CN112257353A - 一种污染物监测站点有效覆盖范围的逆向计算方法 - Google Patents

一种污染物监测站点有效覆盖范围的逆向计算方法 Download PDF

Info

Publication number
CN112257353A
CN112257353A CN202011186398.4A CN202011186398A CN112257353A CN 112257353 A CN112257353 A CN 112257353A CN 202011186398 A CN202011186398 A CN 202011186398A CN 112257353 A CN112257353 A CN 112257353A
Authority
CN
China
Prior art keywords
monitoring
monitoring station
pollutant
probability
area
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.)
Pending
Application number
CN202011186398.4A
Other languages
English (en)
Inventor
薛雨
顾钦子
王祎
郑情文
葛凡
翟志强
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.)
Yiqi Technology Shenzhen Co ltd
Dalian University of Technology
Original Assignee
Yiqi Technology Shenzhen Co ltd
Dalian University of Technology
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 Yiqi Technology Shenzhen Co ltd, Dalian University of Technology filed Critical Yiqi Technology Shenzhen Co ltd
Priority to CN202011186398.4A priority Critical patent/CN112257353A/zh
Publication of CN112257353A publication Critical patent/CN112257353A/zh
Pending legal-status Critical Current

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
    • G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/08—Fluids
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Fluid Mechanics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computing Systems (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Algebra (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明属于大气污染监测与数值模拟交叉领域，具体涉及一种污染物监测站点有效覆盖范围的逆向计算方法。该方法包括：创建研究城市区域的数值模型；根据计算需求，获取风速、风向等气象参数，计算研究区域的流场；获取监测站点所在位置的坐标及仪器对污染物的有效探测阈值，代入伴随概率方法方程组求解，即可计算出该监测站点对于不同释放强度污染源的有效监测覆盖范围。本发明可根据实际情况，有针对性地、快速、准确地计算出城市空间污染物监测站点的有效覆盖范围，对于监测站点的位置选择和已有站点地监测效果评估具有指导意义，有助于城市空气的治理和改善。

