CN112052619A - 空气污染粒子信息的优化方法、装置及电子设备 - Google Patents
空气污染粒子信息的优化方法、装置及电子设备 Download PDFInfo
- Publication number
- CN112052619A CN112052619A CN202010939714.4A CN202010939714A CN112052619A CN 112052619 A CN112052619 A CN 112052619A CN 202010939714 A CN202010939714 A CN 202010939714A CN 112052619 A CN112052619 A CN 112052619A
- Authority
- CN
- China
- Prior art keywords
- air pollution
- information
- observation point
- source emission
- list data
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/25—Design optimisation, verification or simulation using particle-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了空气污染粒子信息的优化方法、装置及电子设备。其中,该方法包括:根据月平均的空气污染源排放清单数据确定源排放输入清单数据;基于气象要素驱动场和初始场,将源排放输入清单数据输入至空气污染数值模型进行模拟,得到预设区域内各个观测点的空气污染粒子初始信息;将空气污染粒子初始信息作为空气污染粒子当前信息,对于每个空气污染粒子当前信息,均执行优化操作,直至各个观测点的浓度误差均处于预设误差范围内时停止优化操作;将停止优化操作时对应的各个观测点的空气污染粒子优化信息作为各个观测点的空气污染粒子最终优化信息,从而有效改善了源排放清单的准确性,提高了空气污染数值模拟(预报)的性能。
Description
技术领域
本发明涉及空气质量管理技术领域,尤其是涉及空气污染粒子信息的优化方法、装置及电子设备。
背景技术
空气污染源排放清单是影响空气污染数值系统精度的主要因素之一。当前比较常用的空气污染排放源清单大都为MEIC(Multi-resolution Emission Inventory forChina,中国多尺度排放清单模型)源排放清单,MEIC源排放清单数据的水平空间分辨率为0.25度(约25km),垂直方向上只有近地面一层,在空气污染数值系统实际使用MEIC源排放清单数据的过程中,需要对该数据进行时间和空间等处理,由于处理后的MEIC源排放清单数据与实际的源排放情况存在较大差异,因此,导致空气污染数值系统的预报结果出现较大误差,影响空气质量的管理。
发明内容
有鉴于此,本发明的目的在于提供空气污染粒子信息的优化方法、装置及电子设备,以缓解上述问题,有效的改善了源排放清单的准确性,从而提高了空气污染数值模拟(预报)的性能。
第一方面,本发明实施例提供了一种空气污染粒子信息的优化方法,该方法包括:获取月平均的空气污染源排放清单数据;其中,空气污染源排放清单数据包括预设区域内的空气污染粒子数据;根据空气污染源排放清单数据确定源排放输入清单数据;基于气象要素驱动场和初始场,将源排放输入清单数据输入至空气污染数值模型进行模拟,得到预设区域内各个观测点的空气污染粒子初始信息;其中,气象要素驱动场用于表征预设区域的驱动环境,初始场用于表征预设区域的初始环境;将空气污染粒子初始信息作为空气污染粒子当前信息,对于每个空气污染粒子当前信息,均执行以下优化操作:根据空气污染粒子当前信息和预设区域内各个观测点的空气污染粒子实际信息,计算得到各个观测点的浓度误差;对于浓度误差未处于预设误差范围的目标观测点,将目标观测点的浓度误差输入至溯源模型进行溯源计算,得到目标观测点对应的误差修正信息;将各个目标观测点的误差修正信息和源排放输入清单数据重新输入至空气污染数值模型进行模拟,得到各个观测点的空气污染粒子优化信息;将空气污染粒子优化信息作为空气污染粒子当前信息,继续执行优化操作,直至各个观测点的浓度误差均处于预设误差范围内时停止优化操作;将停止优化操作时对应的各个观测点的空气污染粒子优化信息作为各个观测点的空气污染粒子最终优化信息。
结合第一方面,本发明实施例提供了第一方面的第一种可能的实施方式,其中,将目标观测点的浓度误差输入至溯源模型进行溯源计算,得到目标观测点对应的误差修正信息的步骤,包括:将目标观测点的浓度误差输入至溯源模型进行溯源计算,以得到浓度误差的浓度误差来源信息;根据浓度误差来源信息,计算得到目标观测点对应的误差修正信息。
结合第一方面的第一种可能的实施方式,本发明实施例提供了第一方面的第二种可能的实施方式,其中,将目标观测点的浓度误差输入至溯源模型进行溯源计算的步骤,包括:获取空气污染数值模型提供的气象背景参数;其中,气象背景参数用于表征预设区域的模拟气象环境;基于气象背景参数,将目标观测点的浓度误差输入至溯源模型,以使溯源模型根据浓度误差进行溯源计算,得到浓度误差的浓度误差来源信息。
结合第一方面,本发明实施例提供了第一方面的第三种可能的实施方式,其中,基于气象要素驱动场和初始场,将源排放清单数据输入至空气污染数值模型进行模拟的步骤,包括:获取气象要素驱动场提供的驱动气象要素参数和初始场提供的初始参数;基于驱动气象要素参数和初始参数,将源排放输入清单数据输入至空气污染数值模型,以使空气污染数值模型根据源排放输入清单数据进行模拟,得到预设区域内各个观测点的空气污染粒子初始信息。
结合第一方面,本发明实施例提供了第一方面的第四种可能的实施方式,其中,该方法还包括:将停止优化操作时对应的各个目标观测点的误差修正信息和源排放输入清单数据进行叠加,得到源排放输入清单优化数据;将源排放输入清单优化数据输入至空气污染数值模型进行模拟,得到预设区域的空气污染粒子模拟信息。
