CN112884310B - 一种污染物扩散规律计算机辅助评估方法、系统及装置 - Google Patents
一种污染物扩散规律计算机辅助评估方法、系统及装置 Download PDFInfo
- Publication number
- CN112884310B CN112884310B CN202110156100.3A CN202110156100A CN112884310B CN 112884310 B CN112884310 B CN 112884310B CN 202110156100 A CN202110156100 A CN 202110156100A CN 112884310 B CN112884310 B CN 112884310B
- Authority
- CN
- China
- Prior art keywords
- pollutant
- boundary
- diffusion
- calculating
- sequence
- 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
- 239000003344 environmental pollutant Substances 0.000 title claims abstract description 108
- 231100000719 pollutant Toxicity 0.000 title claims abstract description 108
- 238000009792 diffusion process Methods 0.000 title claims abstract description 103
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000011217 control strategy Methods 0.000 claims abstract description 16
- 238000007670 refining Methods 0.000 claims abstract description 7
- 238000004364 calculation method Methods 0.000 claims description 24
- 238000004088 simulation Methods 0.000 claims description 20
- 238000005457 optimization Methods 0.000 claims description 19
- 239000000356 contaminant Substances 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 abstract description 5
- 238000012544 monitoring process Methods 0.000 abstract description 5
- 230000000694 effects Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 206010052428 Wound Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- -1 forest fire Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002633 protecting effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000002341 toxic gas Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Complex Calculations (AREA)
Abstract
本发明公开了一种污染物扩散规律计算机辅助评估方法、系统及装置。通过卫星提供的各个波段的污染物数据，计算出污染物位点数据并提炼整合为污染物边界，然后采集并输入污染物扩散范围边界顶点坐标按时间顺序排列的序列，再从序列中选取任意两个时刻的污染物扩散范围边界顶点集合，利用所述两个集合计算污染物的空间扩散速度集并不断优化，将所述优化后的速度集作为微分包含蔓延离散模型的参数，用于模拟污染物扩散和设置最优控制策略。本发明解决了基于微分包含式的预测技术缺少一种可以通过实时监控数据计算污染物扩建扩散速度集的方法的问题。
Description
技术领域
本发明涉及计算机技术领域，尤其涉及一种污染物扩散规律计算机辅助评估方法、系统及装置。
