CN112016738B - 一种吸入性有毒物质的危害预测方法 - Google Patents

一种吸入性有毒物质的危害预测方法 Download PDF

Info

Publication number
CN112016738B
CN112016738B CN202010811399.7A CN202010811399A CN112016738B CN 112016738 B CN112016738 B CN 112016738B CN 202010811399 A CN202010811399 A CN 202010811399A CN 112016738 B CN112016738 B CN 112016738B
Authority
CN
China
Prior art keywords
model
leakage
diffusion
toxic substance
source
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
Application number
CN202010811399.7A
Other languages
English (en)
Other versions
CN112016738A (zh
Inventor
张晓迪
海春旭
任晓婷
刘瑞
刘江正
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Air Force Medical University of PLA
Original Assignee
Air Force Medical University of PLA
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Air Force Medical University of PLA filed Critical Air Force Medical University of PLA
Priority to CN202010811399.7A priority Critical patent/CN112016738B/zh
Publication of CN112016738A publication Critical patent/CN112016738A/zh
Application granted granted Critical
Publication of CN112016738B publication Critical patent/CN112016738B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/04Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24Querying
    • G06F16/245Query processing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24Querying
    • G06F16/248Presentation of query results
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29Geographical information databases
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10Services
    • G06Q50/26Government or public services
    • G06Q50/265Personal security, identity or safety
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Tourism & Hospitality (AREA)
  • Computational Linguistics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Computer Security & Cryptography (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Remote Sensing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种吸入性有毒物质的危害预测方法,包括以下步骤:步骤1,判断吸入性有毒物质发生泄漏时的泄漏源类型;步骤2,根据泄漏源类型确定吸入性有毒物质扩散模型;步骤3,确定吸入性有毒物质扩散模型的转变;步骤4,根据虚源计算方法确定转变后的新模型与转变前的模型的衔接点;步骤5,根据地形地貌展示吸入性有毒物质发生泄漏后的影响范围;步骤6,预测结果划分危害等级。本发明利用高斯模型算法、重气扩散模型算法结合地形、气象等关键要素可以快速得到化学事件中快速预测有毒物质扩散范围及危害程度。