结合第一方面,本发明实施例提供了第一方面的第五种可能的实施方式,其中,根据空气污染源排放清单数据确定源排放输入清单数据的步骤,包括:对空气污染源排放清单数据进行时间插值处理,得到逐小时的空气污染源排放清单数据;将逐小时的空气污染源排放清单数据按照水平方向插值到模式网络,得到处理后的空气污染源排放清单数据;将处理后的空气污染源排放清单数据按照预设规则进行转换,以得到源排放输入清单数据。
结合第一方面,本发明实施例提供了第一方面的第六种可能的实施方式,其中,上述空气污染源排放清单数据包括以下至少一种数据:二氧化硫SO2、氮氧化物、一氧化碳CO、挥发性有机物VOCs、氨NH3、臭氧O3和一次颗粒物。
第二方面,本发明实施例还提供一种空气污染粒子信息的优化装置,其中,该装置包括:获取模块,用于获取月平均的空气污染源排放清单数据;其中,空气污染源排放清单数据包括预设区域内的空气污染粒子数据;确定模块,用于根据空气污染源排放清单数据确定源排放输入清单数据;输入输出模块,用于基于气象要素驱动场和初始场,将源排放输入清单数据输入至空气污染数值模型进行模拟,得到预设区域内各个观测点的空气污染粒子初始信息;其中,气象要素驱动场用于表征预设区域的驱动环境,初始场用于表征预设区域的初始环境;优化模块,用于将空气污染粒子初始信息作为空气污染粒子当前信息,对于每个空气污染粒子当前信息,均执行以下优化操作:计算模块,用于根据空气污染粒子当前信息和预设区域内各个观测点的空气污染粒子实际信息,计算得到各个观测点的浓度误差;溯源模块,用于对于浓度误差未处于预设误差范围的目标观测点,将目标观测点的浓度误差输入至溯源模型进行溯源计算,得到目标观测点对应的误差修正信息;模拟模块,用于将各个目标观测点的误差修正信息和源排放输入清单数据重新输入至空气污染数值模型进行模拟,得到各个观测点的空气污染粒子优化信息;执行模块,用于将空气污染粒子优化信息作为空气污染粒子当前信息,继续执行优化操作,直至各个观测点的浓度误差均处于预设误差范围内时停止优化操作;优化信息确定模块,用于将停止优化操作时对应的各个观测点的空气污染粒子优化信息作为各个观测点的空气污染粒子最终优化信息。
第三方面,本发明实施例还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现第一方面的空气污染粒子信息的优化方法的步骤。
第四方面,本发明实施例还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器运行时执行第一方面的空气污染粒子信息的优化方法的步骤。
本发明实施例带来了以下有益效果:
本发明实施例提供了空气污染粒子信息的优化方法、装置及电子设备,根据月平均的空气污染源排放清单数据确定源排放输入清单数据;基于气象要素驱动场和初始场,将源排放输入清单数据输入至空气污染数值模型进行模拟,得到预设区域内各个观测点的空气污染粒子初始信息;将空气污染粒子初始信息作为空气污染粒子当前信息,对于每个空气污染粒子当前信息,均执行优化操作:根据空气污染粒子当前信息和预设区域内各个观测点的空气污染粒子实际信息,计算得到各个观测点的浓度误差;对于浓度误差未处于预设误差范围的目标观测点,将目标观测点的浓度误差输入至溯源模型进行溯源计算,得到目标观测点对应的误差修正信息;将各个目标观测点的误差修正信息和源排放输入清单数据重新输入至空气污染数值模型进行模拟,得到各个观测点的空气污染粒子优化信息;将空气污染粒子优化信息作为空气污染粒子当前信息,继续执行优化操作,直至各个观测点的浓度误差均处于预设误差范围内时停止优化操作;并将停止优化操作时对应的各个观测点的空气污染粒子优化信息作为各个观测点的空气污染粒子最终优化信息。与现有技术直接使用月平均的空气污染源排放清单数据相比,能较好的对空气污染源排放清单数据进行修正,以及,随着目标区域观测空气污染数据越丰富,空气污染数值模型对气象场的模拟越准确,其对源清单的修正效果越好,从而有效改善了源排放清单的准确性,提高了空气污染数值模拟(预报)的性能。
本发明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,或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,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为本发明实施例提供的一种空气污染排放源清单处理示意图;
图2为本发明实施例提供的一种空气污染粒子信息的优化方法的流程图;
图3为本发明实施例提供的一种空气污染粒子信息的优化方法的原理图;
图4为本发明实施例提供的一种空气污染粒子信息的优化装置的示意图;
图5为本发明实施例提供的一种电子设备的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
现有技术中使用的源清单直接来源于对月平均的空气污染排放源清单进行时间、空间等处理的结果,如图1所示,具体地包括:(1)将空气污染排放源清单数据在在时间上进行插值处理,即将月平均的空气污染排放源清单数据插值成逐小时(0-24小时)的数据;(2)将逐小时的数据再进行空间插值,即在水平方向上插值到模式网格(如9km或者3km分辨率的模式网格),在垂直方向上则无需做插值处理;(3)利用插值过后的数据,将空气污染排放源清单变量转换成为空气污染数值模型所需的输入污染物变量,从而形成空气污染数值模型所需要的模式源排放输入清单,并利用该模式源排放输入清单,结合背景气象要素驱动场和初始场,驱动空气污染数值模型(如:WRF-CHEM)。由于上述模式源排放输入清单与实际的源排放情况存在着较大的差异,因此,导致空气污染数值系统的预报结果出现较大误差,影响空气质量的管理。
基于此,本发明实施例提供了空气污染粒子信息的优化方法、装置及电子设备,有效改善了源排放清单的准确性,提高了空气污染数值模拟(预报)的性能。
为便于对本实施例进行理解,下面首先对本发明实施例提供的一种空气污染粒子信息的优化方法进行详细介绍。
实施例一:
本发明实施例提供了一种空气污染粒子信息的优化方法,执行主体为服务器,如图2所示,该方法包括以下步骤:
步骤S202,获取月平均的空气污染源排放清单数据;其中,空气污染源排放清单数据包括预设区域内的空气污染粒子数据。
