CN112257354A - 一种动态风场条件下的空气污染源逆向定位方法 - Google Patents

一种动态风场条件下的空气污染源逆向定位方法 Download PDF

Info

Publication number
CN112257354A
CN112257354A CN202011186466.7A CN202011186466A CN112257354A CN 112257354 A CN112257354 A CN 112257354A CN 202011186466 A CN202011186466 A CN 202011186466A CN 112257354 A CN112257354 A CN 112257354A
Authority
CN
China
Prior art keywords
pollutant
concentration
meteorological
source
pollution 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.)
Granted
Application number
CN202011186466.7A
Other languages
English (en)
Other versions
CN112257354B (zh
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.)
Dalian University of Technology
Original Assignee
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 Dalian University of Technology filed Critical Dalian University of Technology
Priority to CN202011186466.7A priority Critical patent/CN112257354B/zh
Publication of CN112257354A publication Critical patent/CN112257354A/zh
Application granted granted Critical
Publication of CN112257354B publication Critical patent/CN112257354B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明提供了一种动态风场条件下的空气污染源逆向定位方法，属于大气污染物监测和源辨识技术领域。本方法使用条件是：在气象条件有明显差异的三个时段内，某一固定监测站均监测到大于空气中本底浓度的某种污染物。具体步骤如下：首先通过城市卫星地图建立待测区域建筑的三维模型；根据气象站提供的主导风速和风向模拟计算出每个时段区域的流场；监测站记录每个时段污染物平均浓度，代入相对应的流场中，通过伴随方法逆向计算出可能的污染源位置范围；结合概率论，综合三次计算结果，确定最终的污染源位置。如此可以利用单个固定监测站综合多组气象条件来准确地辨识出单个污染物源。

