CN113588509A - 一种基于时间序列arima模型的施工现场扬尘浓度预测方法 - Google Patents
一种基于时间序列arima模型的施工现场扬尘浓度预测方法 Download PDFInfo
- Publication number
- CN113588509A CN113588509A CN202110902958.XA CN202110902958A CN113588509A CN 113588509 A CN113588509 A CN 113588509A CN 202110902958 A CN202110902958 A CN 202110902958A CN 113588509 A CN113588509 A CN 113588509A
- Authority
- CN
- China
- Prior art keywords
- dust concentration
- construction site
- time series
- value
- water
- 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
Links
- 239000000428 dust Substances 0.000 title claims abstract description 56
- 238000010276 construction Methods 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 title claims abstract description 18
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 title abstract description 16
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 53
- 238000005507 spraying Methods 0.000 claims abstract description 26
- 238000012544 monitoring process Methods 0.000 claims abstract description 10
- 230000033228 biological regulation Effects 0.000 claims abstract description 4
- 239000003344 environmental pollutant Substances 0.000 claims description 16
- 231100000719 pollutant Toxicity 0.000 claims description 16
- 239000013589 supplement Substances 0.000 claims description 3
- 230000006641 stabilisation Effects 0.000 claims 1
- 238000011105 stabilization Methods 0.000 claims 1
- 239000008400 supply water Substances 0.000 claims 1
- 238000012731 temporal analysis Methods 0.000 claims 1
- 238000000700 time series analysis Methods 0.000 claims 1
- 238000007689 inspection Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 238000009435 building construction Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Chemical & Material Sciences (AREA)
- Immunology (AREA)
- Dispersion Chemistry (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Pathology (AREA)
- Development Economics (AREA)
Abstract
本发明公开了一种基于时间序列ARIMA模型的施工现场扬尘浓度预测方法,包括以下步骤:对地铁车站施工现场扬尘浓度和温湿度、风速等气象参数进行逐时监测;建立时间序列ARIMA模型,根据历史扬尘浓度数据和气象参数数据来预测下一时刻扬尘浓度值;根据扬尘浓度预测值,对喷淋系统的水泵进行联动控制,实现喷淋系统的分级调控。本发明能够根据历史监测数据来预测施工现场下一时刻的扬尘浓度值,根据预测值来对喷淋系统水泵进行联动控制,对喷淋系统进行分级调节,同时能够对水箱进行提前补水,实现高效降尘的同时节约利用水资源。
Description
技术领域
本发明属于环保领域,具体涉及一种基于时间序列ARIMA模型的施工现场扬尘浓度预测方法。
背景技术