具体地,为了更加准确的对预设区域进行空气质量管理,在预设区域内会设置多个观测点,通过收集整理各个观测点的观测数据可以得到该预设区域的月平均的空气污染源排放清单数据,其中,空气污染源排放清单数据包括以下至少一种数据:二氧化硫SO2、氮氧化物、一氧化碳CO、挥发性有机物VOCs、氨NH3、臭氧O3和一次颗粒物,需要说明的是,由于预设区域的具体实际情况不同,如预设区域A包含配置有锅炉的工厂,预设区域B则不存在工厂等,因此,每个预设区域的空气污染源排放清单数据并不相同,以及,某个预设区域的空气污染源排放清单数据可能还包括其它空气污染粒子数据,因此,每个预设区域的空气污染源排放清单数据可以根据实际情况进行设置,本发明实施例对此不作限制说明。
在实际应用中,常用的空气污染源排放清单数据大都为MEIC(Multi-resolutionEmission Inventory for China,中国多尺度排放清单模型)源排放清单和INDEX-B源排放清单,此外,还可以根据实际应用场景,选择其他合适的源排放清单,本发明实施例对此不作限制说明。
步骤S204,根据空气污染源排放清单数据确定源排放输入清单数据。
具体地,首先对空气污染源排放清单数据进行时间插值处理,得到逐小时的空气污染源排放清单数据;如将月平均的空气污染源排放清单数据插值成0-24小时的空气污染源排放清单数据;然后,将逐小时的空气污染源排放清单数据按照水平方向插值到模式网络,得到处理后的空气污染源排放清单数据;例如:将上述逐小时的空气污染源排放清单数据插值到9Km或3Km分辨率的模式网络,在实际应用中,在垂直方向上则常常不做插值处理。最后,将处理后的空气污染源排放清单数据按照预设规则进行转换,以得到源排放输入清单数据;其中,这里预设规则为将处理后的空气污染源排放清单数据转换成空气污染数值模型污染源输入变量的转换规则,这里污染源输入变量即源排放输入清单数据,以便空气污染数值模型根据输入的源排放输入清单数据进行模拟。
需要说明的是,这里空气污染数值模型包括但不仅限于WRF-CHEM模型、CMAQ(Community Multiscale Air Quality Modeling System,社区多尺度空气质量)模型和CAMX(Comprehensive Air Quality Model Extensions,综合空气质量模型)模型,具体地可以根据实际情况进行设置,本发明实施例对此不作限制说明。
步骤S206,基于气象要素驱动场和初始场,将源排放输入清单数据输入至空气污染数值模型进行模拟,得到预设区域内各个观测点的空气污染粒子初始信息。
其中,气象要素驱动场用于表征预设区域的驱动环境,初始场用于表征预设区域的初始环境。具体地,首先获取气象要素驱动场提供的驱动气象要素参数和初始场提供的初始参数;这里驱动气象要素参数包括:驱动温度、驱动湿度、驱动风量和驱动气压值等;初始参数则包括:初始温度、初始湿度、初始风量和初始气压值等;然后,基于驱动气象要素参数和初始参数,将源排放输入清单数据输入至空气污染数值模型,以使空气污染数值模型根据源排放输入清单数据进行模拟,得到预设区域内各个观测点的空气污染粒子初始信息即空气污染粒子模拟信息。
上述步骤S202~S206与现有方法一致,且,现有方法执行至步骤S206结束,本发明还通过误差溯源的方式,通过不断迭代的方式对源排放输入清单数据进行优化,以改进空气污染数值模型的输入排放输入清单数据,从而有效的提高了空气污染数值模拟(预报)的性能,具体详见步骤S208~S218。
步骤S208,将空气污染粒子初始信息作为空气污染粒子当前信息,对于每个空气污染粒子当前信息,均执行以下优化操作。
步骤S210,根据空气污染粒子当前信息和预设区域内各个观测点的空气污染粒子实际信息,计算得到各个观测点的浓度误差。
其中,各个观测点的空气污染粒子实际信息为预设区域内各个观测点实际观测到的空气污染粒子信息,空气污染粒子当前信息为空气污染数值模型模拟得到的各个观测点的空气污染粒子分布信息,从而根据空气污染粒子当前信息和预设区域内各个观测点的空气污染粒子实际信息,可以计算得到各个观测点的浓度误差。需要说明的是,这里各个观测点的浓度误差包括该观测点处各种空气污染粒子数据对应的浓度误差,如某个观测点处包含一氧化碳CO和臭氧O3,则计算得到的浓度误差包括该观测点处一氧化碳CO的浓度误差和臭氧O3的浓度误差。
步骤S212,对于浓度误差未处于预设误差范围的目标观测点,将目标观测点的浓度误差输入至溯源模型进行溯源计算,得到目标观测点对应的误差修正信息。
获取预设区域内各个观测点的浓度误差之后,还需判断每个观测点处的浓度误差是否在预设误差范围内,如果均在预设误差范围内,则此时空气污染数值模型模拟得到的空气污染粒子当前信息即为空气污染粒子优化信息;否则,对于浓度误差未处于预设误差范围的目标观测点,将目标观测点的浓度误差输入至溯源模型进行溯源计算,以得到目标观测点对应的误差修正信息。
具体地,将目标观测点的浓度误差输入至溯源模型进行溯源计算,以得到浓度误差的浓度误差来源信息即污染物粒子浓度误差来源信息;在该溯源计算过程中,溯源模型还获取空气污染数值模型提供的气象背景参数,其中,气象背景参数用于表征预设区域的模拟气象环境,包括:模拟温度、模拟湿度、模拟风量和模拟气压值等,并基于该气象背景参数,溯源模型根据输入的目标观测点的浓度误差进行溯源计算,得到浓度误差的浓度误差来源信息;然后,根据浓度误差来源信息,计算得到目标观测点对应的误差修正信息,这里计算得到的目标观测点的误差修正信息即为源排放输入清单数据的修正信息,以便对源排放输入清单数据进行修正。
需要说明的是,上述溯源模型包括但不仅限于拉格朗日溯源模型和Hysplit模型,溯源模型的选择可以根据实际情况进行设置,本发明实施例对此不作限制说明。
步骤S214,将各个目标观测点的误差修正信息和源排放输入清单数据重新输入至空气污染数值模型进行模拟,得到各个观测点的空气污染粒子优化信息。
具体地,将各个目标观测点的误差修正信息和源排放输入清单数据重新输入至空气污染数值模型时,误差修正信息和源排放输入清单数据会进行叠加,从而得到叠加处理后的源排放输入清单数据,即修正后的源排放输入清单数据,并基于驱动气象要素参数和初始参数,将修正后的源排放输入清单数据输入至空气污染数值模型进行模拟,得到各个观测点的空气污染粒子优化信息。