背景技术
每当诸如森林火灾、有毒气体泄漏等具有扩散性污染物的灾害发生时，都会给国家、人民带来难以泯灭的创伤，并在政治、经济、环境等诸多领域产生难以估量的连锁影响。借助灾害现场的实时监控数据，预测污染物扩散路径并制定精确有效的灾害控制策略，对降低灾害造成的损失、保护人民财产及生命安全具有重要意义。
目前，针对污染物的空间扩散预测技术有元胞自动机、基于数据挖掘的预测和基于微分方程的预测等。这些技术的局限性在于，它们都仅仅能够对污染物扩散路径进行预测，却不能同时研究控制策略。基于微分包含式的技术可以在预测的同时研究控制策略，但要将基于微分包含式的技术用于解决实际问题，需要用数值方法近似理想的数学模型，其中污染物的空间扩散速度集的计算至关重要。然而，目前还缺少一种可以通过实时监控数据计算污染物扩建扩散速度集的方法。
发明内容
有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是提供一种污染物扩散规律计算机辅助评估方法、系统及装置，基于微分包含式的预测技术解决了现有方法无法在预测的同时研究控制策略的问题。
为实现上述目的，本发明提供了一种污染物扩散规律计算机辅助评估方法，包括以下步骤：
步骤1、通过卫星提供的各个波段的污染物数据，计算出污染物位点数据并提炼整合为污染物边界；
步骤2、采集并输入污染物扩散范围边界顶点坐标按时间顺序排列的序列P＝{P1,P2,…,Pn}，所述序列至少包括两个不同时间点的污染物扩散范围边界顶点坐标，即n≥2，其中Pi＝{v1,v2,…,vm}表示第i个时刻污染物扩散范围的边界近似多边形的顶点vj的集合；
步骤3、从上述序列中选取任意两个时刻的污染物扩散范围边界顶点集合Pa、Pb，其中b＞a，所述两个集合Pa、Pb的对应时刻的间隔记为t；
步骤4、利用所述两个集合Pa、Pb计算污染物的空间扩散速度集F；
步骤5、将计算得到的所述速度集F代入蔓延离散模型，比较模型模拟生成的区域边界M与实际的蔓延区域边界R，通过求解模拟区域边界与实际区域边界误差最小的最优化问题，进一步优化速度集F；
步骤6、将所述优化后的速度集F作为微分包含蔓延离散模型的参数，用于模拟污染物扩散和设置最优控制策略。
进一步的，所述步骤4利用所述两个集合Pa、Pb计算污染物的空间扩散速度集F，具体为：
(1)将集合Pa和Pb中的顶点按照逆时针方向排序；
(2)取Pa中的每一条边ei＝vivi+1，找到Pb当中所有位于ei所在直线右侧的顶点，并将这些顶点分别与上述vi做向量差，将上述计算得到的向量差记为mji,其中i、j分别为上述计算中Pa、Pb顶点对应的下标；具体的，ei所在直线右侧指的是以由vi指向vi+1为正方向的直线的右侧；a、b两点的向量差表示为a-b；
(3)将(2)得到的mji依次与Pa中每一个顶点vi做向量和，若一个mji与Pa中每一个顶点vi的向量和所有都属于以Pb为顶点的多边形，则将mji记录到速度集F中；具体的，a、b两点的向量和表示为a+b；
(4)将速度集F中的每一个向量除以时间间隔t得到新的速度集F，就是所求污染物的空间扩散速度集F。
进一步的，所述步骤5具体为：
(1)计算初始区域I与空间扩散速度集F的Minkowski和，得到的区域边界记为M；其中，Minkowski和是两个欧几里得空间的点集的和，数学定义为：
(2)通过优化模拟生成的区域边界M与实际蔓延区域边界R的误差，使其尽可能小，即求解最优化问题
得到优化后的空间扩散速度集F。
本发明还提供一种污染物扩散规律计算机辅助评估系统，包括：
污染物边界计算模块，用于通过卫星提供的各个波段的污染物数据，计算出污染物位点数据并提炼整合为污染物边界；
序列计算模块，用于采集并输入污染物扩散范围边界顶点坐标按时间顺序排列的序列P＝{P1,P2,…,Pn}，所述序列至少包括两个不同时间点的污染物扩散范围边界顶点坐标，即n≥2，其中Pi＝{v1,v2,…,vm}表示第i个时刻污染物扩散范围的边界近似多边形的顶点vj的集合；
边界顶点集合选取模块，用于从所述序列中选取任意两个时刻的污染物扩散范围边界顶点集合Pa、Pb，其中b＞a，所述两个集合Pa、Pb的对应时刻的间隔记为t；
空间扩散速度集计算模块，用于利用所述两个集合Pa、Pb计算污染物的空间扩散速度集F；
速度集优化模块，用于将计算得到的所述速度集F代入蔓延离散模型，比较模型模拟生成的区域边界M与实际的蔓延区域边界R，通过求解模拟区域边界与实际区域边界误差最小的最优化问题，进一步优化速度集F；
控制策略生成模块，用于将所述优化后的速度集F作为微分包含蔓延离散模型的参数，用于模拟污染物扩散和设置最优控制策略。
进一步的，所述空间扩散速度集计算模块利用所述两个集合Pa、Pb计算污染物的空间扩散速度集F，具体为：