Description

一种动态风场条件下的空气污染源逆向定位方法
技术领域
本发明属于大气污染监测和源辨识领域，具体涉及一种动态风场条件下的空气污染源逆向定位方法。
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。在大气污染事件中，在有限的监测条件下对污染源的位置进行准确识别，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。目前对于大气污染的监测方法不够严谨，监测水平亟待提升，同时缺少应用于实际的有效寻源方式。
现有专利：一种利用固定污染物探测器辨识城市空间多污染物源的方法(授权公告号CN106650017A)采用基于概率论的伴随方法，在稳定流场中通过多个固定位置探测器做到对城市多个污染源的快速辨识。该发明的缺陷在于：需要至少三个固定监测站点提供监测信息，没有考虑到现实情况中由于经济因素或其他条件限制，待测区域不会有众多符合条件的监测站点以供选择，有时一片区域往往只能设置一个固定监测站点，此时上述方法失效。
因此，针对上述情况，本发明进一步丰富了伴随概率方法在城市空间污染物源辨识领域的应用，提出一种利用一个固定污染物监测站在多个气象条件下获得的监测数据来辨识城市空间单个污染源的方法，在保证辨识准确性的条件下，将监测设备进行简化，极大地减少了城市大气污染治理的资金投入，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解决城市污染源的快速辨识问题，以及解决专利(授权公告号CN106650017A)没有考虑到待测区域固定监测站的缺陷。提出一种当监测条件有限时，借助单个污染物监测站辨识污染源的方法。
为解决以上问题，本发明提供了一种利用一个固定污染物监测站在多个气象条件下获得的监测数据来辨识城市空间单个污染源的方法，一种动态风场条件下的空气污染源逆向定位方法，步骤如下：
第一步，根据城市卫星地图建立待测区域建筑的三维模型。
第二步，若在一时间段内监测到一固定监测站某种污染物浓度值高于污染物对人体造成危害的限值，将该时段测得的污染物平均浓度值记录为C1，将气象站坐标记录为L；选取气象条件有明显差异的另外两个时段，将这两个时间段该固定监测站监测到的大于空气中本底浓度的该种污染物数据分别记录为C2和C3，要求每个时段内的主导风向和风速较为稳定。
第三步，从气象站处获取待测区域在时段1的主导风向和风速信息，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，得出待测区域在气象条件1下的流场1。由于每个时段内的主导风向和风速较为稳定，认为每个时段内流场是稳态的。
第四步，在流场1的计算基础上，将监测站坐标和气象条件1的污染物平均浓度信息(L,C1)代入稳态的污染物传播方程的伴随方程：
Figure BDA0002751573180000021
其中ψ*为位置的伴随概率因子，
Figure BDA0002751573180000022
为探测区域位置矢量，
Figure BDA0002751573180000023
为测点位置矢量，C表示污染物浓度，uj是xj方向上的速度，vc，j是污染物在xj方向上的扩散系数，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方向的单位矢量。
Figure BDA0002751573180000024
为负荷项，其表达式如下：
Figure BDA0002751573180000025
通过求解方程得到该气象条件下推得的污染源的潜在位置概率分布，概率最大位置就是污染物源最可能存在的位置。根据一个测点信息在单一气象条件下推得的污染源位置是无限多的。
第五步，重复步骤三至步骤四，以获得另外两个气象条件下的定位结果。
第六步，通过求解如下方程(1-3)，将三次辨识结果整合，即可确定唯一一个可能的污染源位置及强度：
Figure BDA0002751573180000031
其中N为不同气象条件下的辨识次数，
Figure BDA0002751573180000032
和
Figure BDA0002751573180000033
分别为对应于第i组气象条件下的测点位置和测得的污染物浓度，由于本方法全程只通过同一个固定监测站获取数据，则
Figure BDA0002751573180000034
为一定值，即监测站所在位置的坐标。M0为假设的污染物释放强度，
Figure BDA0002751573180000035
为对应于第i组监测数据的伴随概率值。
Figure BDA0002751573180000036
为根据第i组监测数据求得的相应污染物释放浓度M0和位置x的概率分布。一般将
Figure BDA0002751573180000037
的分布形式定义为正态分布：
Figure BDA0002751573180000038
其中
Figure BDA0002751573180000039
为对应于第i个监测数据的实际污染物浓度，σε为N次监测数据的标准差，可设定为20％，或在应用于实际案例时，根据仪器的实际误差调整该系数。
将三个气象条件下的辨识结果代入上述公式(1-3)至公式(1-4)，即可确定污染物源唯一的位置P-find和释放强度S-find，并估算出P-find处的浓度C-find。
第七步，前往P-find处确定污染源的真实浓度C-real，若浓度C-real与C-find在一个量级，则寻源成功，定位结束。
以上步骤的排序根据实际情况可做略微调整，调整顺序后的寻源过程也应在本专利保护范围内。
第二步所述的三个时段的气象条件有明显差异，此处的明显差异指主导风向相差至少22.5°。应注意的是，此处提出的风向角度差异是一种优选的方法，若选用其他风向角度差异或者风速大小差异也应在本专利保护范围内。
第二步至第六步所述的记录三个时段的气象参数及污染数据并以此通过伴随概率方法进行源定位。若选用其他数量的时段相应的数据通过本方法进行溯源也应在本专利保护范围内。
所述大气污染物监测站设有仪器可满足对待测地区特定的污染物种类的监测，且保证测试精度。这里检测站内的仪器设置是优选的方案，其他同类型测试仪器的设置方案也在保护范围内。