步骤S216,将空气污染粒子优化信息作为空气污染粒子当前信息,继续执行优化操作,直至各个观测点的浓度误差均处于预设误差范围内时停止优化操作。
重复上述步骤S208~步骤S216的溯源和优化过程,并进行迭代,直至各个观测点的浓度误差均处于预设误差范围内,从而通过不断迭代,基于空气污染数值模型的预报结果误差统计,并通过误差统计溯源,以改善源源排放输入清单数据,从而提高了源排放清单数据的准确性。
步骤S218,将停止优化操作时对应的各个观测点的空气污染粒子优化信息作为各个观测点的空气污染粒子最终优化信息。
上述优化操作停止时,将各个观测点的空气污染粒子优化信息作为各个观测点的空气污染粒子最终优化信息,并将最后对应的源排放输入清单数据作为最终优化后的源排放输入清单数据即源排放输入清单优化数据,以便源排放输入清单优化数据输入至空气污染数值模型时,提高了空气污染数值模拟(预报)的性能,便于进行空气质量管理。
上述空气污染粒子信息的优化方法,根据月平均的空气污染源排放清单数据确定源排放输入清单数据;基于气象要素驱动场和初始场,将源排放输入清单数据输入至空气污染数值模型进行模拟,得到预设区域内各个观测点的空气污染粒子初始信息;将空气污染粒子初始信息作为空气污染粒子当前信息,对于每个空气污染粒子当前信息,均执行优化操作:根据空气污染粒子当前信息和预设区域内各个观测点的空气污染粒子实际信息,计算得到各个观测点的浓度误差;对于浓度误差未处于预设误差范围的目标观测点,将目标观测点的浓度误差输入至溯源模型进行溯源计算,得到目标观测点对应的误差修正信息;将各个目标观测点的误差修正信息和源排放输入清单数据重新输入至空气污染数值模型进行模拟,得到各个观测点的空气污染粒子优化信息;将空气污染粒子优化信息作为空气污染粒子当前信息,继续执行优化操作,直至各个观测点的浓度误差均处于预设误差范围内时停止优化操作;并将停止优化操作时对应的各个观测点的空气污染粒子优化信息作为各个观测点的空气污染粒子最终优化信息。与现有技术直接使用月平均的空气污染源排放清单数据相比,能较好的对空气污染源排放清单数据进行修正,以及,随着目标区域观测空气污染数据越丰富,空气污染数值模型对气象场的模拟越准确,其对源清单的修正效果越好,从而有效改善了源排放清单的准确性,提高了空气污染数值模拟(预报)的性能。
在其中一种可能的实施例中,上述方法还包括:将停止优化操作时对应的各个目标观测点的误差修正信息和源排放输入清单数据进行叠加,得到源排放输入清单优化数据;将源排放输入清单优化数据输入至空气污染数值模型进行模拟,得到预设区域的空气污染粒子模拟信息,此时,空气污染粒子模拟信息与各个观测点的空气污染粒子实际信息的浓度误差均在预设误差范围内,从而得到的源排放输入清单优化数据与源排放输入清单数据相比,提高了准确性,从而提高了空气污染数值模拟(预报)的性能,便于预设区域的空气质量管理。
为了便于理解,这里举例说明。如图3所示,具体如下:
(1):整理收集得到月平均的空气污染源排放清单(即空气污染源排放清单数据);
(2):将空气污染源排放清单数据在时间上进行插值处理,即将月平均的清单数据插值成逐小时(0-24小时)的数据;
(3):将逐小时的数据进行空间插值,即在水平方向上插值到模式网格;
(4):利用插值过后的数据,将源清单变量转换成为空气污染数值模型所需的输入污染物变量,从而形成空气污染数值模型所需要的源排放清单;
(5):结合气象要素驱动场和初始场,基于上述源排放清单驱动空气污染数值模型进行模拟,这里空气污染数值模型为WRF-CHEM模型;
(6):利用空气污染数值模型模拟的空气污染粒子模拟信息,结合实际观测的空气污染粒子,计算得到预设区域内各个观测点的空气污染粒子模拟误差;
(7):计算每个观测点处的各粒子的误差,并判断该误差是否在用户可接受的范围之内,如果不接受该误差,则进入拉格朗日误差溯源修正流程;如果接受误差,则整个流程结束;这里用户可接受的范围为用户设置的预设误差范围;各粒子的误差为浓度误差,具体可参考上述方法实施例;
(8):如果不接受误差,基于空气污染数值模型提供的气象背景参数,将各粒子的误差代入拉格朗日误差溯源模型(如拉格朗日粒子扩散释放模型)进行溯源计算,以得到该粒子误差来源的时空分布信息;
(9):将粒子误差来源的时空分布信息,叠加到上一步生成的模式源排放清单上,以进行误差修正,形成新的源排放清单;
(10):利用该新的源排放清单,结合气象要素驱动场和初始场,再次驱动空气污染数值模型进行模拟;
(11):利用空气污染数值模型再次模拟的空气污染粒子模拟信息,结合实际观测的空气污染粒子,计算得到空气污染粒子模拟误差;
(12):再次计算各粒子的误差,并判断误差是否在用户可接受的范围之内,如果不接受该误差,则继续进入拉格朗日误差溯源修正流程;如果接受,则整个流程结束。
对于预设区域内的每个观测点,重复上述(6)-(10),直至所有观测点处的各粒子的浓度误差均在用户可接受的范围内,从而形成完整的源排放清单的迭代优化工作,具体可以参考上述实施例。通常情况下,迭代3-5次就可以得到性能较好的源排放清单,而现有方法仅执行(1)-(5),因此,与现有技术直接使用月平均的空气污染源排放清单数据相比,本申请能较好的对空气污染源排放清单数据进行修正,以及,随着目标区域观测空气污染数据越丰富,空气污染数值模型对气象场的模拟越准确,其对源清单的修正效果越好,从而有效改善了源排放清单的准确性,提高了空气污染数值模拟(预报)的性能。
在上述方法实施例的基础上,本发明实施例还提供了一种空气污染粒子信息的优化装置。如图4所示,该装置包括依次连接的获取模块41、确定模块42、输入输出模块43、优化模块44、计算模块45、溯源模块46、模拟模块47、执行模块48和优化信息确定模块49,其中,每个模块的功能如下:
获取模块41,用于获取月平均的空气污染源排放清单数据;其中,空气污染源排放清单数据包括预设区域内的空气污染粒子数据;
确定模块42,用于根据空气污染源排放清单数据确定源排放输入清单数据;