Description

一种吸入性有毒物质的危害预测方法
技术领域
本发明关注公共卫生突发事件应急救援领域,具体涉及一种基于地形、气象要素的吸入性有毒物质的危害预测方法。
背景技术
化学事故发生后,有毒物质扩散速度快、影响范围广、环境危害大,因此第一时间快速并准确地预测和评估事件影响范围与可能危害程度,为避免次生灾害,减轻救援者的救援压力,减少人员伤亡和保护人民财产安全等争取时间和提升救援效率起着至关重要的作用。
目前随着大数据与人工智能技术的发展,使得研发一套能够在事故发生后通过输入相关可观测指标即可智能、迅速地对危害范围与程度进行预测的信息系统成为可能。本方法结合地形、气象等多种现场要素,通过模型建立,能够对影响范围及危害程度进行计算预测并形成直观影像进行呈现,使救援人员可尽早快速对事故危害做到心中有数,从而为我军平战时对抗吸入性化学武器袭击和应对突发公共卫生事件等化学灾难的应急医学救援提供决策依据,提高救援效率。
发明内容
本发明的目的是提供一种吸入性有毒物质的危害预测方法,能快速、准确地评估有毒物质影响范围和危害程度。
为此,本发明的技术方案是:
一种吸入性有毒物质的危害预测方法,包括以下步骤:
步骤1,判断吸入性有毒物质发生泄漏时的泄漏源类型:
其中,vT0/x≤0.6为瞬时泄漏;
vT0/x≥2.5为连续泄漏;
其中,v为环境风速(m/s),T0为泄漏持续时间(s),x为观察者离开泄漏源的距离(m);
步骤2,根据泄漏源类型确定吸入性有毒物质扩散模型:
若是瞬时泄漏,(g0’V0/V2)/V0 1/3)≤0.2为非重气扩散模型,否则为重气扩散模型;
若是连续泄漏,(g0’V0’D1/3)/V3)≤0.15为非重气扩散模型,否则为重气扩散模型;
其中,V0为瞬时泄漏云团初始体积;根据大量气体泄漏模拟试验V0=V/(x/V0 1/3)1.5,V为储存气体的容器体积,x为下风向距离即x=vt。
V0,为连续泄漏云团体积通量;根据重气云羽初始半宽等于初始高度的两倍,V0’=4h2v,h为泄漏源高度。
V为环境风速;
D为泄漏源特征水平尺寸;
g0为折合引力常数,用g0=(ρ0aa)g计算;ρ0为重气云团初始密度即为泄露源气体密度;ρa为空气密度;
步骤3,确定吸入性有毒物质扩散模型的转变:
时,步骤2得到的模型发生转变,得到转变后的新模型;转变点距离下风方向距离x0=E2/3V0 -1/3(gεcr)2/3
其中,ρp为吸入性有毒物质扩散模型转变时的气云密度,t为临界值,介于0.001-0.01,εcr为ε所取的临界值,E为云团浮力=gV(ρpa)/ρa
步骤4,根据虚源计算方法确定转变后的新模型与转变前的模型的衔接点;
步骤5,根据气象特征参数、大气污染特征参数以及扩散衔接模拟结果,在GIS地图上展示吸入性有毒物质发生泄漏后的影响范围;
步骤6,根据影响范围划分吸入性有毒物质扩散危害等级。
进一步,步骤4中的气象特征参数包括气温、湿度、风向、风速、大气垂直稳定度、风廓线指数、温度梯度、各风速等级的平均风速以及对应的风速等级的平均混合层高度、平均地表粗糙度;大气污染特征参数包括点源、面源、体源和开放坑。
本发明拥有以下有益的技术效果:
1)本发明利用高斯模型算法、重气扩散模型算法结合地形、气象等关键要素可以快速得到化学事件中快速预测有毒物质扩散范围及危害程度。其中高斯模型算法、重气扩散模型算法用以推算灾害扩散范围以及扩散趋势,GIS地图技术结合当地地理空间数据、国家气象局数据则是形象的展现实际的危害范围,最后结合有毒物质的暴露准则划分出类型不同的危害程度区域。
2)本发明的方法,可以快速的在地图中绘制出有毒物质扩散范围及其危害程度,相比传统的有毒物质危害预测技术,增加了地形这一关键要素,使得危害范围的预测更加权威、可靠、精准。
3)本发明适合医疗救援人员、现场指挥决策者、培训人员,给予使用人员技术方面的支持,计算方面快速、准确,可以在短时间内提供可靠的解决方案。
附图说明:
图1系统流程图;
图2是基于GIS的集成开发,将地形、地貌结构数据分析综合之后的地图展示图;