Description

一种污染物监测站点有效覆盖范围的逆向计算方法
技术领域
本发明属于大气污染监测与数值模拟交叉领域，具体涉及一种污染物监测站点有效覆盖范围的逆向计算方法。
背景技术
大气污染已成为现代城市面临的严重问题，污染物的不合理排放不但对环境造成影响，同时威胁着居民的健康。地表大气污染监测站点作为最直接的大气环境监测手段，能够获取真实的环境污染信息，它的存在对于城市大气污染源的控制管理以及改善城市空气质量意义重大。污染物监测站的监测范围是一个非常重要的技术指标，关系到能否覆盖潜在的污染源，直接影响到监测站点设置的有效性。如果无法在地理上明确具体的监测范围，将会给大气污染的监测和治理工作带来很大的不确定性。
然而，现实中在布设大气污染物监测站时往往依靠专家经验或根据仪器参数来定性估计，而不是因地制宜地定量计算监测站的监测范围，再考虑站点的设置位置是否合理。
类似发明如毛子龙发明的一种地下水污染监测井监测范围确定方法(申请公布号CN110119534A)，该发明采用遍历试错法，假设污染源点的位置，根据溶质运输模型进行正向模拟，以监测点是否能检测到污染物作为该点是否属于监测范围的评价准则。此发明代表了一类监测范围的计算方法，这些方法基于质量传递公式或扩散模型，分别得到研究区域内每个可能源点的正向污染分布，若污染的影响范围包括了监测点所在位置，则该假设源点可被监测到，即属于监测范围。此类方法的缺陷在于：遍历试错法地成本很高，需要依次将研究区域的所有位置带入正向运输公式进行验证，若研究区域范围较大，则需要耗费大量的计算时间。
因此，针对上述问题，本发明提出一种污染物监测站点有效覆盖范围的逆向计算方法。此方法能够结合探测器对污染物的实际感应阈值和监测站点所在位置的气象条件，快速准确的计算出城市空间污染物监测站点对于不同释放强度污染源的有效覆盖范围。本发明可根据实际情况，有针对性地、快速、准确地计算出城市空间污染物监测站点的有效覆盖范围，对于监测站点的位置选择和已有站点地监测效果评估具有指导意义，有助于城市空气的治理和改善。
发明内容
本发明的主要目的在于指导城市污染物监测站点的设置位置和对现有监测站点检测效果进行评估，以及解决专利(申请公布号CN110119534A)所述监测范围计算方法费时费力的问题。提出一种结合实际情况的，基于伴随概率方法的污染物监测站点有效覆盖范围的计算方法
为解决以上问题，本发明提出
一种污染物监测站点有效覆盖范围的逆向计算方法，步骤如下：
第一步，创建研究城市区域的数值模型；
第二步，根据计算需求，从气象监测站处获取风速、风向数据，作为速度入口边界条件，使用计算流体力学求解纳维斯托克斯方程，计算研究区域的流场；
第三步，获取监测站点所在位置的坐标及探测到的污染物浓度值，记为(P,C)，代入污染物传播方程的伴随方程：
Figure BDA0002751564550000021
Figure BDA0002751564550000022
Figure BDA0002751564550000023
Figure BDA0002751564550000024
Figure BDA0002751564550000025
Figure BDA0002751564550000026
其中ψ*为位置的伴随概率因子，
Figure BDA0002751564550000027
为探测区域位置矢量，
Figure BDA0002751564550000028
为测点位置矢量，C表示污染物浓度，uj为xj轴方向上的速度,vc，j表示污染物C在xj方向上的湍流扩散系数，q0为污染物负源的单位体积流量，Γ1,、Γ2和Γ3为边界条件，ni为xi轴方向的单位矢量。
Figure BDA0002751564550000031
为负荷项，其表达式如下：
Figure BDA0002751564550000032
由此可以求得单位污染源强度时，导致监测站点有响应的污染源位置的分布概率
Figure BDA0002751564550000033
将
Figure BDA0002751564550000034
代入表征监测站探测到的污染物浓度数据
Figure BDA0002751564550000035
所对应的不同强度污染物源(M)的位置分布概率密度公式
Figure BDA0002751564550000036
Figure BDA0002751564550000037
的分布形式一般符合正态分布：
Figure BDA0002751564550000038
其中σε为综合误差，包括仪器的测量误差和计算模型误差，可设为20％。将此方法应用于实际案例时，研究人员可以根据仪器的实际情况调整该系数。
求解方程(1-3)即可确定不同污染源释放强度对应的潜在污染源位置的伴随概率分布，概率最大的位置就是响应监测站数值对应的污染物源最可能存在的位置，监测站有效探测浓度值的下限值对应的污染源概率最大的位置围成的范围即为监测站在该源强条件下的监测范围。比如监测站测点能够准确测定的污染物浓度阈值为C1至C2，对于十万吨级排放企业，此监测站点的有效监测范围即为
Figure BDA0002751564550000039
M＝108kg/a所计算出的范围。由此，可根据待监测区域工厂排放等级、监测仪器的有效探测阈值和主导风向风速确定监测站点的位置，做到对待监测企业的有效监测。
以上步骤的排序根据实际情况可做调整，调整顺序后的寻源过程也应在本专利保护范围内。