由于国内建筑行业高速发展,建筑施工引起的扬尘已成为可吸入颗粒物污染的主要污染源之一,尤其是地铁车站、基坑施工工程中,施工阶段对路面产生较多扰动,由于人力或者环境影响产生的扬尘较多,具有面积广,传播快的特点,容易对周围环境造成极大的污染。
目前主要采用的降尘方法就是根据现场扬尘浓度实测值,通过喷淋系统进行降尘控制,但是往往存在水量补充不足、不及时以及喷淋系统不能调节水量的问题,因此使用预测算法对扬尘浓度进行预测,根据预测值提前补充喷淋系统水量并对喷淋水量进行精准调控,在实现高效降尘的同时节约利用水资源。
发明内容
有鉴于此,本发明提供一种基于时间序列ARIMA模型的施工现场扬尘浓度预测方法,对施工现场杨晨浓度进行预测,根据预测值提前补充喷淋系统水量并对喷淋水量进行精准调控,在实现高效降尘的同时节约利用水资源。
为实现上述目的,本发明提出了一种基于时间序列ARIMA模型的施工现场扬尘浓度预测方法,包括以下步骤:
步骤1:首先建立扬尘监测系统,扬尘在线监测平台安装于地体车站施工现场的出入口和易于产生扬尘的局部区域,并保持一定的高度,能够精确测量现场PM2.5、PM10 和TSP污染物浓度及相关气象参数,根据污染物浓度权重比(1:2:3)计算出污染物浓度综合值。
步骤2:建立基于时间序列的ARIMA模型,首先对时间序列进行平稳性检验,再根据序列的自回归函数和偏自回归函数确定模型阶数,最后根据实测的前一时刻污染物浓度值和气象参数历史数据对施工现场下一时刻的扬尘浓度值进行预测。
步骤3:根据国家标准规范中所给出的污染物浓度标准值设定三档浓度阈值,结合ARIMA模型得到的预测值对喷淋系统的三台水泵进行联动控制,能够使喷淋系统根据不同浓度值进行三档调节,合理利用水资源;
步骤4:当基于ARIMA模型所得到的扬尘浓度预测值超过最大浓度阈值时,结合喷淋系统水箱的水位传感器来判断是否需要进行提前补水,水箱水位位于最大刻度值。
有益效果
(1)本发明基于时间序列ARIMA模型,根据历史实测数据对施工现场扬尘浓度进行预测,能够准确判断出下一时刻扬尘浓度的变化。
(2)本发明基于扬尘浓度预测值,可以对喷淋系统水箱进行提前补水,并对喷淋系统实现三档调节控制。
附图说明
图1为本发明一种基于时间序列ARIMA模型的施工现场扬尘浓度预测方法的技术流程图;
图2为本发明一个实施例中喷淋系统安装示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明作进一步的详细说明。
本发明提供一种基于时间序列ARIMA模型的施工现场扬尘浓度预测方法,其流程图如图1所示,包括以下步骤:
步骤1:建立扬尘监测系统,扬尘在线监测平台安装于地体车站施工现场的出入口和易于产生扬尘的局部区域,一共布置三台,并保持一定的高度,能够对现场PM2.5、 PM10和TSP污染物浓度及相关气象参数进行准确监测,按照污染物浓度权重比(1:2: 3)计算出施工现场污染物浓度综合值。
步骤2:建立基于时间序列的ARIMA模型,对原有时间序列进行一阶差分单位根检验,得到此序列是一个非平稳序列,再利用R软件对原序列进行一阶差分转变为平稳序列,再根据序列的自回归函数和偏自回归函数确定模型阶数,最终选定ARIMA(1,1, 1)模型,根据实测的前一时刻扬尘浓度和气象参数的历史数据对施工现场下一时刻的扬尘浓度值进行预测。
步骤3:根据国家规范标准所提供的污染物浓度限值,基于扬尘浓度设定了三档阈值,分别为150μg/m3、100μg/m3和50μg/m3。再根据基于时间序列ARIMA模型得到的扬尘浓度预测值,来判断扬尘浓度位于哪一个范围内,通过对喷淋系统的三台给水泵进行联动控制,可以根据扬尘浓度值实现对喷淋系统三档调控;同时根据扬尘浓度值,当超过最大阈值时,结合水箱水位传感器来判断是否需要对水箱水量提前进行补充。当预测到下一时刻扬尘浓度值超过150μg/m3时,根据水位传感器来判断水箱水位是否达到最大刻度值,如没有,则开启补水泵对水箱进行补水;如已达到,再开启三台给水泵从水箱抽水进行喷淋;当预测值低于150μg/m3但高于100μg/m3时,只开启两台给水泵从水箱抽水进行喷淋;当预测值低于100μg/m3但高于50μg/m3时,只开启一台给水泵从水箱抽水进行喷淋;当预测值低于50μg/m3,可关闭喷淋系统。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明,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,均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于时间序列ARIMA模型的施工现场扬尘浓度预测方法,其特征在于,包括以下步骤:
步骤1):首先建立扬尘监测系统,能够实现对施工现场PM10、PM2.5及TSP污染物浓度、室外温湿度和风速等气象参数的监测,根据权重比结合三种颗粒物浓度算出污染物浓度综合值;
步骤2):建立时间序列ARIMA模型,根据未进行喷淋时的污染物浓度及气象参数的前一时刻历史实测数据对下一时刻的扬尘浓度值进行预测;
步骤3):喷淋系统采用三台给水泵由水箱供水,根据扬尘浓度预测值通过对水泵的联动控制实现喷淋系统的三档调控;
步骤4):根据预测值,结合水箱水位传感器可提前对水箱水量进行补充。