输入输出模块43,用于基于气象要素驱动场和初始场,将源排放输入清单数据输入至空气污染数值模型进行模拟,得到预设区域内各个观测点的空气污染粒子初始信息;其中,气象要素驱动场用于表征预设区域的驱动环境,初始场用于表征预设区域的初始环境;
优化模块44,用于将空气污染粒子初始信息作为空气污染粒子当前信息,对于每个空气污染粒子当前信息,均执行以下优化操作:
计算模块45,用于根据空气污染粒子当前信息和预设区域内各个观测点的空气污染粒子实际信息,计算得到各个观测点的浓度误差;
溯源模块46,用于对于浓度误差未处于预设误差范围的目标观测点,将目标观测点的浓度误差输入至溯源模型进行溯源计算,得到目标观测点对应的误差修正信息;
模拟模块47,用于将各个目标观测点的误差修正信息和源排放输入清单数据重新输入至空气污染数值模型进行模拟,得到各个观测点的空气污染粒子优化信息;
执行模块48,用于将空气污染粒子优化信息作为空气污染粒子当前信息,继续执行优化操作,直至各个观测点的浓度误差均处于预设误差范围内时停止优化操作;
优化信息确定模块49,用于将停止优化操作时对应的各个观测点的空气污染粒子优化信息作为各个观测点的空气污染粒子最终优化信息。
本发明实施例提供的空气污染粒子信息的优化装置,根据月平均的空气污染源排放清单数据确定源排放输入清单数据;基于气象要素驱动场和初始场,将源排放输入清单数据输入至空气污染数值模型进行模拟,得到预设区域内各个观测点的空气污染粒子初始信息;将空气污染粒子初始信息作为空气污染粒子当前信息,对于每个空气污染粒子当前信息,均执行优化操作:根据空气污染粒子当前信息和预设区域内各个观测点的空气污染粒子实际信息,计算得到各个观测点的浓度误差;对于浓度误差未处于预设误差范围的目标观测点,将目标观测点的浓度误差输入至溯源模型进行溯源计算,得到目标观测点对应的误差修正信息;将各个目标观测点的误差修正信息和源排放输入清单数据重新输入至空气污染数值模型进行模拟,得到各个观测点的空气污染粒子优化信息;将空气污染粒子优化信息作为空气污染粒子当前信息,继续执行优化操作,直至各个观测点的浓度误差均处于预设误差范围内时停止优化操作;并将停止优化操作时对应的各个观测点的空气污染粒子优化信息作为各个观测点的空气污染粒子最终优化信息。与现有技术直接使用月平均的空气污染源排放清单数据相比,能较好的对空气污染源排放清单数据进行修正,以及,随着目标区域观测空气污染数据越丰富,空气污染数值模型对气象场的模拟越准确,其对源清单的修正效果越好,从而有效改善了源排放清单的准确性,提高了空气污染数值模拟(预报)的性能。
在其中一种可能的实施例中,上述溯源模块46用于:将目标观测点的浓度误差输入至溯源模型进行溯源计算,以得到浓度误差的浓度误差来源信息;根据浓度误差来源信息,计算得到目标观测点对应的误差修正信息。
在另一种可能的实施例中,上述溯源模块46还用于:获取空气污染数值模型提供的气象背景参数;其中,气象背景参数用于表征预设区域的模拟气象环境;基于气象背景参数,将目标观测点的浓度误差输入至溯源模型,以使溯源模型根据浓度误差进行溯源计算,得到浓度误差的浓度误差来源信息。
在另一种可能的实施例中,上述输入输出模块43用于:获取气象要素驱动场提供的驱动气象要素参数和初始场提供的初始参数;基于驱动气象要素参数和初始参数,将源排放输入清单数据输入至空气污染数值模型,以使空气污染数值模型根据源排放输入清单数据进行模拟,得到预设区域内各个观测点的空气污染粒子初始信息。
在另一种可能的实施例中,上述装置还用于:将停止优化操作时对应的各个目标观测点的误差修正信息和源排放输入清单数据进行叠加,得到源排放输入清单优化数据;将源排放输入清单优化数据输入至空气污染数值模型进行模拟,得到预设区域的空气污染粒子模拟信息。
在另一种可能的实施例中,上述确定模块42还用于:对空气污染源排放清单数据进行时间插值处理,得到逐小时的空气污染源排放清单数据;将逐小时的空气污染源排放清单数据按照水平方向插值到模式网络,得到处理后的空气污染源排放清单数据;将处理后的空气污染源排放清单数据按照预设规则进行转换,以得到源排放输入清单数据。
在另一种可能的实施例中,上述空气污染源排放清单数据包括以下至少一种数据:二氧化硫SO2、氮氧化物、一氧化碳CO、挥发性有机物VOCs、氨NH3、臭氧O3和一次颗粒物。
本发明实施例提供的空气污染粒子信息的优化装置,与上述实施例提供的空气污染粒子信息的优化方法具有相同的技术特征,所以也能解决相同的技术问题,达到相同的技术效果。
本发明实施例还提供一种电子设备,包括处理器和存储器,存储器存储有能够被处理器执行的机器可执行指令,处理器执行机器可执行指令以实现上述空气污染粒子信息的优化方法。
参见图5所示,该电子设备包括处理器50和存储器51,该存储器51存储有能够被处理器50执行的机器可执行指令,该处理器50执行机器可执行指令以实现上述空气污染粒子信息的优化方法。
进一步地,图5所示的电子设备还包括总线52和通信接口53,处理器50、通信接口53和存储器51通过总线52连接。
其中,存储器51可能包含高速随机存取存储器(RAM,Random Access Memory),也可能还包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。通过至少一个通信接口53(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接,可以使用互联网,广域网,本地网,城域网等。总线52可以是ISA(IndustrialStandard Architecture,工业标准结构总线)总线、PCI(Peripheral ComponentInterconnect,外设部件互连标准)总线或EISA(Enhanced Industry StandardArchitecture,扩展工业标准结构)总线等。上述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图5中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