图3出示了毒剂扩散范围研究模型的示意图;
图4为毒剂扩散模型与GIS结合之后的实际扩散情况示意图;
图5是实施例1吸入性有毒物质的危害预测结果。
具体实施方式:
本发明的气象特征参数中的大气垂直稳定度,指气块受到垂直方向扰动后,大气层结(温度和湿度的垂直分布)使它具有返回或远离原来平衡位置的趋势和程度,分为强不稳定(A级)、不稳定(B级)、弱不稳定(C级)、中性(D级)、较稳定(E级)、稳定(F级) 六个级别。
本发明的气象特征参数中的风廓线指数是指风速随高度的变化曲线、温度梯度是指自然界中气温、水温或土壤温度随陆地高度或水域及土壤深度变化而出现的阶梯式递增或递减的现象、各风速等级的平均风速以及对应6个风速等级的平均混合层高度是指太阳辐射使低层大气加热对流而形成的对流混合气层的高度。
本发明的气象特征参数中的平均地表粗糙度,又称“粗糙度参数”,表示地球表面粗糙程度并具有长度量纲的参数,包括:A类, 近海海面和海岛、海岸、湖岸及沙漠地区;B类,田野、乡村、丛林、丘陵以及房屋比较稀疏的乡镇和城市郊区;C类,有密集建筑群的城市市区;D类,有密集建筑群且房屋较高的城市市区。
本发明的气象特征参数中的大气污染特征参数,手动输入,包括点源、面源、体源和开放坑,其中点源是指通过某种装置集中排放的固定点状源如烟囱、排气筒,面源是指在一定区域范围内,以低矮密集的方式自地面或近地面的高度排放污染物的源如工艺过程中的无组织排放源、储存堆、渣场等排放源,体源是指由源本身或附近建筑物的空气动力学作用使污染物呈一定体积向大气排放的源,如焦炉炉体、屋顶天窗等,开放坑是指适合地平面以下如矿场或采石场。
基于本发明根据气象特征参数、大气污染特征参数以及扩散衔接模拟结果,结合毒剂扩散模型的绘制公式(包括高斯云团模型、高斯烟雨模型、重气盒子模型、重气平板模型中的一种或几种),就可以在GIS地图上展示吸入性有毒物质发生泄漏后的影响范围,此时毒剂泄漏的初步范围完成。其中,扩散衔接模拟结果指的是计算得到的一点衔接点,在该衔接点处利用重气扩散模型对实源泄漏(一次泄漏形成的初生云)进行扩散分析得到的转变点所在位置危险物质浓度等于利用高斯模型对虚源(指位于转变点上游某处的虚拟泄漏源)泄漏进行扩散分析得到的转变点所在位置危险物质浓度。
本发明所述吸入性有毒物质扩散模型转变时的气云密度,其中吸入性有毒物质扩散模型转变点是发生在利用重气扩散模型对实源泄漏进行扩散分析得到的转变点所在位置危险物质浓度等于利用高斯模型对虚源泄漏进行扩散分析得到的转变点所在位置危险物质浓度相等时。
本发明所述瞬时泄漏云团初始体积,是指污染发生泄漏形成的初生云的体积;连续泄漏云团体积通量,指的是在连续泄露时,某个位置单位面积的云团体积。本发明所述的ρ0为重气密度,是指重气云团初始度即为泄漏源气体密度。
本发明的步骤4中,根据虚源计算方法确定转变后的新模型与转变前的模型的衔接点,指的是在转变点之前使用重气模型计算公式记录浓度变化,在转变点之后使用高斯模型计算公式记录浓度变化,最终得到扩散衔接点。
本发明的步骤6中:结合大气特征参数与扩散模型绘制出扩散范围之后,根据地图上的实际标高(用来定义建筑物高度及生成平面示图)和轴网参数(用来为构建定位,确定一个不可见的工作平面)等地形数据对初步范围进行修正,利用空间网格计算三维空间内每个网格点的速度,将实时的速度变化与地形结构数据进行融合计算出三维空间内每个网格点的浓度值,以便于实现对染毒范围绘制的实时更新。具体的方法为:
S61:当气象条件为逆温时,空气上下几乎没有流动,染毒浓度最高危害最大。此时若地形结构为高层建筑物则毒气将从建筑物底部通过并扩散,而建筑物的上部和顶部为相对安全区;此时若地形结构为低矮建筑或封闭里弄时,毒气将会滞留不易扩散,特别是在人口密度较大的居民区需立刻发出警示,采取措施疏散群众。染毒范围沿下风向扩散速度减缓。
S62:当气象条件为逆温时,空气上下稍有流动,染毒浓度修正范围忽略不计,中等危害。染毒范围沿下风向扩散距离基本等同于初步绘制范围。
