CN113269453A - 一种大气中臭氧和颗粒物的协同控制方法及装置 - Google Patents
一种大气中臭氧和颗粒物的协同控制方法及装置 Download PDFInfo
- Publication number
- CN113269453A CN113269453A CN202110610927.7A CN202110610927A CN113269453A CN 113269453 A CN113269453 A CN 113269453A CN 202110610927 A CN202110610927 A CN 202110610927A CN 113269453 A CN113269453 A CN 113269453A
- Authority
- CN
- China
- Prior art keywords
- ozone
- concentration
- particulate matter
- vocs
- pollution
- 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
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063114—Status monitoring or status determination for a person or group
-
- 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
-
- Y—GENERAL 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
- Y02A50/20—Air quality improvement or preservation, e.g. vehicle emission control or emission reduction by using catalytic converters
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Treating Waste Gases (AREA)
Abstract
本发明公开了一种大气中臭氧和颗粒物的协同控制方法、装置、设备及存储介质,方法包括:获取目标区域的环境及气象监测历史数据,通过从历史的环境及气象监测数据中筛选出有污染时段内的VOCs组分、气温、相对湿度、臭氧浓度、及颗粒物浓度,以将非污染时段的数据排除掉,提升治理效果,进而利用这些数据确定出影响臭氧形成和颗粒物形成的VOCs组分主要前体物,并通过减排情景模拟得到臭氧浓度和颗粒物浓度均实现下降的主要前体物的最佳减排比例组合,以有效管控大气环境中臭氧和颗粒物的污染情况。
Description
技术领域
本发明涉及计算机技术领域,具体涉及一种大气中臭氧和颗粒物的协同控制方法、装置、设备及存储介质。
背景技术
大气中的颗粒物作为大气环境中重要的污染物,对环境产生影响的同时也会对人体健康构成重大威胁,研究表明长期暴露在高浓度的颗粒物中可能会导致呼吸系统和心血管等疾病。近年来,经过一系列大气污染治理措施,以大气细颗粒物(PM2.5)作为首要污染物的污染天数、污染浓度值在大部分城市中呈逐年下降的趋势,然而,以臭氧(O3)为首要污染物的天数逐渐增加,成为影响我国环境质量持续改善的主要空气污染物之一。
臭氧和PM2.5复合污染问题成因复杂,影响臭氧生成潜势的因素主要包括两个方面,一个是VOCs(挥发性有机化合物(Volatile Organic Compounds))浓度水平的差异性,另一个为化学活性的显著差异性,除受污染物排放情况和气象影响外,还受到天然源等排放的VOCs对其产生的影响。
因此,如何制定出合适的污染防治方案使大气颗粒物浓度下降的同时降低臭氧浓度,成为当前大气环境治理工作的重中之重。
发明内容
本发明的目的是针对上述现有技术的不足提出的一种大气中臭氧和颗粒物的协同控制方法、装置、设备及存储介质,该目的是通过以下技术方案实现的。
本发明的第一方面提出了一种大气中臭氧和颗粒物的协同控制方法,所述方法包括:
获取目标区域的环境及气象监测历史数据;
从所述环境及气象监测历史数据中筛选出符合预设条件的至少一个污染时段;
从所述环境及气象监测历史数据中提取位于每个所述污染时段内的挥发性有机化合物VOCs组分、气温、相对湿度、臭氧浓度、及颗粒物浓度;
根据提取的气温、相对湿度、臭氧浓度、颗粒物浓度、及VOCs组分,确定影响臭氧形成和/或颗粒物形成的VOCs组分中主要前体物;
对确定的主要前体物进行减排情景模拟,以识别出臭氧浓度和颗粒物浓度均实现下降的所述主要前体物的减排比例组合。