(1)将集合Pa和Pb中的顶点按照逆时针方向排序；
(2)取Pa中的每一条边ei＝vivi+1，找到Pb当中所有位于ei所在直线右侧的顶点，并将这些顶点分别与上述vi做向量差，将上述计算得到的向量差记为mji,其中i、j分别为上述计算中Pa、Pb顶点对应的下标；具体的，ei所在直线右侧指的是以由vi指向vi+1为正方向的直线的右侧；a、b两点的向量差表示为a-b；
(3)将(2)得到的mji依次与Pa中每一个顶点vi做向量和，若一个mji与Pa中每一个顶点vi的向量和所有都属于以Pb为顶点的多边形，则将mji记录到速度集F中；具体的，a、b两点的向量和表示为a+b；
(4)将速度集F中的每一个向量除以时间间隔t得到新的速度集F，就是所求污染物的空间扩散速度集F。
进一步的，所述速度集优化模块优化速度集F具体为：
(1)算初始区域I与空间扩散速度集F的Minkowski和，得到的区域边界记为M；其中，Minkowski和是两个欧几里得空间的点集的和，数学定义为：A+B＝{a+b|a∈A,b∈B}；
(2)通过优化模拟生成的区域边界M与实际蔓延区域边界R的误差，使其尽可能小，即求解最优化问题
得到优化后的空间扩散速度集F。
一种装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述方法的步骤。
本发明的有益效果是：
本发明通过卫星提供的各个波段的污染物数据，计算出污染物位点数据并提炼整合为污染物边界，然后采集并输入污染物扩散范围边界顶点坐标按时间顺序排列的序列，再从序列中选取任意两个时刻的污染物扩散范围边界顶点集合，利用所述两个集合计算污染物的空间扩散速度集并不断优化，将所述优化后的速度集作为微分包含蔓延离散模型的参数，用于模拟污染物扩散和设置最优控制策略。本发明解决了基于微分包含式的预测技术缺少一种可以通过实时监控数据计算污染物扩建扩散速度集的方法的问题。
以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本发明的目的、特征和效果。
附图说明
图1是本发明的方法流程图。
图2是本发明的空间扩散速度集计算流程图。
图3是本发明的空间扩散速度集优化流程图。
具体实施方式
如图1所示，本发明提供了一种污染物扩散规律计算机辅助评估方法，包括以下步骤：
步骤1、通过卫星(比如，国家卫星气象中心风云3系列卫星)提供的各个波段的污染物数据，计算出污染物位点数据并提炼整合为污染物边界；
步骤2、采集并输入污染物扩散范围边界顶点坐标按时间顺序排列的序列P＝{P1,P2,…,Pn}，所述序列至少包括两个不同时间点的污染物扩散范围边界顶点坐标，即n≥2，其中Pi＝{v1,v2,…,vm}表示第i个时刻污染物扩散范围的边界近似多边形的顶点vj的集合；
步骤3、从上述序列中选取任意两个时刻的污染物扩散范围边界顶点集合Pa、Pb，其中b＞a，所述两个集合Pa、Pb的对应时刻的间隔记为t；
步骤4、利用所述两个集合Pa、Pb计算污染物的空间扩散速度集F；
步骤5、将计算得到的所述速度集F代入蔓延离散模型，比较模型模拟生成的区域边界M与实际的蔓延区域边界R，通过求解模拟区域边界与实际区域边界误差最小的最优化问题，进一步优化速度集F；
步骤6、将所述优化后的速度集F作为微分包含蔓延离散模型的参数，用于模拟污染物扩散和设置最优控制策略。
如图2所示，所述步骤4利用所述两个集合Pa、Pb计算污染物的空间扩散速度集F，具体为：
(1)将集合Pa和Pb中的顶点按照逆时针方向排序；
(2)取Pa中的每一条边ei＝vivi+1，找到Pb当中所有位于ei所在直线右侧的顶点，并将这些顶点分别与上述vi做向量差，将上述计算得到的向量差记为mji,其中i、j分别为上述计算中Pa、Pb顶点对应的下标；具体的，ei所在直线右侧指的是以由vi指向vi+1为正方向的直线的右侧；a、b两点的向量差表示为a-b；
(3)将(2)得到的mji依次与Pa中每一个顶点vi做向量和，若一个mji与Pa中每一个顶点vi的向量和所有都属于以Pb为顶点的多边形，则将mji记录到速度集F中；具体的，a、b两点的向量和表示为a+b；
(4)将速度集F中的每一个向量除以时间间隔t得到新的速度集F，就是所求污染物的空间扩散速度集F。
如图3所示，所述步骤5具体为：
(1)计算初始区域I与空间扩散速度集F的Minkowski和，得到的区域边界记为M；其中，Minkowski和是两个欧几里得空间的点集的和，数学定义为：A+B＝{a+b|a∈A,b∈B}；
(2)通过优化模拟生成的区域边界M与实际蔓延区域边界R的误差，使其尽可能小，即求解最优化问题
得到优化后的空间扩散速度集F。
本发明还提供一种污染物扩散规律计算机辅助评估系统，包括：