方法中所依赖的硬件不限于固定监测站点，也可以是其他有相同监测和记录功能的移动装置，受外界条件限制停在某处作为固定测点使用，或是人员携带同等监测和记录功能的便携式移动设备，于某固定位置进行操作。这里固定监测站只是一个优选方案，其他形式的监测设备也在本专利保护范围内。
与现有技术相比，本发明的有益效果是：
本发明计算时不再需要待测区域设有至少三个的固定监测站点，而是仅仅借助一个固定监测站点即可得到同样的辨识效果。在保证辨识准确性的条件下，将设备数量进行简化，极大地降低了监测成本。
附图说明
图1为本发明提供的一种大气污染寻源方法的流程示意图。
图2为本发明实施例提供的监测站L1于气象条件1下的定位结果图。
图3为本发明实施例提供的监测站L1于气象条件2下的定位结果图。
图4为本发明实施例提供的监测站L1于气象条件3下的定位结果图。
图5为本发明实施例提供的监测站L1综合定位结果图。
图6为本发明实施例提供的其他位置监测站的综合定位结果图。
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。
本发明的使用条件是：在气象条件有明显差异的三个时段内固定监测站均监测到大于空气中本底浓度的某种污染物。本发明需要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；再依据污染物监测站提供的浓度数据，使用伴随方法通过求解质量传递方程的伴随方程，求取污染物源位置和释放强度在整个空间区域内的概率分布；最后结合概率理论，综合三个气象条件下的概率分布结果，得到的概率值最大的点所对应的位置和强度为辨识出的污染物源的位置和强度。
以一个三维建筑群模型为实施例，本例中正向的气象数据及污染物浓度数据均由风洞实验获得，实验模型相对于实际建筑的缩小比例为1：500。寻源步骤如下：
第一步，根据风洞模型建立待测区域建筑的三维模型。(省略)
第二步，在时段1，坐标为L1的固定监测站监测到某种污染物浓度值高于污染物对人体造成危害的限值，记录该时段测得的污染物平均浓度值为50ppm，此时主导风向为西北风。在时段2，该监测站检测到污染物浓度位26ppm，此时主导风向为北风。在时段3，该监测站检测到污染物浓度位6ppm，此时主导风向为东北风。三个时段的主导风向相差至少30°。
第三步，从气象站处获取待测区域在时段1的主导风向为北偏西30°，风速3.87m/s。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，得出待测区域在气象条件1下的流场1(参见图2-1)。由于时段1的主导风向和风速是稳定的，认为该时段内流场是稳态的。
第四步，在流场1的计算基础上，将监测站坐标和气象条件1的污染物平均浓度信息(L,C1)代入稳态的污染物传播方程的伴随方程：
Figure BDA0002751573180000061
其中ψ*为位置的伴随概率因子，
Figure BDA0002751573180000062
为探测区域位置矢量，
Figure BDA0002751573180000063
为测点位置矢量，C表示污染物浓度，uj是xj方向上的速度，vc，j是污染物在xj方向上的扩散系数，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方向的单位矢量。
Figure BDA0002751573180000064
为负荷项，其表达式如下：
Figure BDA0002751573180000065
通过求解方程得到该气象条件下推得的污染源的潜在位置概率分布，概率最大位置就是污染物源最可能存在的位置(参见图2-2)。根据一个测点信息在单一气象条件下推得的污染源位置是无限多的。
第五步，从气象站处获取待测区域在时段2的主导风向为正北风，风速3.87m/s；时段3的主导风向为北偏东30°，风速3.87m/s。重复步骤三至步骤四，以获得另外两个气象条件下的流场(参见图3-1和图4-1)和定位结果(参见图3-2和图4-2)。
第六步，通过求解如下方程(1-3)，将三次辨识结果整合，即可确定唯一一个可能的污染源位置及强度：
Figure BDA0002751573180000066
其中N为不同气象条件下的辨识次数，
Figure BDA0002751573180000071
和
Figure BDA0002751573180000072
分别为对应于第i组气象条件下的测点位置和测得的污染物浓度，由于本方法全程只通过同一个固定监测站获取数据，则
Figure BDA0002751573180000073
为一定值，即监测站所在位置的坐标。M0为假设的污染物释放强度，
Figure BDA0002751573180000074
为对应于第i组监测数据的伴随概率值。
Figure BDA0002751573180000075
为根据第i组监测数据求得的相应污染物释放浓度M0和位置x的概率分布。一般将
Figure BDA0002751573180000076
的分布形式定义为正态分布：
Figure BDA0002751573180000077
其中
Figure BDA0002751573180000078
为对应于第i个监测数据可能的实际污染物浓度，σε为N次监测数据的标准差，可设定为20％，或在应用于实际案例时，根据仪器的实际误差调整该系数。
将三个气象条件下的辨识结果代入上述公式(1-3)至公式(1-4)，即可求出污染物源唯一的位置P-find(参见图5)和释放强度275mL/min，并估算出P-find处的浓度C-find＝10560ppm。
第七步，前往P-find处确定污染源的真实浓度C-real＝7200ppm，浓度C-real与C-find在一个量级，故寻源成功，定位结束。
为证明本方法的适用性，选取其他位置的监测浓度符合条件的固定站点，均可在一定误差范围内定位到实际污染源(参见图6)。
本方法适用于有如下特定情境：
(1)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。
(2)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。
(3)在每个时段内流场是稳定的，或每个时段内主导风速风向变化不大，可当作稳态流场考虑。
(4)监测站能够监测到特定种类的污染物并作实时记录。
(5)污染物浓度达到一定的限值才认为有害，才必须搜寻到相应的污染源。