处理器50可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器50中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器50可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital SignalProcessor,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器51,处理器50读取存储器51中的信息,结合其硬件完成前述实施例的方法的步骤。
本实施例还提供一种机器可读存储介质,机器可读存储介质存储有机器可执行指令,机器可执行指令在被处理器调用和执行时,机器可执行指令促使处理器实现上述空气污染粒子信息的优化方法。
本发明实施例所提供的空气污染粒子信息的优化方法、装置和电子设备的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统和装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
另外,在本发明实施例的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种空气污染粒子信息的优化方法,其特征在于,所述方法包括:
获取月平均的空气污染源排放清单数据;其中,所述空气污染源排放清单数据包括预设区域内的空气污染粒子数据;
根据所述空气污染源排放清单数据确定源排放输入清单数据;
基于气象要素驱动场和初始场,将所述源排放输入清单数据输入至空气污染数值模型进行模拟,得到所述预设区域内各个观测点的空气污染粒子初始信息;其中,所述气象要素驱动场用于表征所述预设区域的驱动环境,所述初始场用于表征所述预设区域的初始环境;
将所述空气污染粒子初始信息作为空气污染粒子当前信息,对于每个所述空气污染粒子当前信息,均执行以下优化操作:
根据所述空气污染粒子当前信息和所述预设区域内各个所述观测点的空气污染粒子实际信息,计算得到各个所述观测点的浓度误差;
对于浓度误差未处于预设误差范围的目标观测点,将所述目标观测点的浓度误差输入至溯源模型进行溯源计算,得到所述目标观测点对应的误差修正信息;
将各个所述目标观测点的误差修正信息和所述源排放输入清单数据重新输入至所述空气污染数值模型进行模拟,得到各个所述观测点的空气污染粒子优化信息;
将所述空气污染粒子优化信息作为空气污染粒子当前信息,继续执行所述优化操作,直至各个所述观测点的浓度误差均处于所述预设误差范围内时停止所述优化操作;
将停止所述优化操作时对应的各个所述观测点的空气污染粒子优化信息作为各个所述观测点的空气污染粒子最终优化信息。
2.根据权利要求1所述的空气污染粒子信息的优化方法,其特征在于,将所述目标观测点的浓度误差输入至溯源模型进行溯源计算,得到所述目标观测点对应的误差修正信息的步骤,包括:
将所述目标观测点的浓度误差输入至所述溯源模型进行溯源计算,以得到所述浓度误差的浓度误差来源信息;
根据所述浓度误差来源信息,计算得到所述目标观测点对应的误差修正信息。
3.根据权利要求2所述的空气污染粒子信息的优化方法,其特征在于,将所述目标观测点的浓度误差输入至所述溯源模型进行溯源计算的步骤,包括:
获取所述空气污染数值模型提供的气象背景参数;其中,所述气象背景参数用于表征所述预设区域的模拟气象环境;
基于所述气象背景参数,将所述目标观测点的浓度误差输入至溯源模型,以使所述溯源模型根据所述浓度误差进行溯源计算,得到所述浓度误差的浓度误差来源信息。
4.根据权利要求1所述的空气污染粒子信息的优化方法,其特征在于,基于气象要素驱动场和初始场,将所述源排放清单数据输入至空气污染数值模型进行模拟的步骤,包括:
获取所述气象要素驱动场提供的驱动气象要素参数和所述初始场提供的初始参数;
基于所述驱动气象要素参数和所述初始参数,将所述源排放输入清单数据输入至所述空气污染数值模型,以使所述空气污染数值模型根据所述源排放输入清单数据进行模拟,得到所述预设区域内各个观测点的空气污染粒子初始信息。
5.根据权利要求1所述的空气污染粒子信息的优化方法,其特征在于,所述方法还包括:
将停止所述优化操作时对应的各个所述目标观测点的误差修正信息和所述源排放输入清单数据进行叠加,得到源排放输入清单优化数据;
将所述源排放输入清单优化数据输入至所述空气污染数值模型进行模拟,得到所述预设区域的空气污染粒子模拟信息。
6.根据权利要求1所述的空气污染粒子信息的优化方法,其特征在于,根据所述空气污染源排放清单数据确定源排放输入清单数据的步骤,包括:
对所述空气污染源排放清单数据进行时间插值处理,得到逐小时的空气污染源排放清单数据;
将逐小时的所述空气污染源排放清单数据按照水平方向插值到模式网络,得到处理后的所述空气污染源排放清单数据;
将处理后的所述空气污染源排放清单数据按照预设规则进行转换,以得到所述源排放输入清单数据。
7.根据权利要求1所述的空气污染粒子信息的优化方法,其特征在于,所述空气污染源排放清单数据包括以下至少一种数据:二氧化硫SO2、氮氧化物、一氧化碳CO、挥发性有机物VOCs、氨NH3、臭氧O3和一次颗粒物。
8.一种空气污染粒子信息的优化装置,其特征在于,所述装置包括:
获取模块,用于获取月平均的空气污染源排放清单数据;其中,所述空气污染源排放清单数据包括预设区域内的空气污染粒子数据;
确定模块,用于根据所述空气污染源排放清单数据确定源排放输入清单数据;
输入输出模块,用于基于气象要素驱动场和初始场,将所述源排放输入清单数据输入至空气污染数值模型进行模拟,得到所述预设区域内各个观测点的空气污染粒子初始信息;其中,所述气象要素驱动场用于表征所述预设区域的驱动环境,所述初始场用于表征所述预设区域的初始环境;
优化模块,用于将所述空气污染粒子初始信息作为空气污染粒子当前信息,对于每个所述空气污染粒子当前信息,均执行以下优化操作:
计算模块,用于根据所述空气污染粒子当前信息和所述预设区域内各个所述观测点的空气污染粒子实际信息,计算得到各个所述观测点的浓度误差;
溯源模块,用于对于浓度误差未处于预设误差范围的目标观测点,将所述目标观测点的浓度误差输入至溯源模型进行溯源计算,得到所述目标观测点对应的误差修正信息;
