存储器602,用于存储处理器601可执行指令;
处理器601,用于在计算机程序被执行时,实现如上述实施例中的方法的指令。
上述实施例的设备,可以用于执行上述方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
本发明提供一种计算机可读存储介质,计算机可读存储介质中存储有计算机执行指令,计算机执行指令被处理器执行时用于实现如上述实施例的确定大气污染物时间来源的方法。
上述存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。存储介质可以是通用或专用计算机能够存取的任何可用介质。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本发明旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求书指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求书来限制。
Claims (6)
1.一种确定大气污染物时间来源的方法,其特征在于,包括:
获取污染物在计时时长内的不同时间的排放浓度,所述计时时长为计时起始时刻至目标时刻的时间;
按照预设步长将所述计时时长划分为N个检测时长;
比较N与M的大小,其中,M为根据所述污染物的生命周期预先设置的数值;
若N大于M,根据空气质量源解析模式,确定所述N个检测时长内的连续的后M个检测时长内的排放浓度对所述目标检测时长内贡献的污染物浓度,所述目标检测时长为所述目标时刻所在的检测时长;其中,从所述目标检测时长开始按照时间从后往前的第M个检测时长内的排放浓度为所述计时时长内前N-M+1个检测时长内的排放浓度的累计值;
根据所述从所述目标检测时长开始按照时间从后往前的第M个检测时长内的贡献的污染物浓度和从所述目标检测时长开始按照时间从后往前的第M-1个检测时长内的贡献的污染物浓度,确定所述从所述目标检测时长开始按照时间从后往前的第M-1个检测时长内的贡献的污染物浓度的累计值;
根据所述从所述目标检测时长开始按照时间从后往前的M-1个检测时长内的贡献的污染物浓度,和,所述目标检测时长所在的检测时长的下一个预设步长时间段内的排放浓度,确定所述目标检测时长所在的检测时长的下一个预设步长时间段内的污染物浓度来源;
若N小于等于M,确定N个检测时长内的排放浓度对所述目标检测时长内贡献的污染物浓度。
2.根据权利要求1所述的方法,其特征在于,所述确定所述N个检测时长内的连续的后M个检测时长内的排放浓度对所述目标检测时长内贡献的污染物浓度之后,还包括:
存储所述N个检测时长内的连续的后M个检测时长内的排放浓度对所述目标检测时长内贡献的污染物浓度。
3.根据权利要求1或2所述的方法,其特征在于,所述确定所述N个检测时长内的连续的后M个检测时长内的排放浓度对所述目标检测时长内贡献的污染物浓度之后,还包括:
显示所述目标检测时长内的污染物浓度来源,所述目标检测时长内的污染物浓度来源包括:所述M个检测时长中的每个检测时长内的排放浓度在所述目标检测时长内贡献的污染物浓度。
4.一种确定大气污染物时间来源的装置,其特征在于,包括:
获取模块,获取污染物在计时时长内的不同时间的排放浓度,所述计时时长为计时起始时刻至目标时刻的时间;
划分模块,用于按照预设步长将所述计时时长划分为N个检测时长;
比较模块,用于比较N与M的大小,其中,M为根据所述污染物的生命周期预先设置的数值;
第一确定模块,用于若N大于M,根据空气质量源解析模式,确定所述N个检测时长内的连续的后M个检测时长内的排放浓度对所述目标检测时长内贡献的污染物浓度,所述目标检测时长为所述目标时刻所在的第一个检测时长;其中,从所述目标检测时长开始按照时间从后往前的第M个检测时长内的排放浓度为所述计时时长内前N-M+1个检测时长内的排放浓度的累计值;
第三确定模块,根据所述从所述目标检测时长开始按照时间从后往前的第M个检测时长内的贡献的污染物浓度和从所述目标检测时长开始按照时间从后往前的第M-1个检测时长内的贡献的污染物浓度,确定所述从所述目标检测时长开始按照时间从后往前的第M-1个检测时长内的贡献的污染物浓度的累计值;
根据从所述目标检测时长开始按照时间从后往前的M-1个检测时长内的贡献的污染物浓度,和,所述目标检测时长所在的检测时长的下一个预设步长时间段内的排放浓度,确定所述目标检测时长所在的检测时长的下一个预设步长时间段内的污染物浓度来源;
第二确定模块,用于若N小于等于M,确定N个检测时长内的排放浓度对所述目标检测时长内贡献的污染物浓度。
5.一种确定大气污染物时间来源的设备,其特征在于,包括:
存储器,用于存储处理器可执行指令的存储器;
处理器,用于在计算机程序被执行时,实现如上述权利要求1-3中任一项所述的方法。
6.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1-3中任一项所述的确定大气污染物时间来源的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010526464.1A CN111665325B (zh) | 2020-06-09 | 2020-06-09 | 确定大气污染物时间来源的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010526464.1A CN111665325B (zh) | 2020-06-09 | 2020-06-09 | 确定大气污染物时间来源的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111665325A CN111665325A (zh) | 2020-09-15 |