污染物边界计算模块，用于通过卫星提供的各个波段的污染物数据，计算出污染物位点数据并提炼整合为污染物边界；
序列计算模块，用于采集并输入污染物扩散范围边界顶点坐标按时间顺序排列的序列P＝{P1,P2,…,Pn}，所述序列至少包括两个不同时间点的污染物扩散范围边界顶点坐标，即n≥2，其中Pi＝{v1,v2,…,vm}表示第i个时刻污染物扩散范围的边界近似多边形的顶点vj的集合；
边界顶点集合选取模块，用于从所述序列中选取任意两个时刻的污染物扩散范围边界顶点集合Pa、Pb，其中b＞a，所述两个集合Pa、Pb的对应时刻的间隔记为t；
空间扩散速度集计算模块，用于利用所述两个集合Pa、Pb计算污染物的空间扩散速度集F；
速度集优化模块，用于将计算得到的所述速度集F代入蔓延离散模型，比较模型模拟生成的区域边界M与实际的蔓延区域边界R，通过求解模拟区域边界与实际区域边界误差最小的最优化问题，进一步优化速度集F；
控制策略生成模块，用于将所述优化后的速度集F作为微分包含蔓延离散模型的参数，用于模拟污染物扩散和设置最优控制策略。
本实施例中，所述空间扩散速度集计算模块利用所述两个集合Pa、Pb计算污染物的空间扩散速度集F，具体为：
(1)将集合Pa和Pb中的顶点按照逆时针方向排序；
(2)取Pa中的每一条边ei＝vivi+1，找到Pb当中所有位于ei所在直线右侧的顶点，并将这些顶点分别与上述vi做向量差，将上述计算得到的向量差记为mji,其中i、j分别为上述计算中Pa、Pb顶点对应的下标；具体的，ei所在直线右侧指的是以由vi指向vi+1为正方向的直线的右侧；a、b两点的向量差表示为a-b；
(3)将(2)得到的mji依次与Pa中每一个顶点vi做向量和，若一个mji与Pa中每一个顶点vi的向量和所有都属于以Pb为顶点的多边形，则将mji记录到速度集F中；具体的，a、b两点的向量和表示为a+b；
(4)将速度集F中的每一个向量除以时间间隔t得到新的速度集F，就是所求污染物的空间扩散速度集F。
本实施例中，所述速度集优化模块优化速度集F具体为：
(1)计算初始区域I与空间扩散速度集F的Minkowski和，得到的区域边界记为M；其中，Minkowski和是两个欧几里得空间的点集的和，数学定义为：A+B＝{a+b|a∈A,b∈B}；
(2)通过优化模拟生成的区域边界M与实际蔓延区域边界R的误差，使其尽可能小，即求解最优化问题
得到优化后的空间扩散速度集F。
综上，本发明通过卫星提供的各个波段的污染物数据，计算出污染物位点数据并提炼整合为污染物边界，然后采集并输入污染物扩散范围边界顶点坐标按时间顺序排列的序列，再从序列中选取任意两个时刻的污染物扩散范围边界顶点集合，利用所述两个集合计算污染物的空间扩散速度集并不断优化，将所述优化后的速度集作为微分包含蔓延离散模型的参数，用于模拟污染物扩散和设置最优控制策略。本发明解决了基于微分包含式的预测技术缺少一种可以通过实时监控数据计算污染物扩建扩散速度集的方法的问题。
本发明还提供一种装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述方法的步骤。
以上详细描述了本发明的较佳具体实施例。本领域的普通技术人员无需创造性劳动就可以根据本发明的构思做出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。
Claims (4)
1.一种污染物扩散规律计算机辅助评估方法，其特征在于，包括以下步骤：
步骤1、通过卫星提供的各个波段的污染物数据，计算出污染物位点数据并提炼整合为污染物边界；
步骤2、采集并输入污染物扩散范围边界顶点坐标按时间顺序排列的序列P＝{P1,P2,…,Pn}，所述序列至少包括两个不同时间点的污染物扩散范围边界顶点坐标，即n≥2，其Pi＝{v1,v2,…,vm}表示第i个时刻污染物扩散范围的边界近似多边形的顶点vj的集合；
步骤3、从上述序列中选取任意两个时刻的污染物扩散范围边界顶点集合Pa、Pb，其中b>a，所述两个集合Pa、Pb的对应时刻的间隔记为t；
步骤4、利用所述两个集合Pa、Pb计算污染物的空间扩散速度集F；
步骤5、将计算得到的所述速度集F代入蔓延离散模型，比较模型模拟生成的区域边界M与实际的蔓延区域边界R，通过求解模拟生成的区域边界M与实际的蔓延区域边界R误差最小的最优化问题，进一步优化速度集F；
步骤6、将所述优化后的速度集F作为微分包含蔓延离散模型的参数，用于模拟污染物扩散和设置最优控制策略；
所述步骤4利用所述两个集合Pa、Pb计算污染物的空间扩散速度集F，具体为：
(1)将集合Pa和Pb中的顶点按照逆时针方向排序；