Claims (3)

1.一种动态风场条件下的空气污染源逆向定位方法，其特征在于，包括以下步骤：
第一步，根据城市卫星地图建立待测区域建筑的三维模型；
第二步，若在一时间段内监测到一固定监测站某种污染物浓度值高于污染物对人体造成危害的限值，将该时段测得的污染物平均浓度值记录为C1，将气象站坐标记录为L；选取气象条件有明显差异的另外两个时段，将这两个时间段该固定监测站监测到的大于空气中本底浓度的该种污染物数据分别记录为C2和C3，要求每个时段内的主导风向和风速稳定；
第三步，从气象站处获取待测区域在时段1的主导风向和风速信息，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，得出待测区域在气象条件1下的流场1；由于每个时段内的主导风向和风速较为稳定，认为每个时段内流场是稳态的；
第四步，在流场1的计算基础上，将监测站坐标和气象条件1的污染物平均浓度信息(L,C1)代入稳态的污染物传播方程的伴随方程：
Figure FDA0002751573170000011
Figure FDA0002751573170000012
Figure FDA0002751573170000013
Figure FDA0002751573170000014
Figure FDA0002751573170000015
Figure FDA0002751573170000016
其中ψ*为位置的伴随概率因子，
Figure FDA0002751573170000017
为探测区域位置矢量，
Figure FDA0002751573170000018
为测点位置矢量，C表示污染物浓度，uj是xj方向上的速度，vc，j是污染物在xj方向上的扩散系数，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方向的单位矢量；
Figure FDA0002751573170000019
为负荷项，其表达式如下：
Figure FDA0002751573170000021
通过求解方程得到该气象条件下推得的污染源的潜在位置概率分布，概率最大位置就是污染物源最可能存在的位置；根据一个测点信息在单一气象条件下推得的污染源位置是无限多的；
第五步，重复步骤三至步骤四，以获得另外两个气象条件下的定位结果；
第六步，通过求解如下方程(1-3)，将三次辨识结果整合，即可确定唯一一个可能的污染源位置及强度：
Figure FDA0002751573170000022
其中N为不同气象条件下的辨识次数，
Figure FDA0002751573170000023
和
Figure FDA0002751573170000024
分别为对应于第i组气象条件下的测点位置和测得的污染物浓度，由于本方法全程只通过同一个固定监测站获取数据，则
Figure FDA0002751573170000025
为一定值，即监测站所在位置的坐标；M0为假设的污染物释放强度，
Figure FDA0002751573170000026
为对应于第i组监测数据的伴随概率值；
Figure FDA0002751573170000027
为根据第i组监测数据求得的相应污染物释放浓度M0和位置x的概率分布；一般将
Figure FDA0002751573170000028
的分布形式定义为正态分布：
Figure FDA0002751573170000029
其中
Figure FDA00027515731700000210
为对应于第i个监测数据的实际污染物浓度，σε为N次监测数据的标准差，可设定为20％，或在应用于实际案例时，根据仪器的实际误差调整该系数；
将三个气象条件下的辨识结果代入上述公式(1-3)至公式(1-4)，即可确定污染物源唯一的位置P-find和释放强度S-find，并估算出P-find处的浓度C-find；
第七步，前往P-find处确定污染源的真实浓度C-real，若浓度C-real与C-find在一个量级，则寻源成功，定位结束。
2.如权利要求1所述的一种动态风场条件下的空气污染源逆向定位方法，其特征在于，第二步所述的三个时段的气象条件有明显差异，此处的明显差异指主导风向相差至少22.5°。
3.如权利要求1或2所述的一种动态风场条件下的空气污染源逆向定位方法，其特征在于，第二步至第六步所述的记录三个时段的气象参数及污染数据并以此通过伴随概率方法进行源定位。
CN202011186466.7A 2020-10-30 2020-10-30 一种动态风场条件下的空气污染源逆向定位方法 Active CN112257354B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011186466.7A CN112257354B (zh) 2020-10-30 2020-10-30 一种动态风场条件下的空气污染源逆向定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011186466.7A CN112257354B (zh) 2020-10-30 2020-10-30 一种动态风场条件下的空气污染源逆向定位方法

