CN114676601A - 排放成本计算方法、装置、计算机设备及存储介质 - Google Patents
排放成本计算方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN114676601A CN114676601A CN202210587558.9A CN202210587558A CN114676601A CN 114676601 A CN114676601 A CN 114676601A CN 202210587558 A CN202210587558 A CN 202210587558A CN 114676601 A CN114676601 A CN 114676601A
- Authority
- CN
- China
- Prior art keywords
- emission
- air quality
- cost
- pollutant
- 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.)
- Pending
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 61
- 238000003860 storage Methods 0.000 title claims abstract description 16
- 238000004088 simulation Methods 0.000 claims abstract description 114
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 106
- 231100000719 pollutant Toxicity 0.000 claims abstract description 105
- 238000009826 distribution Methods 0.000 claims abstract description 79
- 230000009467 reduction Effects 0.000 claims abstract description 71
- 239000011159 matrix material Substances 0.000 claims abstract description 65
- 230000004044 response Effects 0.000 claims abstract description 58
- 238000000034 method Methods 0.000 claims abstract description 43
- 238000005070 sampling Methods 0.000 claims description 53
- 230000006870 function Effects 0.000 claims description 43
- 238000004590 computer program Methods 0.000 claims description 17
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 238000012544 monitoring process Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 9
- 230000002068 genetic effect Effects 0.000 claims description 6
- 238000007637 random forest analysis Methods 0.000 claims description 5
- 230000008901 benefit Effects 0.000 abstract description 7
- 230000008569 process Effects 0.000 description 6
- 239000000356 contaminant Substances 0.000 description 5
- 238000012795 verification Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000010187 selection method Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
- G06Q10/06313—Resource planning in a project environment
-
- 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
- G06Q10/06395—Quality analysis or management
-
- 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)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Mathematical Physics (AREA)