S63:当气象条件为对流时,空气上冷下热相差较大而且剧烈流动染毒危害最小。此时若遇连续排列的高层建筑物时,毒气云团沿街道或里弄空隙通过,且毒气云团会很快消散,所以此时沿下风向染毒距离会明显缩短,范围也就相应变小;若遇低矮的房屋或绿化时,毒气云团从两侧或屋顶通过并迅速扩散,所以此时重度危害区域短暂危险之后将转为相对安全区域。
本发明的步骤6中,综合考虑地形、地貌结构数据之后,根据实际测量的毒气浓度与暴露准则中划分危害等级的浓度值进行对比,划分出危害程度等级。其中,暴露准则指的是:本地毒剂数据库中已经录入每个物质的暴露准则数据,优先级为AEGL急性暴露指导水平 -ERPG紧急应变计划指南-TEELS临时紧急暴露极限。每个准则对应三个临界划分数值如AEGL1、AEGL2、AEGL3。
本发明的步骤6危害程度等级分为重度、中度、轻度,其中S61:根据S6修正的扩散范围计算暴露准则中浓度对应的距离L1、L2、L3; S62:采集实际位置L1、L2、L3处的浓度值C1、C2、C3;S63:根据实际测量浓度C1、C2、C3划分出不同的危害程度等级。S64:在含有地形地貌结构的三维地图里修正绘制出最终版的扩散范围,即为优化之后的具有地形要素的实际影响范围,以便于为后续的救援以及评估方案提供支持。至此,本发明的危害预测方法结束。
本发明的构思在于:地形、地物既可以屏蔽毒气扩散,又可以改变风速和风向,因而对毒气云团的传播方向和速度会产生直接的影响。这也一直是毒剂扩散浓度研究的重点关注对象。一种具备强大的数据采集与编辑、地理分析与处理、地图制图与输出等能力的自主研发的地图平台。它提供了强大的空间大数据存储、分析、处理等多种 WEB服务,具备多层次的扩展开发能力,可以快速构建基于云端一体化的GIS应用系统。
要绘制出准确的危害范围,高精地图是其中必不可少的基础技术,我们的系统地图具备实时更新的功能,能够随时展示实际地形、地貌情况的改变,实现了可靠、真实的危害范围的绘制,以及为后续的路径规划、路况信息提醒提供了强有力的支持。
需要注意的是,在本发明的步骤1中,判断吸入性有毒物质发生泄漏时的泄漏源类型时,是通过vT0/x的相对大小来界定的,若是 vT0/x≤0.6,泄漏源类型为瞬时泄漏;vT0/x≥2.5,泄漏源类型为连续泄漏;也就是说,通过判断观察者所处的位置与泄漏源的距离来判断该位置是处于瞬时泄漏还是连续泄漏,一般不会出现vT0/x的取值介于 0.6到2.5之间的情况。例如v=5m/s,T=900s,则根据vT0/x≤0.6和 vT0/x≥2.5,得到x<1800时为连续泄漏,x>7500时为瞬时泄漏。
下面结合附图对本发明作进一步详细阐述:
以下实施例所依靠的场景为:某S市发生了一起因为生产厂房内液氨管路系统管帽脱落导致液氨泄漏的事故,储存液氨的储罐体积为600m3,高度为20m,管帽直径为2.6㎝的小孔泄漏,泄漏时间T为 10分钟。此时环境温度为25℃,此市全年平均风速为3.3米每秒。如图2所示,我们将地形、地貌结构等地理信息数据加载到GIS平台上,基于集成开发技术建好了一个带有地形、地貌结构的三维地图。液氨正常储存时,温度为25℃,压力为2.4MPa,比热为4.6kJ·Kg·℃,密度为617kg/cm3。由于储存罐破裂,罐内压力将逐渐降为大气压,根据液氨的沸点-33.4℃和显热公式Q=CM(T1-T2)计算液氨的蒸发量进而计算蒸发氨气的体积。依据假设雷诺数Re>3000时液体泄漏系数为0.61,裂口面积为5.306×10-4m2,所以泄漏质量流率为17.24kg/s,速度为52.66m/s。然后根据液氨在25℃的动力粘度为0.255mPa/s,核对雷诺数Re=pvd/μ=3.3×103>3000,所以假设正确,泄漏总量为 17.24×600s=10344kg<3.52×106kg。
实施例1:
本实施例提供一种基于地形、气象要素的吸入性有毒物质的危害预测方法,基于上述场景,所述预测方法具体包括以下步骤:
步骤1、判断吸入性有毒物质发生泄漏时的泄漏源类型:
根据公式vT0/x≥2.5和vT0/x≤0.6可得:
当x<1584m时为连续泄漏;当x>6600m时为瞬时泄漏,所以本实施例中泄漏源类型可判断为连续泄漏类型。
通常在泄漏时在地图上定位出事故发生地点,然后在输入框中输入引发事故的源物质(引发化学事故发生的有毒物质,例如苯、甲基异氰酸酯、液化石油气等)名称,点击确认之后毒剂数据库(本地数据库)中关于该物质的详细信息将会被同步导入进来,可进一步得到更多泄漏源的信息。
步骤2,根据泄漏源类型确定吸入性有毒物质扩散模型:
步骤1中已经得到是连续泄漏,那么依据公式 (g0’V0’D1/3)/V3)=0.415>0.15,确定扩散模型为重气扩散模型,且为重气扩散模型中的平板模型。所述平板模型指的是假定浓度、温度和其他场,在任何下风横截面处为矩形分布(指在某些空间范围内场是均匀的,而其它地方为零)或均匀分布等简单形状。
步骤3,确定吸入性有毒物质扩散模型的转变:
确定了扩散模型之后,随着空气密度的加入,对于重气扩散而言它会逐渐转变为环境湍流引起的扩散(主要指非重气扩散模型中的高斯模型),因为重气云羽初始半宽等于初始高度的两倍,重气云羽的初始体积通量为泄漏速率×云羽初始半宽的平方。所以根据已知风速和泄漏速率得泄漏初始体积通量为V0=2.365m3/s,初始半宽为b0= (2.365m3/s/3.3)1/2等于0.847m,云羽初始高度为H=1/2b0=0.4235m。综上可知,重气云羽的横风向半宽变化与下风向距离的关系为 b=0.847(1+1.61x)2/3。此时空气密度为1.239kg/m3,根据ε=(ρp- ρa)/ρa<0.01计算得临界云羽密度为ρp=1.24kg/m3
步骤4,根据虚源计算方法确定转变后的新模型与转变前的模型的衔接点,将转变后的新模型与转变前的模型平滑衔接,得到扩散衔接模拟结果;
利用ε准则判断重气扩散的终止位置以及转变点距离,根据步骤3可知发生转变时E=gV(ρpa)/ρa=0.06,下风向距离为x0=E2/3V0 -1/3(gεcr)2/3=52.63m,虚源计算转变点之间距离为[0.847(1+1.61x)2/3]/[0.08×√2(1+0.0001x)-1/2]等于55.1m。
其中,虚源计算指的是利用重气扩散模型对实源泄漏(一次泄漏形成的初生云)进行扩散分析得到的转变点所在位置危险物质浓度等于利用高斯模型对虚源(指位于转变点上游某处的虚拟泄漏源)泄漏进行扩散分析得到的转变点所在位置危险物质浓度相等来确定衔接点。为现有技术,本发明在此不做详细介绍。
步骤5,根据气象特征参数、大气污染特征参数以及扩散衔接模拟结果,在GIS地图上展示吸入性有毒物质发生泄漏后的影响范围;
结合转变前的重气扩散模型公式和转变后的高斯模型公式,将浓度变化范围依次绘制在图2所示的地图上。当时的地形结构数据为气象条件为逆温,空气上下几乎没有流动,周围为高层建筑群,染毒浓度最高危害最大。所以毒气云团从建筑物底部通过且高层建筑群减缓了毒气云团的扩散速度,即转变点距离<55.1m,此时救援人员若在建筑物上部或顶部及时采取救援措施,那么后续毒气云团的扩散影响便可逐渐忽略。具体修正方法为:理想情况下我们使用S市的全年平均速度来计算染毒范围,而在此步骤中我们将S市的受灾区域内每个网格点的速度(如x1=3.6m/s、x2=4.0m/s、x3=3.1m/s)依次带入模型计算公式来进行运算。那么如图4所示在x2之后由于高层建筑物的阻挡风速减缓进而导致转变点距离减小。
步骤6,根据影响范围划分吸入性有毒物质扩散危害等级。
查询本地毒剂数据库中关于液氨的AEGL急性暴露指导水平数据可知:10分钟内AEGL-1为30ppm,AEGL-1为220ppm,AEGL-3, 为2700ppm。计算三个不同等级浓度对应的下风向扩散距离L1,L2, L3;然后去测量L1,L2,L3出的浓度C1,C2,C3修正扩散图并划分出危害程度等级(重度、中度、轻度)。后续30分钟,60分钟均依据以上方法依次计算。最终绘制出的扩散范围如图5所示。