2.根据权利要求1所述的一种基于时间序列ARIMA模型的施工现场扬尘浓度预测方法,其特征在于,所述步骤1)中施工现场所测得的污染物包括PM2.5、PM10和TSP,由于三种污染物相互包含,根据权重比(1:2:3)计算出污染物浓度综合值。
3.根据权利要求1所述的一种基于时间序列ARIMA模型的施工现场扬尘浓度预测方法,其特征在于,所述步骤2)中单积分自回归滑动平均模型(ARIMA)是时间序列分析模型中的一种,建立ARIMA模型主要包括检验时间序列平稳性与平稳化变化、ARIMA模型定阶、拟合选定的预测模型和使用合理模型进行预测,根据在施工现场降尘设备未开启时测得的上一时刻污染物浓度、气象参数等历史数据,带入模型中进行预测,得到下一时刻的扬尘浓度预测值。
4.根据权利要求1所述的一种基于时间序列ARIMA模型的施工现场扬尘浓度预测方法,其特征在于,所述步骤3)中根据国家规范中的浓度标准值设定三档阈值,根据预测值通过三台给水泵的联动控制实现喷淋系统的三档调节。
5.根据权利要求1所述的一种基于时间序列ARIMA模型的施工现场扬尘浓度预测方法,其特征在于,所述步骤4)中根据基于时间序列ARIMA模型得到的扬尘浓度预测值,当超过最大浓度阈值时,通过水箱水位传感器来判断是否需要进行提前补水,使水箱水位位于最大刻度值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110902958.XA CN113588509A (zh) | 2021-08-06 | 2021-08-06 | 一种基于时间序列arima模型的施工现场扬尘浓度预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110902958.XA CN113588509A (zh) | 2021-08-06 | 2021-08-06 | 一种基于时间序列arima模型的施工现场扬尘浓度预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113588509A true CN113588509A (zh) | 2021-11-02 |
Family
ID=78255906
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110902958.XA Pending CN113588509A (zh) | 2021-08-06 | 2021-08-06 | 一种基于时间序列arima模型的施工现场扬尘浓度预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113588509A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106178758A (zh) * | 2016-07-27 | 2016-12-07 | 陈小方 | 一种改善空气质量用除扬尘装置 |
CN107153035A (zh) * | 2016-03-03 | 2017-09-12 | 上海蓝丰信息科技有限公司 | 扬尘在线监测治理方法及系统 |
WO2018205200A1 (zh) * | 2017-05-11 | 2018-11-15 | 深圳市柘叶红实业有限公司 | 工地扬尘远程监控管理系统和管理方法 |
CN109358163A (zh) * | 2018-11-08 | 2019-02-19 | 四川坤翔科技有限公司 | 基于大数据的建筑工地大数据扬尘评估方法 |
CN109733607A (zh) * | 2018-12-19 | 2019-05-10 | 苏州交通工程集团有限公司 | 一种抑制扬尘的喷淋系统及其控制方法 |
CN209138222U (zh) * | 2018-10-18 | 2019-07-23 | 中泰华安建设集团有限公司 | 一种建筑工地防扬尘装置 |
CN210377124U (zh) * | 2019-05-31 | 2020-04-21 | 西安理工大学 | 一种施工扬尘实时监测与控制系统 |
-
2021
- 2021-08-06 CN CN202110902958.XA patent/CN113588509A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107153035A (zh) * | 2016-03-03 | 2017-09-12 | 上海蓝丰信息科技有限公司 | 扬尘在线监测治理方法及系统 |
CN106178758A (zh) * | 2016-07-27 | 2016-12-07 | 陈小方 | 一种改善空气质量用除扬尘装置 |
WO2018205200A1 (zh) * | 2017-05-11 | 2018-11-15 | 深圳市柘叶红实业有限公司 | 工地扬尘远程监控管理系统和管理方法 |
CN209138222U (zh) * | 2018-10-18 | 2019-07-23 | 中泰华安建设集团有限公司 | 一种建筑工地防扬尘装置 |
CN109358163A (zh) * | 2018-11-08 | 2019-02-19 | 四川坤翔科技有限公司 | 基于大数据的建筑工地大数据扬尘评估方法 |