(2)取Pa中的每一条边ei＝vivi+1，找到Pb当中所有位于ei所在直线右侧的顶点，并将这些顶点分别与上述vi做向量差，将上述计算得到的向量差记为mji,其中i,j分别为上述计算中Pa,Pb顶点对应的下标；具体的，ei所在直线右侧指的是以由vi指向vi+1为正方向的直线的右侧；a、b两点的向量差表示为a-b；
(3)将(2)得到的mji依次与Pa中每一个顶点vi做向量和，若一个mji与Pa中每一个顶点vi的向量和所有都属于以Pb为顶点的多边形，则将mji记录到速度集F中；具体的，a、b两点的向量差表示为a+b；
(4)将速度集F中的每一个向量除以时间间隔t得到新的速度集F，就是所求污染物的空间扩散速度集F；
所述步骤5具体为：
(1)计算初始区域I与空间扩散速度集F的Minkowski和，得到模拟生成的区域边界M；其中，Minkowski和是两个欧几里得空间的点集的和，数学定义为：
A+B＝{a+b|a∈A，b∈B}；
(2)通过优化模拟生成的区域边界M与实际蔓延区域边界R的误差，使其尽可能小，即求解最优化问题
得到优化后的空间扩散速度集F。
2.一种污染物扩散规律计算机辅助评估系统，其特征在于，包括：
污染物边界计算模块，用于通过卫星提供的各个波段的污染物数据，计算出污染物位点数据并提炼整合为污染物边界；
序列计算模块，用于采集并输入污染物扩散范围边界顶点坐标按时间顺序排列的序列P＝{P1,P2,…,Pn}，所述序列至少包括两个不同时间点的污染物扩散范围边界顶点坐标，即n≥2，其Pi＝{v1,v2,…,vm}示第i个时刻污染物扩散范围的边界近似多边形的顶点vj的集合；
边界顶点集合选取模块，用于从所述序列中选取任意两个时刻的污染物扩散范围边界顶点集合Pa、Pb，其中b>a，所述两个集合Pa、Pb的对应时刻的间隔记为t；
空间扩散速度集计算模块，用于利用所述两个集合Pa、Pb计算污染物的空间扩散速度集F；
速度集优化模块，用于将计算得到的所述速度集F代入蔓延离散模型，比较模型模拟生成的区域边界M与实际的蔓延区域边界R，通过求解模拟生成的区域边界M与实际的蔓延区域边界R误差最小的最优化问题，进一步优化速度集F；
控制策略生成模块，用于将所述优化后的速度集F作为微分包含蔓延离散模型的参数，用于模拟污染物扩散和设置最优控制策略；
所述空间扩散速度集计算模块利用所述两个集合Pa、Pb计算污染物的空间扩散速度集F，具体为：
(1)将集合Pa和Pb中的顶点按照逆时针方向排序；
(2)取Pa中的每一条边ei＝vivi+1，找到Pb当中所有位于ei所在直线右侧的顶点，并将这些顶点分别与上述vi做向量差，将上述计算得到的向量差记为mji,其中i,j分别为上述计算中Pa,Pb顶点对应的下标；具体的，ei所在直线右侧指的是以由vi指向vi+1为正方向的直线的右侧；a、b两点的向量差表示为a-b；
(3)将(2)得到的mji依次与Pa中每一个顶点vi做向量和，若一个mji与Pa中每一个顶点vi的向量和所有都属于以Pb为顶点的多边形，则将mji记录到速度集F中；具体的，a、b两点的向量差表示为a+b；
(4)将速度集F中的每一个向量除以时间间隔t得到新的速度集F，就是所求污染物的空间扩散速度集F；
所述速度集优化模块优化速度集F具体为：
(1)计算初始区域I与空间扩散速度集F的Minkowski和，得到模拟生成的区域边界M；其中，Minkowski和是两个欧几里得空间的点集的和，数学定义为：
A+B＝{a+b|a∈A，b∈B}；
(2)通过优化模拟生成的区域边界M与实际蔓延区域边界R的误差，使其尽可能小，即求解最优化问题
得到优化后的空间扩散速度集F。
3.一种污染物扩散规律计算机辅助评估装置，包括存储器、处理器以及存储在所述存储器中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如权利要求1所述方法的步骤。
4.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110156100.3A CN112884310B (zh) | 2021-02-04 | 2021-02-04 | 一种污染物扩散规律计算机辅助评估方法、系统及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110156100.3A CN112884310B (zh) | 2021-02-04 | 2021-02-04 | 一种污染物扩散规律计算机辅助评估方法、系统及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112884310A CN112884310A (zh) | 2021-06-01 |
| CN112884310B true CN112884310B (zh) | 2022-11-15 |