Claims (4)

1.一种吸入性有毒物质的危害预测方法,该方法用于在吸入性有毒物质发生泄漏时预测吸入性有毒物质扩散危害等级,其特征在于,包括以下步骤:
步骤1,判断吸入性有毒物质发生泄漏时的泄漏源类型:
其中,vT0/x≤0.6,泄漏源类型为瞬时泄漏;
vT0/x≥2.5,泄漏源类型为连续泄漏;
其中,v为环境风速,单位为m/s;T0为泄漏持续时间,单位为s;x为观察者离开泄漏源的距离,单位为m;
步骤2,根据泄漏源类型确定吸入性有毒物质扩散模型:
若是瞬时泄漏,且(g0’V0/V2)/V0 1/3)≤0.2,则为非重气扩散模型,否则为重气扩散模型;
若是连续泄漏,且(g0’V0’D1/3)/V3)≤0.15,则为非重气扩散模型,否则为重气扩散模型;
其中,V0为瞬时泄漏云团初始体积;V'0为连续泄漏云团体积通量;V为环境风速;D为泄漏源特征水平尺寸;g0’为折合引力常数,g0’=(ρ0aa)g,其中ρ0为重气密度;ρa为空气密度;
步骤3,确定吸入性有毒物质扩散模型的转变:
当(ρpa)/ρa≤t时,步骤2得到的模型开始逐渐转变为环境湍流引起的扩散,得到非重气扩散模型中的高斯模型;
其中,ρp为吸入性有毒物质扩散模型转变时的气云密度;t为临界值,介于0.001-0.01;
步骤4,根据虚源计算方法确定转变后的新模型与转变前步骤2得到的模型的衔接点;该衔接点使得利用重气扩散模型得到的吸入性有毒物质的浓度等于利用高斯模型得到的吸入性有毒物质的浓度;所述根据虚源计算方法确定转变后的新模型与转变前步骤2得到的模型的衔接点,指的是在转变点之前使用重气模型计算公式记录浓度变化,在转变点之后使用高斯模型计算公式记录浓度变化,最终得到扩散衔接点;
步骤5,根据气象特征参数、大气污染特征参数以及衔接点,在GIS地图上绘制吸入性有毒物质发生泄漏后的影响范围;
步骤6,根据影响范围划分吸入性有毒物质扩散危害等级。
2.如权利要求1所述吸入性有毒物质的危害预测方法,其特征在于,步骤5中的气象特征参数包括气温、湿度、风向、风速、大气垂直稳定度、风廓线指数、温度梯度、各风速等级的平均风速以及对应的风速等级的平均混合层高度、平均地表粗糙度;大气污染特征参数包括点源、面源、体源和开放坑。
3.如权利要求1所述吸入性有毒物质的危害预测方法,其特征在于,步骤6之前,根据GIS地图上的实际标高和轴网参数对步骤5得到的影响范围进行修正。
4.一种吸入性有毒物质的危害预测系统,其特征在于,该系统包括处理器、数据采集模块、有毒物质分析模块、有毒物质扩散范围预测模块和有毒物质危害程度预测模块;
所述数据采集模块用于实时采集吸入性有毒物质发生泄漏时的环境风速、泄漏持续时间;
所述有毒物质分析模块基于数据采集模块采集的信息,按照权利要求1中的步骤1的内容判断吸入性有毒物质发生泄漏时的泄漏源类型,并按照权利要求1中的步骤2的内容确定吸入性有毒物质扩散模型;
所述处理器用于执行权利要求1中步骤3、4的内容得到扩散衔接模拟结果;
所述有毒物质扩散范围预测模块用于根据气象特征参数、大气污染特征参数以及扩散衔接模拟结果,在GIS地图上绘制吸入性有毒物质发生泄漏后的影响范围;
所述有毒物质危害程度预测模块用于在GIS地图上结合事故发生的地形、地貌,并根据影响范围划分吸入性有毒物质扩散危害等级。
CN202010811399.7A 2020-08-13 2020-08-13 一种吸入性有毒物质的危害预测方法 Active CN112016738B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010811399.7A CN112016738B (zh) 2020-08-13 2020-08-13 一种吸入性有毒物质的危害预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010811399.7A CN112016738B (zh) 2020-08-13 2020-08-13 一种吸入性有毒物质的危害预测方法