作为本发明的一种优选技术方案，第二步所述的，根据计算需求，获取风速、风向等气象参数。这里计算需求指某指定气象条件，比如，要计算监测站在夏季的有效监测范围，则使用该地夏季主导风速和风向进行计算；要计算监测站在某日某时段有效监测范围，则使用该时段平均风速和风向进行计算等。
作为本发明的一种优选技术方案，第三步所述的，监测站有效探测浓度值的下限值对应的污染源概率最大的位置围成的范围即为监测站在该源强条件下的监测范围。这里的有效探测浓度值的下限值指的是监测站仪器能够准确测定的污染物浓度最小值，源强条件指的是排放等级。比如监测站仪器能够准确测定的污染物浓度阈值为C1至C2，对于十万吨级排放企业，此监测站点的有效监测范围即为
Figure BDA0002751564550000041
M＝108kg/a所计算出的范围。
与现有技术相比，本发明的有益效果是：
本发明计算时根据监测站点所在位置的气象条件，在模拟计算中更大的还原了实际流场和污染物传递的情况；结合探测器对污染物的有效探测阈值，只需进行一次逆向求解即可获得监测范围，避免了以往方法在计算上的复杂性；可根据实际情况，得到不同释放强度的污染源的有效覆盖范围。
附图说明
图1为本发明提供的一种污染物监测站点有效覆盖范围计算方法的流程示意图。
图2为本发明实施例提供的一个不同季节污染物影响范围分布图。
图3为本发明实施例提供的一个不同季节污染源伴随位置概率分布分布图。
图4为本发明实施例提供的一个不同季节污染物监测站监测范围示意图。
具体实施方法
以下结合附图和技术方案，进一步说明本发明的具体实施方式。
参见图1，为污染物监测站点有效覆盖范围计算方法的流程示意图。本发明针对研究对象建模，根据需求借助计算流体力学对城市空间的流场和污染物场进行逆向模拟计算，再使用伴随方法通过求解质量传递方程的伴随方程，然后依据监测站点所在位置的坐标及仪器对污染物的有效探测阈值，结合概率理论求取指定强度的污染物源位置在整个空间区域坐标上的概率分布，得到的概率值最大的点围成的范围即为污染物监测站点的有效覆盖范围。伴随概率算法的计算结果为监测范围的计算提供了方法上的指导。
以某地为实施例，分别在静风条件、夏季和冬季三个气象条件下，计算某监测站的有效监测范围，计算步骤如下：
第一步，创建研究城市区域的数值模型；
第二步，根据计算需求，从气象站处了解到，该地夏季主导风向为南风，主导风速1.3m/s；冬季主导风向为北风，主导风速3.8m/s。分别将其作为速度入口边界条件，使用计算流体力学求解纳维斯托克斯方程，计算研究区域的流场；
第三步，监测站点所在位置的坐标记为P(参见图2)，仪器能够准确测量的污染物浓度值范围为100ppm-500ppm，则仪器能够准确测量的污染物浓度的下限值为100ppm，代入污染物传播方程的伴随方程：
Figure BDA0002751564550000051
Figure BDA0002751564550000052
Figure BDA0002751564550000053
Figure BDA0002751564550000054
Figure BDA0002751564550000055
Figure BDA0002751564550000056
其中ψ*为位置的伴随概率因子，
Figure BDA0002751564550000057
为探测区域位置矢量，
Figure BDA0002751564550000058
为测点位置矢量，C表示污染物浓度，uj为xj轴方向上的速度,vc，j表示污染物C在xj方向上的湍流扩散系数，q0为污染物负源的单位体积流量，Γ1,、Γ2和Γ3为边界条件，ni为xi轴方向的单位矢量。
Figure BDA0002751564550000059
为负荷项，其表达式如下：
Figure BDA00027515645500000510
由此可以求得污染源强度为1时，导致监测站点有响应的污染源位置的分布概率
Figure BDA00027515645500000511
将
Figure BDA00027515645500000512
代入表征监测站探测到的污染物浓度数据
Figure BDA00027515645500000513
所对应的不同强度污染物源(M)的位置分布概率密度公式
Figure BDA0002751564550000061
Figure BDA0002751564550000062
的分布形式一般符合正态分布：
Figure BDA0002751564550000063
其中σε为综合误差，包括仪器的测量误差和计算模型误差，可设为20％。将此方法应用于实际案例时，研究人员可以根据仪器的实际情况调整该系数。
求解方程(1-3)即可确定不同污染源释放强度对应的潜在污染源位置的伴随概率分布。参见图3，为监测站有效探测浓度值的下限值(100ppm)对应的当污染源排放强度等级为一千吨(约为0.03kg/s)时污染源位置的伴随概率分布。概率最大的位置就是污染物源最可能存在的位置，污染源概率最大的位置围成的范围即为监测站在该源强条件下的监测范围。(参见图4)
本方法适用于有如下特定情境：
(1)在进行城市空间污染物监测站监测范围的讨论时，主要考虑气象站提供的研究时段的主导风速和风向，以此来模拟计算城市空间的流场，故本研究在稳态流场的基础上考虑监测范围。
(2)污染物源是释放强度恒定的点源。基于概率的伴随方法只能逆向辨识点源型(或者可以作为点源来考虑)的污染物源，线源和面源不在本研究的讨论范围之内。
(3)污染物是惰性污染物，且气流跟随性较好。为了方便起见，本研究只针对气流跟随性较好的惰性污染物。而如果要进一步考虑可与大气中其它物质反应或气流跟随性较差的颗粒性污染物，只要能够模拟计算准确，此方法同样适用。