本发明的第二方面提出了一种大气中臭氧和颗粒物的协同控制装置,所述装置包括:
历史数据获取模块,用于获取目标区域的环境及气象监测历史数据;
污染时段筛选模块,用于从所述环境及气象监测历史数据中筛选出符合预设条件的至少一个污染时段;
数据提取模块,用于从所述环境及气象监测历史数据中提取位于每个所述污染时段内的挥发性有机化合物VOCs组分、气温、相对湿度、臭氧浓度、及颗粒物浓度;
主要污染物确定模块,用于根据提取的气温、相对湿度、臭氧浓度、颗粒物浓度、及VOCs组分,确定影响臭氧形成和颗粒物形成的VOCs组分中主要前体物;
减排识别模块,用于对确定的主要前体物进行减排情景模拟,以识别出臭氧浓度和颗粒物浓度均实现下降的所述主要前体物的减排比例组合。
本发明的第三方面提出了一种电子设备,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,所述处理器执行所述程序时实现如上述第一方面所述方法的步骤。
本发明的第四方面提出了一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现如上述第一方面所述方法的步骤。
基于上述第一方面和第二方面所述的大气中臭氧和颗粒物的协同控制方法及装置,本发明至少具有如下有益效果或优点:
通过从历史的环境及气象监测数据中筛选出有污染时段内的VOCs组分、气温、相对湿度、臭氧浓度、及颗粒物浓度,以将非污染时段的数据排除掉,提升治理效果,进而利用这些数据确定出影响臭氧形成和颗粒物形成的VOCs组分主要前体物,并通过减排情景模拟得到臭氧浓度和颗粒物浓度均实现下降的主要前体物的最佳减排比例组合,以有效管控大气环境中臭氧和颗粒物的污染情况。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明示出的一种相关技术中大气污染物减排方案制定示意图;
图2为本发明根据一示例性实施例示出的一种大气中臭氧和颗粒物的协同控制方法的实施例流程图;
图3为本发明根据图2所示实施例示出的一种VOCs组分中主要前体物识别流程示意图;
图4为本发明根据一示例性实施例示出的一种大气中臭氧和颗粒物的协同控制装置的结构示意图;
图5为本发明根据一示例性实施例示出的一种电子设备的硬件结构示意图图;
图6为本发明根据一示例性实施例示出的一种存储介质的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
在本发明使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本发明可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本发明范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
目前,大多数大气污染物控制技术均是从排放清单和空气质量模式(也称为空气质量模型)着手,通过削减污染物排放量来实现目标污染物浓度的下降,进而制定出最佳的减排方案。
参见图1所示,为减排方案的大致制定流程,首先,通过使用空气质量模式,对大气污染源排放清单和气象场数据进行情景模拟,以得到基准情景污染物浓度,其次,再使用空气质量模式,对采取污染物减排措施的大气污染源减排清单和气象场数据进行情景模拟,以得到减排情景污染物浓度,最后,根据基准情景污染物浓度和减排情景污染物浓度,对目标污染物监测数据进行对比验证,以得到最终的减排方案。
在上述流程基础上,本发明提出一种有关臭氧和颗粒物污染物的协同控制的治理方案,下面以具体实施例对臭氧和颗粒物的协同控制治理方案进行详细阐述。
图2为本发明根据一示例性实施例示出的一种大气中臭氧和颗粒物的协同控制方法的实施例流程图,包括如下步骤:
步骤201:获取目标区域的环境及气象监测历史数据。
其中,目标区域指的是受到污染物污染的区域,例如某一城市、某一省份等。
在一可选实施例中,由于VOCs(挥发性有机化合物,Volatile OrganicCompounds)是臭氧和颗粒物的共同前体物,并且臭氧和颗粒物的形成与所处的气温高低也有关系,因此获取的环境及气象监测历史数据可以包括三种类型数据:空气质量数据、VOCs在线监测数据、气象监测数据。
其中,空气质量数据通常包括连续采集时间点上的PM2.5,PM10,SO2,NO2,O3,以及CO等的浓度,AQI空气质量指数,其中,PM2.5和PM10统称为本发明所指的颗粒物;VOCs在线监测数据包括连续采集时间点上的VOCs组分浓度,VOCs组分包括NOx、苯(BENZENE)、甲苯(TOL)、乙烯(ETH)、异戊二烯(ISOP)、乙烷(ETHA)、乙醛(ALD2)、甲醛(FORM)、萜烯(TERP)、二甲苯(XYL)、甲醇(MEOH)、高分子醇(ALDX)、甲烷(CH4)、乙醇(ETOH)等;气象监测数据通常包括连续采集时间点上的风速、风向、气温、云量、云底高度、地面气压、相对湿度、降水量、降水类型等数据。