Publications (2)

Publication Number Publication Date
CN112257354A true CN112257354A (zh) 2021-01-22
CN112257354B CN112257354B (zh) 2024-05-03

Family

ID=74267841

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011186466.7A Active CN112257354B (zh) 2020-10-30 2020-10-30 一种动态风场条件下的空气污染源逆向定位方法

Country Status (1)

Country Link
CN (1) CN112257354B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115436573A (zh) * 2022-08-30 2022-12-06 南京云创大数据科技股份有限公司 一种大气污染源智能监测方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150302117A1 (en) * 2012-11-09 2015-10-22 Korea Institute Of Energy Research Numerical simulation system and numerical simulation method for atmospheric flow by computational fluid dynamics
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

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150302117A1 (en) * 2012-11-09 2015-10-22 Korea Institute Of Energy Research Numerical simulation system and numerical simulation method for atmospheric flow by computational fluid dynamics
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

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115436573A (zh) * 2022-08-30 2022-12-06 南京云创大数据科技股份有限公司 一种大气污染源智能监测方法及装置

Also Published As

Publication number Publication date
CN112257354B (zh) 2024-05-03

Similar Documents

Publication Publication Date Title
CN106650017B (zh) 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
CN109885804A (zh) 一种基于监测车的大气污染监测和源辨识方法
CN110398320A (zh) 一种易于持续优化的燃气泄漏检测定位方法及系统
CN106777893A (zh) 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
CN111912937B (zh) 一种室内突发污染物智能实时溯源方法及系统
CN116518504A (zh) 一种室内空气环境空间分布分析系统
CN112215950A (zh) 一种室内有毒有害气体浓度的三维重建方法
CN115455814B (zh) 基于深度学习的污染源查找及污染物分布预测方法及系统
CN115146484A (zh) 一种用于检测环境参数的环保监控系统及监控方法
CN113125635A (zh) 一种大气污染预警方法、装置及可读存储介质
CN112257354A (zh) 一种动态风场条件下的空气污染源逆向定位方法
CN114077798B (zh) 估算小尺度区域大气污染物网格浓度的方法
CN116842877A (zh) 一种基于多源数据综合利用的小尺度三维风场重构算法
Kathirgamanathan et al. Source release-rate estimation of atmospheric pollution from a non-steady point source at a known location
CN114492984A (zh) 粉尘浓度的时空分布预测方法、装置、设备和存储介质
CN103376465B (zh) 建筑物楼层的地震即时分析系统及其方法
CN117312784A (zh) 一种基于受体模型和大数据联用的污染源溯源方法
CN106323335B (zh) 一种可重构室内移动机器人导航性能测评仪及其测评方法
CN112259172B (zh) 一种存在空气污染物化学反应情况的污染源逆向辨识方法
CN116384276A (zh) 导线风偏载荷监测方法、装置、设备以及存储介质
CN115906487A (zh) 基于Lasso回归分析的城区PM2.5污染扩散建模方法
CN106558086B (zh) 一种林木应力波断层成像的速度误差校正方法
CN106970011B (zh) 空气质量监测系统
CN108549057A (zh) 一种无需第三方数据的雷达性能测试评估方法
CN112001130A (zh) 一种测定输电线路附近下击暴流风场参数的方法及系统

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