CN111665325B true CN111665325B (zh) | 2021-06-01 |
Family
ID=72386848
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010526464.1A Active CN111665325B (zh) | 2020-06-09 | 2020-06-09 | 确定大气污染物时间来源的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111665325B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114166708A (zh) * | 2021-11-25 | 2022-03-11 | 泛测(北京)环境科技有限公司 | 颗粒物传输贡献分析方法、装置、设备及存储介质 |
CN116718733B (zh) * | 2023-06-28 | 2024-05-31 | 中国海洋大学 | 一种挥发性有机物浓度计算方法、系统、电子设备及介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104217040A (zh) * | 2014-10-11 | 2014-12-17 | 清华大学 | 一种基于传统在线监测仪的污染事件快速探测方法 |
CN105117610A (zh) * | 2015-09-21 | 2015-12-02 | 黄波 | 一种基于时空特征的实时估算细颗粒物浓度的方法 |
CN106548258A (zh) * | 2016-12-09 | 2017-03-29 | 北京交通大学 | 一种基于气象条件的交通空气污染物浓度预测方法与系统 |
CN107194139A (zh) * | 2016-03-14 | 2017-09-22 | 日电(中国)有限公司 | 大气污染源分级方法及计算设备 |
CN108398529A (zh) * | 2018-03-06 | 2018-08-14 | 深圳市卡普瑞环境科技有限公司 | 一种信息获取方法以及信息获取装置 |
CN110348649A (zh) * | 2019-08-19 | 2019-10-18 | 天津市气象科学研究所 | 基于气象要素和污染物垂直分布特征的pm2.5背景浓度估算方法 |
CN110568127A (zh) * | 2019-09-09 | 2019-12-13 | 北京工业大学 | 一种基于时域加权的空气污染物浓度监测方法 |
-
2020
- 2020-06-09 CN CN202010526464.1A patent/CN111665325B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104217040A (zh) * | 2014-10-11 | 2014-12-17 | 清华大学 | 一种基于传统在线监测仪的污染事件快速探测方法 |
CN105117610A (zh) * | 2015-09-21 | 2015-12-02 | 黄波 | 一种基于时空特征的实时估算细颗粒物浓度的方法 |
CN107194139A (zh) * | 2016-03-14 | 2017-09-22 | 日电(中国)有限公司 | 大气污染源分级方法及计算设备 |
CN106548258A (zh) * | 2016-12-09 | 2017-03-29 | 北京交通大学 | 一种基于气象条件的交通空气污染物浓度预测方法与系统 |
CN108398529A (zh) * | 2018-03-06 | 2018-08-14 | 深圳市卡普瑞环境科技有限公司 | 一种信息获取方法以及信息获取装置 |
CN110348649A (zh) * | 2019-08-19 | 2019-10-18 | 天津市气象科学研究所 | 基于气象要素和污染物垂直分布特征的pm2.5背景浓度估算方法 |
CN110568127A (zh) * | 2019-09-09 | 2019-12-13 | 北京工业大学 | 一种基于时域加权的空气污染物浓度监测方法 |
Non-Patent Citations (6)
Title |
---|
"京津冀一次重污染过程的成因和来源";皮冬勤 等;《中国环境科学 》;20191231;第39卷(第5期);第1899-1908页 * |
"基于时空混合模型的空气质量预测研究";郭庆华;《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》;20190515(第05期);第19-20页3.2节 * |
Forecasting Fine-Grained Air Quality Based on Big Data;Yu Zheng 等;《Acm Sigkdd International Conference on Knowledge Discovery & Data Mining》;20151231;第2267-2276页 * |
大气PM2.5污染指数预测优化模型仿真分析;李嵩等;《计算机仿真》;20151215;第32卷(第12期);第400-403,407页 * |
大气污染物浓度预测叠加方法的修正;戚焕岭;《轻金属》;20010430(第04期);第57-59页 * |