Claims (2)

1.一种污染物监测站点有效覆盖范围的逆向计算方法，其特征在于，包括以下步骤：
第一步，创建研究城市区域的数值模型；
第二步，根据计算需求，从气象监测站处获取风速、风向数据，作为速度入口边界条件，使用计算流体力学求解纳维斯托克斯方程，计算研究区域的流场；
第三步，获取监测站点所在位置的坐标及探测到的污染物浓度值，记为(P,C)，代入污染物传播方程的伴随方程：
Figure FDA0002751564540000011
Figure FDA0002751564540000012
Figure FDA0002751564540000013
Figure FDA0002751564540000014
Figure FDA0002751564540000015
Figure FDA0002751564540000016
其中ψ*为位置的伴随概率因子，
Figure FDA0002751564540000018
为探测区域位置矢量，
Figure FDA0002751564540000019
为测点位置矢量，C表示污染物浓度，uj为xj轴方向上的速度,vc，j表示污染物C在xj方向上的湍流扩散系数，q0为污染物负源的单位体积流量，Γ1,、Γ2和Γ3为边界条件，ni为xi轴方向的单位矢量；
Figure FDA00027515645400000110
为负荷项，其表达式如下：
Figure FDA0002751564540000017
由此求得单位污染源强度时，导致监测站点有响应的污染源位置的分布概率
Figure FDA00027515645400000111
将
Figure FDA00027515645400000112
代入表征监测站探测到的污染物浓度数据
Figure FDA00027515645400000115
所对应的不同强度污染物源(M)的位置分布概率密度公式
Figure FDA00027515645400000113
Figure FDA00027515645400000114
的分布形式一般符合正态分布：
Figure FDA0002751564540000021
其中σε为综合误差；
求解方程(1-3)即可确定不同污染源释放强度对应的潜在污染源位置的伴随概率分布，概率最大的位置就是响应监测站数值对应的污染物源最可能存在的位置，监测站有效探测浓度值的下限值对应的污染源概率最大的位置围成的范围即为监测站在该源强条件下的监测范围。
2.如权利要求1所述的一种污染物监测站点有效覆盖范围的逆向计算方法，其特征在于，所述的综合误差σε设为20％。
CN202011186398.4A 2020-10-30 2020-10-30 一种污染物监测站点有效覆盖范围的逆向计算方法 Pending CN112257353A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011186398.4A CN112257353A (zh) 2020-10-30 2020-10-30 一种污染物监测站点有效覆盖范围的逆向计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011186398.4A CN112257353A (zh) 2020-10-30 2020-10-30 一种污染物监测站点有效覆盖范围的逆向计算方法

Publications (1)

Publication Number Publication Date
CN112257353A true CN112257353A (zh) 2021-01-22

Family

ID=74267791

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011186398.4A Pending CN112257353A (zh) 2020-10-30 2020-10-30 一种污染物监测站点有效覆盖范围的逆向计算方法

Country Status (1)