Family
ID=76057286
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110156100.3A Active CN112884310B (zh) | 2021-02-04 | 2021-02-04 | 一种污染物扩散规律计算机辅助评估方法、系统及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112884310B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116069892B (zh) * | 2023-03-27 | 2023-08-04 | 乳山市海洋经济发展中心 | 一种基于海洋工程的环境数据处理方法及系统 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107403034A (zh) * | 2017-06-28 | 2017-11-28 | 西交利物浦大学 | 水质污染扩散预警可视化方法 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2009229194B2 (en) * | 2008-03-28 | 2014-10-02 | Exxonmobil Upstream Research Company | Computing a consistent velocity vector field from a set of fluxes |
| CH706502A2 (fr) * | 2012-05-11 | 2013-11-15 | Hygie Tech Sa C O Bureau Fiduciaire Georges Alain Zufferey Sarl | Procédé et système informatisé de modélisation des flux aérauliques notamment pour l'évaluation quantitative du risque de contamination aéroportée. |
| CN104035110B (zh) * | 2014-06-30 | 2016-08-17 | 北京理工大学 | 应用于多模卫星导航系统中的快速卡尔曼滤波定位方法 |
| CN109409666B (zh) * | 2018-09-21 | 2020-02-28 | 浙江仁欣环科院有限责任公司 | 基于大气扩散模型及线性规划的环境影响评估方法 |
| CN109345018A (zh) * | 2018-10-09 | 2019-02-15 | 浙江海洋大学 | 一种海洋污染物的扩散预测方法 |
| CN110597932B (zh) * | 2019-07-05 | 2022-03-11 | 袁静 | 一种基于遥感影像的环境综合评估预测方法 |
| CN111650672B (zh) * | 2020-05-22 | 2022-04-01 | 西北核技术研究院 | 采用时间堆栈实现空气污染物大气扩散快速预测的方法 |
-
2021
- 2021-02-04 CN CN202110156100.3A patent/CN112884310B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107403034A (zh) * | 2017-06-28 | 2017-11-28 | 西交利物浦大学 | 水质污染扩散预警可视化方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112884310A (zh) | 2021-06-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Radke et al. | FireCast: Leveraging Deep Learning to Predict Wildfire Spread. | |
| Hodges et al. | Wildland fire spread modeling using convolutional neural networks | |
| CN111797572B (zh) | 一种城市事故灾害演化模拟及风险预测预警方法 | |
| Farber | Modeling climate change and its impacts: law, policy, and science | |
| CN102222313A (zh) | 基于核主成分分析的城市演化模拟元胞模型处理方法 | |