- Operations Research (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Quality & Reliability (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Algebra (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种排放成本计算方法、装置、计算机设备及存储介质，应用于气象科学技术领域，用于提高计算出的排放成本的准确性，提高减排策略的效益。本申请提供的方法包括：对所述污染源清单中的污染源进行时空系数分配，得到污染源分配结果,构建空气质量模拟模型，将所述污染源分配结果输入到所述空气质量模拟模型，得到空气质量模拟值；根据污染物的参考排放量与所述空气质量模拟值，计算得到每种污染物的控排因子；基于控排因子构建拟合矩阵并进行线性拟合，得到空气质量实时响应关系；建立减排成本矩阵用于构建成本求解函数，基于目标排放量对所述成本求解函数进行求解，得到与所述目标排放量对应的成本数据。
Description
技术领域
本申请涉及气象科学技术领域，尤其涉及一种排放成本计算方法、装置、计算机设备及存储介质。
背景技术
目前，全国城市空气质量达标率仍不理想，近年来不少城市相继出台了“大气环境达标规划”，通常是采用评估达标的方法，通过拟定多个污染减排控制情景，运用空气质量模型进行模拟并评估该项措施是否实现空气质量达标，基于对应的成本效益以及减排目标制定相应的减排策略。
其中，减排策略一般基于最优化制定，从成本效益以及减排目标之间的线性关系规划最大允许排放量，实现对区域环境容量资源的最优配置。
但是，各污染物的减排技术存在差异，其减排成本也各不相同，而目前减排最优策略对于各污染物的排放源的划分粗糙，造成减排策略不准确，未能保证最大排放量与成本效益之间的线性响应。
发明内容
本申请提供一种排放成本计算方法、装置、计算机设备及存储介质，提高针对排放量的成本计算准确性，提高减排策略的效益。
一种排放成本计算方法，包括：
获取污染源清单，并对所述污染源清单中的污染源进行时空系数分配，得到污染源分配结果；
基于预训练模型构建空气质量模拟模型，将所述污染源分配结果输入到所述空气质量模拟模型，得到空气质量模拟值；
获取每种污染物的参考排放量，根据所述参考排放量与所述空气质量模拟值，计算得到每种污染物的控排因子；
采用预设采样方法对所述污染物的控排因子进行随机采样，得到采样结果并构建拟合矩阵，对所述拟合矩阵进行线性拟合，得到空气质量实时响应关系，所述空气质量实时响应关系包括空气质量与排放量的对应关系；
建立减排成本矩阵，根据所述空气质量实时响应关系与所述减排成本矩阵构建成本求解函数，基于目标排放量对所述成本求解函数进行求解，得到与所述目标排放量对应的成本数据。
一种排放成本计算装置，包括：
时空分配模块，用于获取污染源清单，并对所述污染源清单中的污染源进行时空系数分配，得到污染源分配结果；
空气质量模拟模块，用于基于预训练模型构建空气质量模拟模型，将所述污染源分配结果输入到所述空气质量模拟模型，得到空气质量模拟值；
控排因子计算模块，用于获取每种污染物的参考排放量，根据所述参考排放量与所述空气质量模拟值，计算得到每种污染物的控排因子；
响应关系生成模块，用于采用预设采样方法对所述污染物的控排因子进行随机采样，得到采样结果并构建拟合矩阵，对所述拟合矩阵进行线性拟合，得到空气质量实时响应关系，所述空气质量实时响应关系包括空气质量与排放量的对应关系；
成本计算模块，用于建立减排成本矩阵，根据所述空气质量实时响应关系与所述减排成本矩阵构建成本求解函数，基于目标排放量对所述成本求解函数进行求解，得到与所述目标排放量对应的成本数据。
一种计算机设备，包括存储器、处理器以及存储在所述存储器中并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上述排放成本计算方法的步骤。
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，所述计算机程序被处理器执行时实现上述排放成本计算方法的步骤。
本申请提供的排放成本计算方法、装置、计算机设备及存储介质，通过获取污染物清单，并对其中的污染源进行时空系数分配，得到污染源的空间排放关系以及时间排放关系，即污染源分配结果；基于污染源分配结果进行空气质量模拟，得到空气质量模拟值；根据污染源获取每种污染物的参考排放量，并基于空气质量模拟值，计算污染物的控排因子；对控排因子进行随机采样并构建拟合矩阵，求解得到控排因子与空气质量之间的空气质量实时响应关系，构建减排成本矩阵，基于空气质量实时响应关系求解出在减排场景下，对应的目标排放量的成本数据，根据空气质量响应关系，确定最优的减排策略制定对应的目标排放量，并根据目标排放量计算出对应的成本数据，在控制污染物排放量的场景下，有利于提高计算出的成本数据的准确性，并且能够得出最优的目标排放量，提高减排策略的效益。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请一实施例中排放成本计算方法的一应用环境示意图；
图2是本申请一实施例中排放成本计算方法的一流程图；
图3是本申请一实施例中排放成本计算装置的结构示意图；
图4是本申请一实施例中计算机设备的一示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请实施例提供的排放成本计算方法，可应用在如图1的应用环境中，其中，终端设备通过网络与服务器进行通信。其中，终端设备可以但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