成都市区夏季大气污染物浓度时空变化特征分析;谢雨竹等;《环境科学学报》;20150406;第35卷(第04期);第975-983页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111665325A (zh) | 2020-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111665325B (zh) | 确定大气污染物时间来源的方法和装置 | |
Mehrotra et al. | A multivariate quantile-matching bias correction approach with auto-and cross-dependence across multiple time scales: Implications for downscaling | |
Surovell et al. | Test of Martin’s overkill hypothesis using radiocarbon dates on extinct megafauna | |
JP2018526710A (ja) | 情報推薦方法および情報推薦装置 | |
US20090024407A1 (en) | Indicating which of forecasting models at different aggregation levels has a better forecast quality | |
CN111160797A (zh) | 风控模型的构建方法、装置、存储介质及终端 | |
CN109087124B (zh) | 一种应用程序价值预测方法及装置 | |
JP2006092058A (ja) | 流量予測装置 | |
Hossain et al. | Comparison of estimation techniques for generalised extreme value (GEV) distribution parameters: a case study with Tasmanian rainfall | |
CN115794369A (zh) | 内存占用数值的预测方法及装置、存储介质、终端 | |
CN112417767B (zh) | 一种衰减趋势确定模型构建方法、衰减趋势确定方法 | |
Martínez‐Silva et al. | Forecasting SO2 pollution incidents by means of quantile curves based on additive models | |
CN117093787A (zh) | 一种应用于脑刺激装置的信息推送方法及相关设备 | |
CN116862459A (zh) | 一种用于人力资源管理的精细化考勤方法 | |
CN113536106A (zh) | 待推荐信息内容确定方法 | |
CN116485191A (zh) | 基于拉格朗日扩散模型的环境影响预警方法及系统 | |
US11263573B2 (en) | Degradation prediction apparatus, degradation prediction method, and computer-readable recording medium | |
CN116312023A (zh) | 引导停车方法、装置、设备及存储介质 | |
CN112767697B (zh) | 基于交通冲突预测的交通安全评价方法、系统及装置 | |
CN111325438B (zh) | 污染物排放清单确定方法、装置、设备及存储介质 | |
Wang et al. | Identification of changes in heavy rainfall events in Ontario, Canada | |
CN117315944B (zh) | 一种交通拥堵状态的预测方法 | |
CN114135794B (zh) | 一种水网漏损的检测方法及装置 | |
Laycock et al. | Numerical simulation of pitting corrosion: interactions between pits in potentiostatic conditions | |
Sestelo et al. | Predicting SO2 pollution incidents by means of additive models with optimum variable selection |
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: 20200915 Assignee: Beijing Zhongke Sanqing Environmental Technology Co.,Ltd. Assignor: 3CLEAR TECHNOLOGY Co.,Ltd. Contract record no.: X2022980012305 Denomination of invention: Method and apparatus for determining temporal source of air pollutants Granted publication date: 20210601 License type: Common License Record date: 20220815 |