值得注意的是,上述三种类型数据均位于相同时间段,例如均位于2019年1月1日至2019年12月31日之间。
步骤202:从环境及气象监测历史数据中筛选出符合预设条件的至少一个污染时段。
其中,由于环境及气象监测历史数据包含有大量数据,并且整个获取时间段并不都属于污染时间段,因此需要筛选出符合条件的污染时段,以将非污染时段的数据排除掉,提升治理效果。
在一可选的具体实施方式中,由于污染物臭氧和颗粒物属于空气质量数据,因此可以根据空气质量数据,筛选出臭氧浓度有上升和/或颗粒物浓度有上升的污染时段,以作为符合预设条件的污染时段。
也就是说,污染时段包含三种类型:臭氧浓度有上升而颗粒物浓度下降的类型、臭氧浓度下降而颗粒物浓度有上升的类型、以及臭氧浓度和颗粒物浓度均有上升的类型。
当然,还可以获取臭氧浓度和颗粒物浓度均下降的污染时段作参考。
需要说明的是,在步骤202中,筛选出的污染时段通常会有多个。
步骤203:从环境及气象监测历史数据中提取位于每个污染时段内的VOCs组分、气温、相对湿度、臭氧浓度、及颗粒物浓度。
基于上述步骤202所述的环境及气象监测历史数据包括的三种类型数据,在本实施例中,可以从VOCs在线监测数据中,提取位于每个污染时段内的VOCs组分,从气象监测数据中,提取位于每个污染时段内的气温和相对湿度,以及从空气质量数据中,提取位于每个污染时段内的臭氧浓度和颗粒物浓度。
其中,位于污染时段内的VOCs组分、气温、相对湿度、臭氧浓度、及颗粒物浓度实际是由采集时间点序列组成的数据,即每一采集时间点上对应有VOCs组分、气温、相对湿度、臭氧浓度、及颗粒物浓度中的任意一个或多个数据。
步骤204:根据提取的气温、相对湿度、臭氧浓度、颗粒物浓度、及VOCs组分,确定影响臭氧形成和颗粒物形成的VOCs组分中主要前体物。
其中,由于VOCs组分类型多而杂,为了有效治理臭氧和颗粒物污染,可以预先识别出影响臭氧形成和颗粒物形成的VOCs组分中主要前体物,以对主要前体物进行管控,提升了臭氧和颗粒物的治理效力。
在一可选的具体实施方式中,如图3所示,对于影响臭氧形成和颗粒物形成的VOCs组分中主要前体物的识别,可以包括如下步骤:
步骤2041:从至少一个污染时段中筛选符合相近气象条件的污染时段。
其中,由于不同季节的温度和相对湿度差异比较大,因此所述相近气象条件为污染时段内的气温与污染时段所属季节的平均气温之间的差值位于第一预设范围,且污染时段内的相对湿度与污染时段所属季节的平均湿度之间的差值位于第二预设范围。
可选的,第一预设范围可以是±5℃,第二预设范围可以是±10%。
需要注意的是,本实施例中通过筛选相近气象条件的污染时段,以用于主要前体物的识别,可以消除气象变化大的数据对识别结果的影响,因为气象变化大的情况下,会影响臭氧和颗粒物的形成。
步骤2042:根据符合相近气象条件的污染时段内的臭氧浓度、颗粒物浓度、及VOCs组分,识别影响臭氧形成和颗粒物形成的VOCs组分中主要前体物。
其中,影响臭氧形成和颗粒物形成的VOCs组分中主要前体物即为形成臭氧和颗粒物的主要污染物。
在一可选的具体实施方式中,可以通过获取位于符合相近气象条件的污染时段内的气象场数据,并将获取的气象场数据、符合相近气象条件的污染时段内的臭氧浓度、颗粒物浓度、及VOCs组分输入预设的空气质量模型,并在空气质量模型中设置所述VOCs组分的多种减排比例组合,以由空气质量模型识别影响臭氧形成和颗粒物形成的VOCs组分中主要前体物。
其中,气象场数据可以来自NCEP数值天气预报中心FNL再分析资料。空气质量模型基于设置的VOCs组分的多种减排比例组合,并结合输入的气象场数据、臭氧浓度、颗粒物浓度、及VOCs组分进行多种情景模拟,以识别得到影响臭氧形成和颗粒物形成的VOCs组分中主要前体物。
在具体实施时,空气质量模型具体可以为CAMx、NAQPMS、CMAQ或WRF-CHEM。
需要说明的是,当筛选出的符合相近气象条件的污染时段不止一个时,也可以识别每个污染时段中影响臭氧形成和颗粒物形成的VOCs组分中主要前体物,进而将各个污染时段对应的主要前体物的交集作为最终要识别减排比例的主要前体物。
步骤205:对确定的主要前体物进行减排情景模拟,以识别出臭氧浓度和颗粒物浓度均实现下降的所述主要前体物的减排比例组合。