Publications (2)

Publication Number Publication Date
CN112016738A CN112016738A (zh) 2020-12-01
CN112016738B true CN112016738B (zh) 2023-08-18

Family

ID=73506003

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010811399.7A Active CN112016738B (zh) 2020-08-13 2020-08-13 一种吸入性有毒物质的危害预测方法

Country Status (1)

Country Link
CN (1) CN112016738B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102096768A (zh) * 2011-01-10 2011-06-15 河南理工大学 危险化学品泄漏污染评估方法
CN104834017A (zh) * 2015-04-30 2015-08-12 华南理工大学 一种有毒有害气体泄漏扩散事故源定位方法
CN105115859A (zh) * 2015-07-29 2015-12-02 北京千安哲信息技术有限公司 用于监测泄漏气体扩散浓度的方法及装置
CN105372388A (zh) * 2015-10-14 2016-03-02 北京千安哲信息技术有限公司 用于有限时间稳态泄漏的气体浓度监测方法及装置
CN107402283A (zh) * 2016-05-20 2017-11-28 北京化工大学 一种借助移动机器人实现的气体泄漏溯源方法
CN107781038A (zh) * 2016-08-25 2018-03-09 通用电气公司 气体监测系统、燃气涡轮系统以及非暂态计算机可读介质
CN108760580A (zh) * 2018-05-21 2018-11-06 众安仕(北京)科技有限公司 一种动态环境监测的气体扩散推测系统及方法
CN108932394A (zh) * 2018-07-19 2018-12-04 成都鼎安华智慧物联网股份有限公司 有毒气体泄漏危害范围的确定方法
WO2019099567A1 (en) * 2017-11-14 2019-05-23 Bridger Photonics, Inc. Apparatuses and methods for anomalous gas concentration detection
CN110168338A (zh) * 2017-01-10 2019-08-23 胜赛斯光谱有限责任公司 用于基于模型的管道网络的泄漏检测的方法和装置
CN111033231A (zh) * 2017-06-12 2020-04-17 前视红外系统股份公司 用于量化气体泄漏的系统和方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102096768A (zh) * 2011-01-10 2011-06-15 河南理工大学 危险化学品泄漏污染评估方法
CN104834017A (zh) * 2015-04-30 2015-08-12 华南理工大学 一种有毒有害气体泄漏扩散事故源定位方法
CN105115859A (zh) * 2015-07-29 2015-12-02 北京千安哲信息技术有限公司 用于监测泄漏气体扩散浓度的方法及装置
CN105372388A (zh) * 2015-10-14 2016-03-02 北京千安哲信息技术有限公司 用于有限时间稳态泄漏的气体浓度监测方法及装置
CN107402283A (zh) * 2016-05-20 2017-11-28 北京化工大学 一种借助移动机器人实现的气体泄漏溯源方法
CN107781038A (zh) * 2016-08-25 2018-03-09 通用电气公司 气体监测系统、燃气涡轮系统以及非暂态计算机可读介质
CN110168338A (zh) * 2017-01-10 2019-08-23 胜赛斯光谱有限责任公司 用于基于模型的管道网络的泄漏检测的方法和装置
CN111033231A (zh) * 2017-06-12 2020-04-17 前视红外系统股份公司 用于量化气体泄漏的系统和方法
WO2019099567A1 (en) * 2017-11-14 2019-05-23 Bridger Photonics, Inc. Apparatuses and methods for anomalous gas concentration detection
CN108760580A (zh) * 2018-05-21 2018-11-06 众安仕(北京)科技有限公司 一种动态环境监测的气体扩散推测系统及方法
CN108932394A (zh) * 2018-07-19 2018-12-04 成都鼎安华智慧物联网股份有限公司 有毒气体泄漏危害范围的确定方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Risk Analysis of Harmful Gas in Deep Buried Long Tunnel Construction;ZhaoYanxi 等;International Conference on Advances in Energy, Environment and Chemical Engineering;第655-658页 *