CN109733607A (zh) * | 2018-12-19 | 2019-05-10 | 苏州交通工程集团有限公司 | 一种抑制扬尘的喷淋系统及其控制方法 |
CN210377124U (zh) * | 2019-05-31 | 2020-04-21 | 西安理工大学 | 一种施工扬尘实时监测与控制系统 |
Non-Patent Citations (2)
Title |
---|
李为东等: "基于时间序列分析的北京地区PM2.5浓度研究", 《运筹学学报》 * |
秦珊珊: "悬浮颗粒物PM10和PM2.5的统计分析与预测", 《中国优秀博硕士学位论文全文数据库(硕士)基础科学辑》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9020650B2 (en) | Utility grid, controller, and method for controlling the power generation in a utility grid | |
Brouwer et al. | Impacts of large-scale Intermittent Renewable Energy Sources on electricity systems, and how these can be modeled | |
CN107292514B (zh) | 风电场生产运行测风塔选址方法及装置 | |
CN107240933B (zh) | 一种考虑风电功率特性的风火协调滚动调度方法 | |
EP3087436B1 (en) | Utility grid, intermittent energy management system | |
CN105207272B (zh) | 基于通用分布的电力系统动态随机经济调度方法及装置 | |
CN104699936A (zh) | 基于cfd短期风速预测风电场的扇区管理方法 | |
DK201570493A1 (en) | System and method for controlling the operation of wind turbines | |
CN113496311A (zh) | 光伏电站发电功率预测方法及系统 | |
CN104143839B (zh) | 基于功率预测的风电场集群限出力有功功率分配方法 | |
US11018523B2 (en) | Utility grid, intermittent energy management system | |
CN109299830B (zh) | 一种基于墒情监测的水文预报系统及方法 | |
CN105427005A (zh) | 一种风电场运行风险评估方法 | |
CN111682527B (zh) | 一种考虑负荷阻尼的在线机组频率稳定性优化解析方法 | |
Kariniotakis et al. | Next generation forecasting tools for the optimal management of wind generation | |
CN113588509A (zh) | 一种基于时间序列arima模型的施工现场扬尘浓度预测方法 | |
CN112085276B (zh) | 一种含高渗透率风光发电的电源系统容量配比优化方法 | |
CN106026191B (zh) | 用于最小化弃光电量光伏电站发电权置换电量评估的方法 | |
CN105896535B (zh) | 用于最小化弃风电量的风电场发电权置换电量评估的方法 | |
CN105429184A (zh) | 一种风电优先调度评价的全过程量化评估方法 | |
Su et al. | A coordinative optimization method of active power and fatigue distribution in onshore wind farms | |
CN105244921B (zh) | 含风火水光气的电力系统调度中的备用容量优化分配方法 | |
CN105939013B (zh) | 最小化弃风电量的风电场发电权置换电量评估方法 | |
CN113158286B (zh) | 一种基于最大规模准则的抽水蓄能电站水能参数计算方法 | |
CN112182483A (zh) | 一种基于空气质量指数的太阳辐射预测方法和装置 |
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 | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Ding Yan Inventor after: Wang Qiaochu Inventor after: Wu Shaohong Inventor after: Huang Chen Inventor after: Su Hao Inventor before: Ding Yan Inventor before: Wang Qiaochu Inventor before: Huang Chen Inventor before: Su Hao |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211102 |