Country Link
CN (1) CN112257353A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106650017A (zh) * 2016-11-23 2017-05-10 大连理工大学 一种利用固定位置污染物探测器辨识城市空间多污染物源的方法
CN106777893A (zh) * 2016-11-23 2017-05-31 大连理工大学 一种利用可移动污染物探测器辨识城市空间多污染物源的方法
KR101775824B1 (ko) * 2016-04-14 2017-09-11 국방과학연구소 유전적 알고리즘을 이용한 확산제 역추적에서 최적 측정자 형성 방법 및 장치
CN109885804A (zh) * 2019-01-23 2019-06-14 大连理工大学 一种基于监测车的大气污染监测和源辨识方法
CN111241758A (zh) * 2020-01-10 2020-06-05 燕山大学里仁学院 基于可溶性污染物在水环境中输移扩散模型的评估方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101775824B1 (ko) * 2016-04-14 2017-09-11 국방과학연구소 유전적 알고리즘을 이용한 확산제 역추적에서 최적 측정자 형성 방법 및 장치
CN106650017A (zh) * 2016-11-23 2017-05-10 大连理工大学 一种利用固定位置污染物探测器辨识城市空间多污染物源的方法
CN106777893A (zh) * 2016-11-23 2017-05-31 大连理工大学 一种利用可移动污染物探测器辨识城市空间多污染物源的方法
CN109885804A (zh) * 2019-01-23 2019-06-14 大连理工大学 一种基于监测车的大气污染监测和源辨识方法
CN111241758A (zh) * 2020-01-10 2020-06-05 燕山大学里仁学院 基于可溶性污染物在水环境中输移扩散模型的评估方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
薛雨: "基于遗传算法和伴随方法的人居环境空气品质逆向问题研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》, 15 November 2017 (2017-11-15), pages 55 - 75 *

Similar Documents

Publication Publication Date Title
Qiu et al. Atmospheric dispersion prediction and source estimation of hazardous gas using artificial neural network, particle swarm optimization and expectation maximization
CN108153978B (zh) 一种基于水动力水质模型的污染源普查结果达标评估方法
Kim et al. Evaluation of the Weather Research and Forecast/urban model over Greater Paris
CN112345698B (zh) 一种空气污染物监测站点的网格化排布方法
Finn et al. Analysis of urban atmosphere plume concentration fluctuations
Mejia et al. A very-high resolution (20m) measurement-based dust emissions and dispersion modeling approach for the Oceano Dunes, California
Schlünzen On the validation of high-resolution atmospheric mesoscale models
Luhar et al. Application of a prognostic model TAPM to sea-breeze flows, surface concentrations, and fumigating plumes
CN114492984A (zh) 粉尘浓度的时空分布预测方法、装置、设备和存储介质
CN114002381A (zh) 一种大气污染溯源扩散分析方法及装置
CN112257353A (zh) 一种污染物监测站点有效覆盖范围的逆向计算方法
CN112257354B (zh) 一种动态风场条件下的空气污染源逆向定位方法
Faulkner et al. Comparison of dispersion models for ammonia emissions from a ground-level area source
Hu et al. Using the OSPM model on pollutant dispersion in an urban street canyon
JP3746712B2 (ja) 拡散物質の拡散状況予測方法
Park et al. A numerical model for the simulation of SO2 concentrations in the Kyongin region, Korea
Wang et al. A city-scale inverse modelling method for air pollutant source determination
Lee et al. Numerical simulation and evaluation of Asian dust events observed in Mongolia in spring 2011
Nappo et al. Modeling dispersion from near-surface tracer releases at Cape Canaveral, Florida
Yu et al. Experimental study of the impact of upstream mountain terrain and urban exposure on approaching wind characteristics
Li et al. Estimating ground-level PM 2.5 concentration in beijing using BP ANN model from satellite data
Turalioglu et al. Assessment of regional air pollution distribution by point cumulative semivariogram method at Erzurum urban center, TURKEY
Genikhovich et al. A new Russian regulatory dispersion model" MEAN" for calculation of mean annual concentrations and its meteorological pre-processor
Elsakov et al. Parameters identification algorithm for the SUSUPLUME air pollution propagation model
Peterson et al. Analytical versus wind tunnel determined concentrations due to laboratory exhaust.

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