在一可选的具体实施方式中,可以通过将所述主要前体物输入预设的空气质量模型,并在空气质量模型中设置所述主要前体物的多种减排比例组合,以由空气质量模型识别出臭氧浓度和颗粒物浓度均实现下降的主要前体物的减排比例组合。
其中,空气质量模型基于设置的主要前体物的多种减排比例组合进行多种减排情景模拟,并根据模拟结果从多种减排比例组合中选择一种能够使得臭氧浓度和颗粒物浓度均实现下降的减排比例组合,该减排比例组合即为臭氧浓度和颗粒物浓度均实现大幅度下降的最佳比例组合。
本领域技术人员可以理解的是,对于空气质量模型进行多种减排情景模拟过程采用相关技术实现,所采用的空气质量模型具体可以为CAMx、NAQPMS、CMAQ或WRF-CHEM。
至此,完成上述图2所示的协同控制流程,通过从历史的环境及气象监测数据中筛选出有污染时段内的VOCs组分、气温、相对湿度、臭氧浓度、及颗粒物浓度,以将非污染时段的数据排除掉,提升治理效果,进而利用这些数据确定出影响臭氧形成和颗粒物形成的VOCs组分主要前体物,并通过减排情景模拟得到臭氧浓度和颗粒物浓度均实现下降的主要前体物的最佳减排比例组合,以有效管控大气环境中臭氧和颗粒物的污染情况。
与前述大气中臭氧和颗粒物的协同控制方法的实施例相对应,本发明还提供了大气中臭氧和颗粒物的协同控制装置的实施例。
图4为本发明根据一示例性实施例示出的一种大气中臭氧和颗粒物的协同控制装置的实施例流程图,该装置用于执行上述任一实施例提供的大气中臭氧和颗粒物的协同控制方法,如图4所示,所述装置包括:
历史数据获取模块410,用于获取目标区域的环境及气象监测历史数据;
污染时段筛选模块420,用于从所述环境及气象监测历史数据中筛选出符合预设条件的至少一个污染时段;
数据提取模块430,用于从所述环境及气象监测历史数据中提取位于每个所述污染时段内的挥发性有机化合物VOCs组分、气温、相对湿度、臭氧浓度、及颗粒物浓度;
主要污染物确定模块440,用于根据提取的气温、相对湿度、臭氧浓度、颗粒物浓度、及VOCs组分,确定影响臭氧形成和颗粒物形成的VOCs组分中主要前体物;
减排识别模块450,用于对确定的主要前体物进行减排情景模拟,以识别出臭氧浓度和颗粒物浓度均实现下降的所述主要前体物的减排比例组合。
上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程,在此不再赘述。
对于装置实施例而言,由于其基本对应于方法实施例,所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本发明方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
本发明实施方式还提供一种与前述实施方式所提供的大气中臭氧和颗粒物的协同控制方法对应的电子设备,以执行上述大气中臭氧和颗粒物的协同控制方法。
图5为本发明根据一示例性实施例示出的一种电子设备的硬件结构图,该终端设备包括:通信接口601、处理器602、存储器603和总线604;其中,通信接口601、处理器602和存储器603通过总线604完成相互间的通信。处理器602通过读取并执行存储器603中与大气中臭氧和颗粒物的协同控制方法的控制逻辑对应的机器可执行指令,可执行上文描述的大气中臭氧和颗粒物的协同控制方法,该方法的具体内容参见上述实施例,此处不再累述。
本发明中提到的存储器603可以是任何电子、磁性、光学或其它物理存储装置,可以包含存储信息,如可执行指令、数据等等。具体地,存储器603可以是RAM(Random AccessMemory,随机存取存储器)、闪存、存储驱动器(如硬盘驱动器)、任何类型的存储盘(如光盘、DVD等),或者类似的存储介质,或者它们的组合。通过至少一个通信接口601(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604可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。其中,存储器603用于存储程序,所述处理器602在接收到执行指令后,执行所述程序。
处理器602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602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602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(DSP)、专用集成电路(ASIC)、现成可编程门阵列(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申请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。结合本申请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。