模拟模块,用于将各个所述目标观测点的误差修正信息和所述源排放输入清单数据重新输入至所述空气污染数值模型进行模拟,得到各个所述观测点的空气污染粒子优化信息;
执行模块,用于将所述空气污染粒子优化信息作为空气污染粒子当前信息,继续执行所述优化操作,直至各个所述观测点的浓度误差均处于所述预设误差范围内时停止所述优化操作;
优化信息确定模块,用于将停止所述优化操作时对应的各个所述观测点的空气污染粒子优化信息作为各个所述观测点的空气污染粒子最终优化信息。
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述权利要求1-7任一项所述的空气污染粒子信息的优化方法的步骤。
10.一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上存储有计算机程序,所述计算机程序被处理器运行时执行上述权利要求1-7任一项所述的空气污染粒子信息的优化方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010939714.4A CN112052619B (zh) | 2020-09-08 | 2020-09-08 | 空气污染粒子信息的优化方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010939714.4A CN112052619B (zh) | 2020-09-08 | 2020-09-08 | 空气污染粒子信息的优化方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112052619A true CN112052619A (zh) | 2020-12-08 |
CN112052619B CN112052619B (zh) | 2021-04-30 |
Family
ID=73611618
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010939714.4A Active CN112052619B (zh) | 2020-09-08 | 2020-09-08 | 空气污染粒子信息的优化方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112052619B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113393906A (zh) * | 2021-06-09 | 2021-09-14 | 北京市环境保护科学研究院 | VOCs排放清单的校验方法、装置、设备及介质 |
CN114088593A (zh) * | 2021-10-11 | 2022-02-25 | 中科三清科技有限公司 | 海盐排放通量的确定方法和装置 |
CN114841437A (zh) * | 2022-05-07 | 2022-08-02 | 中科三清科技有限公司 | 预评估排放源对空气质量贡献的方法、装置和电子设备 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003207579A (ja) * | 2002-01-16 | 2003-07-25 | Mitsubishi Heavy Ind Ltd | 大気汚染物質の濃度予測方法及び装置 |
CN106295905A (zh) * | 2016-08-22 | 2017-01-04 | 南京大学 | 一种基于拉格朗日输送模型的空气质量快速溯源预报方法 |
CN107238679A (zh) * | 2016-03-29 | 2017-10-10 | 株式会社日立制作所 | 观测区域中的空气物质排放源的排放量修正方法和装置 |
CN108280793A (zh) * | 2018-02-12 | 2018-07-13 | 北京应用气象研究所 | 气象要素变化对台风影响评估技术 |
CN109685281A (zh) * | 2018-12-29 | 2019-04-26 | 中科三清科技有限公司 | 污染来源预测方法、装置及电子设备 |
CN110275224A (zh) * | 2019-05-24 | 2019-09-24 | 兰州大学 | 精细化近地层气象要素预报系统及其预报方法 |
CN110826767A (zh) * | 2019-09-29 | 2020-02-21 | 中国人民解放军陆军防化学院 | 一种基于排放源监测数据的空气污染追溯方法和装置 |
CN110988269A (zh) * | 2019-12-18 | 2020-04-10 | 中科三清科技有限公司 | 大气污染源排放清单的偏差修正方法、装置及存储介质 |
US20200244742A1 (en) * | 2019-01-30 | 2020-07-30 | Aeroqual Ltd. | Method for Calibrating Networks of Environmental Sensors |
CN111475960A (zh) * | 2020-04-21 | 2020-07-31 | 成都信息工程大学 | 基于meic大气污染源清单的窗口化环境空气质量模式预处理方法 |
CN111523717A (zh) * | 2020-04-15 | 2020-08-11 | 北京工业大学 | 一种大气污染物排放清单的反演估算方法 |
-
2020
- 2020-09-08 CN CN202010939714.4A patent/CN112052619B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003207579A (ja) * | 2002-01-16 | 2003-07-25 | Mitsubishi Heavy Ind Ltd | 大気汚染物質の濃度予測方法及び装置 |
CN107238679A (zh) * | 2016-03-29 | 2017-10-10 | 株式会社日立制作所 | 观测区域中的空气物质排放源的排放量修正方法和装置 |