Also Published As

Publication number Publication date
CN112016738A (zh) 2020-12-01

Similar Documents

Publication Publication Date Title
CN108932394A (zh) 有毒气体泄漏危害范围的确定方法
CN108171373A (zh) 一种化工园区毒气泄露逃生路径规划方法
CN101726748A (zh) 一种核辐射后果评价数据显示的方法
Venkatram et al. A complex terrain dispersion model for regulatory applications
McBride et al. Use of advanced techniques to model the dispersion of chlorine in complex terrain
Granieri et al. Carbon dioxide in the urban area of Naples: Contribution and effects of the volcanic source
CN115841014A (zh) 森林火灾现场处置危险性评估方法
CN101739790B (zh) 一种多个固定化学风险源预测预警和应急控制方法
He et al. A dense gas dispersion model based on revised meteorological parameters and its performance evaluation
CN114896901A (zh) 一种危化品大气扩散评估方法
Jiao et al. Simulation of scenario characteristics of LPG tank explosion accident and its contribution to emergency planning: A case study
CN112016738B (zh) 一种吸入性有毒物质的危害预测方法
Stunder et al. A statistical evaluation and comparison of coastal point source dispersion models
Noorpoor et al. Application of AERMOD to local scale diffusion and dispersion modeling of air pollutants from cement factory stacks (Case study: Abyek Cement Factory)
CN116738876A (zh) 基于化工园区建筑物影响的危化品泄漏扩散模拟方法
CN115062870A (zh) 气体污染源扩散模拟预测算法
Mbue et al. Consequence modeling and analysis of Benzene leakage and explosion from a poorly sited gas station in the City of Douala, Cameroon
Leelőssy et al. Spatial and temporal pattern of pollutants dispersed in the atmosphere from the Budapest Chemical Works industrial site
Li et al. A real-time GIS platform for high sour gas leakage simulation, evaluation and visualization
Meroney et al. Sites for wind-power installations: physical modeling of the influence of hills, ridges and complex terrain on wind speed and turbulence. Part I. Executive summary
Ohashi et al. In situ observational research of the gap wind “Hijikawa-Arashi” in Japan
CN107527108A (zh) 一种核设施事故场外后果评价的中小尺度风场预测方法
McRae Operational prediction of extreme bushfires
Shuo et al. Research on decision method of non-point target escape route in chemical gas leakage
CN118247088B (zh) 一种超高层建筑风险等级评估方法、设备以及存储介质

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