本申请实施例提供的电子设备与本申请实施例提供的大气中臭氧和颗粒物的协同控制方法出于相同的发明构思,具有与其采用、运行或实现的方法相同的有益效果。
本申请实施方式还提供一种与前述实施方式所提供的大气中臭氧和颗粒物的协同控制方法对应的计算机可读存储介质,请参考图6所示,其示出的计算机可读存储介质为光盘30,其上存储有计算机程序(即程序产品),所述计算机程序在被处理器运行时,会执行前述任意实施方式所提供的大气中臭氧和颗粒物的协同控制方法。
需要说明的是,所述计算机可读存储介质的例子还可以包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他光学、磁性存储介质,在此不再一一赘述。
本申请的上述实施例提供的计算机可读存储介质与本申请实施例提供的大气中臭氧和颗粒物的协同控制方法出于相同的发明构思,具有与其存储的应用程序所采用、运行或实现的方法相同的有益效果。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本发明旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由下面的权利要求指出。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (10)
1.一种大气中臭氧和颗粒物的协同控制方法,其特征在于,所述方法包括:
获取目标区域的环境及气象监测历史数据;
从所述环境及气象监测历史数据中筛选出符合预设条件的至少一个污染时段;
从所述环境及气象监测历史数据中提取位于每个所述污染时段内的VOCs组分、气温、相对湿度、臭氧浓度、及颗粒物浓度;
根据提取的气温、相对湿度、臭氧浓度、颗粒物浓度、及VOCs组分,确定影响臭氧形成和颗粒物形成的VOCs组分中主要前体物;
对确定的主要前体物进行减排情景模拟,以识别出臭氧浓度和颗粒物浓度均实现下降的所述主要前体物的减排比例组合。
2.根据权利要求1所述的方法,其特征在于,所述获取目标区域的环境及气象监测历史数据,包括:
获取目标区域位于相同时间段的空气质量数据、VOCs在线监测数据、气象监测数据,以作为环境及气象监测历史数据;
其中,所述空气质量数据包括连续采集时间点上的臭氧浓度和颗粒物浓度;所述VOCs在线监测数据包括连续采集时间点上的VOCs组分和VOCs组分浓度;所述气象监测数据包括连续采集时间点上的气温和相对湿度。
3.根据权利要求2所述的方法,其特征在于,所述从所述环境及气象监测历史数据中筛选出符合预设条件的至少一个污染时段,包括:
根据所述空气质量数据,筛选出臭氧浓度有上升和/或颗粒物浓度有上升的污染时段,以作为符合预设条件的污染时段。
4.根据权利要求2所述的方法,其特征在于,所述从所述环境及气象监测历史数据中提取位于每个所述污染时段内的VOCs组分、气温、相对湿度、臭氧浓度、及颗粒物浓度,包括:
从所述VOCs在线监测数据中,提取位于每个所述污染时段内的VOCs组分;
从所述气象监测数据中,提取位于每个所述污染时段内的气温和相对湿度;
从所述空气质量数据中,提取位于每个所述污染时段内的臭氧浓度和颗粒物浓度。
5.根据权利要求1所述的方法,其特征在于,所述根据提取的气温、相对湿度、臭氧浓度、颗粒物浓度、及VOCs组分,确定影响臭氧形成和颗粒物形成的VOCs组分中主要前体物,包括:
从所述至少一个污染时段中筛选符合相近气象条件的污染时段;所述相近气象条件为污染时段内的气温与污染时段所属季节的平均气温之间的差值位于第一预设范围,且污染时段内的相对湿度与污染时段所属季节的平均湿度之间的差值位于第二预设范围;
根据符合相近气象条件的污染时段内的臭氧浓度、颗粒物浓度、及VOCs组分,识别影响臭氧形成和颗粒物形成的VOCs组分中主要前体物。
6.根据权利要求5所述的方法,其特征在于,所述根据符合相近气象条件的污染时段内的臭氧浓度、颗粒物浓度、及VOCs组分,识别影响臭氧形成和颗粒物形成的VOCs组分中主要前体物,包括:
获取位于符合相近气象条件的污染时段内的气象场数据;
将获取的气象场数据、符合相近气象条件的污染时段内的臭氧浓度、颗粒物浓度、及VOCs组分输入预设的空气质量模型,并在所述空气质量模型中设置所述VOCs组分的多种减排比例组合,以由所述空气质量模型识别影响臭氧形成和颗粒物形成的VOCs组分中主要前体物。
7.根据权利要求1所述的方法,其特征在于,所述对确定的主要前体物进行多种减排情景模拟,以识别出臭氧浓度和颗粒物浓度均实现下降的所述主要前体物的减排比例组合,包括:
将所述主要前体物输入预设的空气质量模型,并在所述空气质量模型中设置所述主要前体物的多种减排比例组合,以由所述空气质量模型识别出臭氧浓度和颗粒物浓度均实现下降的所述主要前体物的减排比例组合。
8.一种大气中臭氧和颗粒物的协同控制装置,其特征在于,所述装置包括:
历史数据获取模块,用于获取目标区域的环境及气象监测历史数据;
污染时段筛选模块,用于从所述环境及气象监测历史数据中筛选出符合预设条件的至少一个污染时段;
数据提取模块,用于从所述环境及气象监测历史数据中提取位于每个所述污染时段内的VOCs组分、气温、相对湿度、臭氧浓度、及颗粒物浓度;
主要污染物确定模块,用于根据提取的气温、相对湿度、臭氧浓度、颗粒物浓度、及VOCs组分,确定影响臭氧形成和颗粒物形成的VOCs组分中主要前体物;
减排识别模块,用于对确定的主要前体物进行减排情景模拟,以识别出臭氧浓度和颗粒物浓度均实现下降的所述主要前体物的减排比例组合。
9.一种电子设备,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,其特征在于,所述处理器执行所述程序时实现如权利要求1-7任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110610927.7A CN113269453B (zh) | 2021-06-01 | 2021-06-01 | 一种大气中臭氧和颗粒物的协同控制方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110610927.7A CN113269453B (zh) | 2021-06-01 | 2021-06-01 | 一种大气中臭氧和颗粒物的协同控制方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113269453A true CN113269453A (zh) | 2021-08-17 |
CN113269453B CN113269453B (zh) | 2023-03-10 |
Family
ID=77233992
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110610927.7A Active CN113269453B (zh) | 2021-06-01 | 2021-06-01 | 一种大气中臭氧和颗粒物的协同控制方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113269453B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017116174A1 (ko) * | 2015-12-29 | 2017-07-06 | 한가현 | 에어커튼을 이용한 유해물질 차단형 보건 마스크 |
CN110728063A (zh) * | 2019-10-17 | 2020-01-24 | 广东省环境监测中心 | 一种判断气象与源排放变化对空气质量影响的定量方法 |
CN112214913A (zh) * | 2020-11-16 | 2021-01-12 | 中科三清科技有限公司 | 臭氧的主导前体物识别方法、装置、电子设备及存储介质 |
CN112348388A (zh) * | 2020-11-16 | 2021-02-09 | 中科三清科技有限公司 | 基于排放数据的臭氧主导前体物识别方法及装置 |
CN112362816A (zh) * | 2020-11-16 | 2021-02-12 | 中科三清科技有限公司 | 一种基于观测数据的臭氧来源分析方法及装置 |
CN112801422A (zh) * | 2021-03-23 | 2021-05-14 | 南京智汇环境气象产业研究院有限公司 | 数值模型和线性规划模型相结合的大气污染协同控制方法 |
-
2021
- 2021-06-01 CN CN202110610927.7A patent/CN113269453B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017116174A1 (ko) * | 2015-12-29 | 2017-07-06 | 한가현 | 에어커튼을 이용한 유해물질 차단형 보건 마스크 |
CN110728063A (zh) * | 2019-10-17 | 2020-01-24 | 广东省环境监测中心 | 一种判断气象与源排放变化对空气质量影响的定量方法 |