CN106295905A (zh) * | 2016-08-22 | 2017-01-04 | 南京大学 | 一种基于拉格朗日输送模型的空气质量快速溯源预报方法 |
CN108280793A (zh) * | 2018-02-12 | 2018-07-13 | 北京应用气象研究所 | 气象要素变化对台风影响评估技术 |
CN109685281A (zh) * | 2018-12-29 | 2019-04-26 | 中科三清科技有限公司 | 污染来源预测方法、装置及电子设备 |
US20200244742A1 (en) * | 2019-01-30 | 2020-07-30 | Aeroqual Ltd. | Method for Calibrating Networks of Environmental Sensors |
CN110275224A (zh) * | 2019-05-24 | 2019-09-24 | 兰州大学 | 精细化近地层气象要素预报系统及其预报方法 |
CN110826767A (zh) * | 2019-09-29 | 2020-02-21 | 中国人民解放军陆军防化学院 | 一种基于排放源监测数据的空气污染追溯方法和装置 |
CN110988269A (zh) * | 2019-12-18 | 2020-04-10 | 中科三清科技有限公司 | 大气污染源排放清单的偏差修正方法、装置及存储介质 |
CN111523717A (zh) * | 2020-04-15 | 2020-08-11 | 北京工业大学 | 一种大气污染物排放清单的反演估算方法 |
CN111475960A (zh) * | 2020-04-21 | 2020-07-31 | 成都信息工程大学 | 基于meic大气污染源清单的窗口化环境空气质量模式预处理方法 |
Non-Patent Citations (1)
Title |
---|
JINFAN0931: "《MEIC污染源清单向WRF-Chem模式网格插值分配工具》", 《HTTPS://GITEE.COM/JINFAN0931/MEIC2WRF 页面下"操作手册.PDF"》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113393906A (zh) * | 2021-06-09 | 2021-09-14 | 北京市环境保护科学研究院 | VOCs排放清单的校验方法、装置、设备及介质 |
CN114088593A (zh) * | 2021-10-11 | 2022-02-25 | 中科三清科技有限公司 | 海盐排放通量的确定方法和装置 |
CN114088593B (zh) * | 2021-10-11 | 2022-10-11 | 中科三清科技有限公司 | 海盐排放通量的确定方法和装置 |
CN114841437A (zh) * | 2022-05-07 | 2022-08-02 | 中科三清科技有限公司 | 预评估排放源对空气质量贡献的方法、装置和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN112052619B (zh) | 2021-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112052619B (zh) | 空气污染粒子信息的优化方法、装置及电子设备 | |
CN113769519B (zh) | 一种建筑工地的智能降尘控制方法及系统 | |
WO2020119372A1 (zh) | 场强预测方法、装置、设备及存储介质 | |
KR101507397B1 (ko) | 대기 모델링 서비스 제공 시스템 | |
CN116227749B (zh) | 污染物排放量的确定方法、装置、存储介质及电子设备 | |
CN114819411B (zh) | 一种基于走航监测车的大气污染物排放溯源方法和装置 | |
CN112986492B (zh) | 一种建立气体浓度预测模型的方法及装置 | |
CN113642223B (zh) | 空气质量预报方法、装置、设备和计算机可读存储介质 | |
CN111882205A (zh) | 空气质量达标分析方法、装置、电子设备及存储介质 | |
CN109783486A (zh) | 数据清洗方法、装置及服务器 | |
CN112711893B (zh) | 污染源对pm2.5贡献计算方法、装置和电子设备 | |
JP2018531458A6 (ja) | ガソリンスタンドpoiの自動発見方法、自動発見装置、及び記憶媒体と機器 | |
WO2020135886A1 (zh) | 空气污染物预报方法、装置及电子设备 | |
CN115498660B (zh) | 风电场调频动态建模方法、装置及电子设备 | |
CN112036038A (zh) | 一种排放源的排放量调优方法、装置、设备及存储介质 | |
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 | |
CN112241853B (zh) | 一种区域间空气质量影响的评估方法及评估装置 | |
CN109858119B (zh) | 一种动态能效建模方法、装置、可读介质及电子设备 | |
CN114035545A (zh) | 自动驾驶算法仿真测试方法、装置及电子设备 | |
CN114169576A (zh) | 风资源计算方法、装置及电子设备 | |
CN112433442A (zh) | 掩模版图案修正方法、装置、计算机设备及可读存储介质 | |
CN112967391A (zh) | 地形图确定方法、装置及电子设备 | |
CN112231942A (zh) | 物模型处理方法、装置和电子设备 | |
CN118114167B (zh) | 污染源贡献浓度的确定方法、装置、存储介质与电子设备 | |
CN113775482B (zh) | 风电机组的最大风速确定方法、装置及电子设备 |
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 |