| HomChaudhuri et al. | Genetic algorithm based simulation–optimization for fighting wildfires | |
| CN112884310B (zh) | 一种污染物扩散规律计算机辅助评估方法、系统及装置 | |
| Budamala et al. | Integration of adaptive emulators and sensitivity analysis for enhancement of complex hydrological models | |
| Stathopoulos | Wind loads on low buildings: in the wake of Alan Davenport's contributions | |
| Burge et al. | Recurrent convolutional deep neural networks for modeling time-resolved wildfire spread behavior | |
| Jiang et al. | Fused CFD-interpolation model for real-time prediction of hazardous gas dispersion in emergency rescue | |
| Bolt et al. | A spatio-temporal neural network forecasting approach for emulation of firefront models | |
| Ferreira et al. | Genetic assisted selection of RBF model structures for greenhouse inside air temperature prediction | |
| Gao et al. | An optimal sensor placement scheme for wind flow and pressure field monitoring | |
| US20230314144A1 (en) | System and method for estimating drift path of marine floating body | |
| Tan et al. | Estimation of wildfire wind conditions via perimeter and surface area optimization | |
| CN111178756A (zh) | 一种基于环境大数据的多元线性回归火灾风险评估方法 | |
| Ahmadaali et al. | Application of artificial neural network and adaptive neural-based fuzzy inference system techniques in estimating of virtual water | |
| Vafaei et al. | Simulating the expansion of built-up areas using the models of logistic regression, artificial neural network, and geo-mod in Marivan City, Iran | |
| CN114202261A (zh) | 一种村级工业园火灾风险有向图刻画方法及装置 | |
| CN113033035A (zh) | 一种污染物扩散区域动态模拟方法、系统及装置 | |
| Curiac et al. | Cellular automata based simulation for smoke and fire spreading in large buildings | |
| Chen | Managing emergency response of air pollution by the expert system | |
| Gu | Dynamic data driven application system for wildfire spread simulation | |
| JP2000122521A (ja) | 拡散現象シミュレータ、拡散現象解析システム、拡散現象のシミュレーション方法および記憶媒体 |
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 |