CN112214913A (zh) * | 2020-11-16 | 2021-01-12 | 中科三清科技有限公司 | 臭氧的主导前体物识别方法、装置、电子设备及存储介质 |
CN112348388A (zh) * | 2020-11-16 | 2021-02-09 | 中科三清科技有限公司 | 基于排放数据的臭氧主导前体物识别方法及装置 |
CN112362816A (zh) * | 2020-11-16 | 2021-02-12 | 中科三清科技有限公司 | 一种基于观测数据的臭氧来源分析方法及装置 |
CN112801422A (zh) * | 2021-03-23 | 2021-05-14 | 南京智汇环境气象产业研究院有限公司 | 数值模型和线性规划模型相结合的大气污染协同控制方法 |
Non-Patent Citations (3)
Title |
---|
WEIWEI 等: "Characteristics of ozone and ozone precursors (VOCs and NOx) around a petroleum refinery in Beijing, China", 《JOURNAL OF ENVIRONMENTAL SCIENCES》 * |
朱珠等: "大气污染特征研究及臭氧污染个例分析――以深圳市龙华区为例", 《环境保护科学》 * |
杜祯宇等: "细颗粒物与臭氧协同控制的方法和必要性", 《世界环境》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113269453B (zh) | 2023-03-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109543906B (zh) | 一种大气能见度预测的方法及设备 | |
CN107194139B (zh) | 大气污染源分级方法及计算设备 | |
CN112362816A (zh) | 一种基于观测数据的臭氧来源分析方法及装置 | |
CN111753426B (zh) | 颗粒物污染的源解析方法和装置 | |
CN111882205A (zh) | 空气质量达标分析方法、装置、电子设备及存储介质 | |
CN112214913A (zh) | 臭氧的主导前体物识别方法、装置、电子设备及存储介质 | |
CN110766222B (zh) | 基于粒子群参数优化和随机森林的pm2.5浓度预测方法 | |
CN110018280B (zh) | 一种大气污染源排放综合表征方法及装置 | |
CN112711893B (zh) | 污染源对pm2.5贡献计算方法、装置和电子设备 | |
CN115526298A (zh) | 一种高鲁棒性的大气污染物浓度综合预测方法 | |
CN112348388A (zh) | 基于排放数据的臭氧主导前体物识别方法及装置 | |
CN115629159B (zh) | 一种基于多源数据的臭氧及前体物溯源方法及装置 | |
CN109115949B (zh) | 基于大数据的污染溯源方法及计算机可读介质 | |
CN111178786A (zh) | 一种保障区域空气质量的排放源位置确定方法及系统 | |
CN115936262B (zh) | 基于大数据的环境干扰的产量预测方法、系统和介质 | |
CN111612064A (zh) | Pm2.5污染气团溯源方法、装置、电子设备及存储介质 | |
CN117575110B (zh) | 一种基于土壤重构的矿山修复效果预测方法及相关设备 | |
Bergs | The detection of natural cities in the Netherlands—Nocturnal satellite imagery and Zipf’s law | |
CN111881058A (zh) | 一种软件工程质量预测方法 | |
CN113269453B (zh) | 一种大气中臭氧和颗粒物的协同控制方法及装置 | |
CN104102804A (zh) | 一种预测设备器件寿命的方法及装置 | |
CN114943672A (zh) | 图像瑕疵检测方法、装置、电子设备及存储介质 | |
CN116151028A (zh) | 一种排除本地影响的污染贡献计算方法及系统 | |
CN111695330A (zh) | 生成表格的方法、装置、电子设备及计算机可读存储介质 | |
CN108346287B (zh) | 基于影响因素分析的交通流量序列模式匹配方法 |
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 |