系统框架100可以包括终端设备、网络和服务器。网络用以在终端设备和服务器之间提供通信链路的介质。网络可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备通过网络与服务器交互，以接收或者发送消息等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器( Moving Picture EpertsGroup Audio Layer III，动态影像专家压缩标准音频层面3 )、MP4( Moving PictureEperts Group Audio Layer IV，动态影像专家压缩标准音频层面4 )播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
需要说明的是，本申请实施例所提供的排放成本计算方法由服务器执行，相应地，排放成本计算装置设置于服务器中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的，根据实现需要，可以具有任意数目的终端设备、网络和服务器，本申请实施例中的终端设备具体可以对应的是实际生产中的应用系统。
在一实施例中，如图2所示，提供一种排放成本计算方法，以该方法应用在图1中的服务器为例进行说明，包括如下步骤：
S10,获取污染源清单，并对污染源清单中的污染源进行时空系数分配，得到污染源分配结果。
具体的，污染源清单指的是关于污染物排放量的排放数据。对污染源清单进行时空系数分配，具体是指对时空系数进行网格化分配，时空系数包括时间变化系数和空间分配系数。按照时间变化系数和空间分配系数将污染物排放量分配到网格中。时间变化系数是指污染物排放的月变化系数、周变化系数以及日变化系数。空间分配系数分为点源和面源，点源是指对污染物排放量按照经纬度进行分配，面源是指对污染物排放量按照空间权重数据进行分配。
对污染源清单中的污染物排放量进行时空系数分配，得到污染源分配结果。
S20,基于预训练模型构建空气质量模拟模型，将污染源分配结果输入到空气质量模拟模型，得到空气质量模拟值。
具体的，根据预训练模型构建空气质量模拟模型，将污染物分配结果输入到空气质量模拟模型，进行空气质量基准年模拟。在空气质量模拟模型中，进行气象模式模拟，再将污染物分配结果输入到空气质量模拟模型中，得到空气质量模拟值。
S30,获取每种污染物的参考排放量，根据参考排放量与空气质量模拟值，计算得到每种污染物的控排因子。
具体的，获取污染物的参考排放量，基于空气质量模拟值构建映射函数，生成控排因子。控排因子可通过如下公式表示：
其中，
表示污染物的控排因子，
表示污染物的参考排放量，
表示污染物的基准排放量。其中，污染物的基准排放量与所述空气质量模拟值对应。
通过参考排放量与空气质量模拟值，计算得到每种污染物的控排因子。
S40,采用预设采样方法对污染物的控排因子进行随机采样，得到采样结果并构建拟合矩阵，对拟合矩阵进行线性拟合，得到空气质量实时响应关系，空气质量实时响应关系包括空气质量与排放量的对应关系。
具体的，将控排因子设定为多组数值，并通过预设的采样方法对所有控排因子进行随机采样，得到采样结果，采样结果用于构建响应曲面拟合矩阵，作为拟合矩阵，进而对拟合矩阵进行空气质量模拟以及线性拟合，得到空气质量实时响应结果。
具体的，将
分别设定为10%、20%、30%、40%、50%、60%、70%、80%、90%，间隔为10%。其中
= 1 代表规划年与基准年污染物排放量相等，经济发展而不增加污染物排放；
=0 代表没有可控源或不进行减排控制。
其中，空气质量实时响应结果用于描述污染物排放量与空气质量浓度的响应关系。根据空气质量实时响应结果，建立多种污染物排放量以及对应的空气质量相关联的排放策略。
即，通过设定目标排放量，根据空气质量实时响应关系得到对应的空气质量。将空气质量与对应的空气质量优化策略进行对应，以制定相应的减排策略。
S50,建立减排成本矩阵，根据空气质量实时响应关系与减排成本矩阵构建成本求解函数，基于目标排放量对成本求解函数进行求解，得到与目标排放量对应的成本数据。
具体的，根据预设排放量目标构建减排成本矩阵，基于减排成本以及对应的污染物排放量构建成本求解函数，设定对应的目标排放量以及对应的目标函数，求解出目标排放量对应的成本数据。
作为一种可选的实施方式，以减排成本最小为目标构建目标函数。
通过评估目标排放量以及对应的减排成本，得出满足目标函数以及目标排放量的最佳数据，最终的结果作为对应的目标排放量对应的成本数据。
其中，目标排放量是指与减排策略对应的空气质量浓度对应的污染物排放量。通过设定目标排放量，满足空气质量约束目标，在此基础上，根据目标排放量求解出对应的成本数据。
本申请实施例提供的成本计算方法，通过获取污染物清单，并对其中的污染源进行时空系数分配，得到污染源的空间排放关系以及时间排放关系，即污染源分配结果。基于污染源分配结果进行空气质量模拟，得到空气质量模拟值。根据污染源获取每种污染物的参考排放量，并基于空气质量模拟值，计算污染物的控排因子。对控排因子进行随机采样并构建拟合矩阵，求解得到控排因子与空气质量之间的空气质量实时响应关系，构建减排成本矩阵，基于空气质量实时响应关系求解出在减排场景下，对应的目标排放量的成本数据，根据空气质量响应关系，确定最优的减排策略制定对应的目标排放量，并根据目标排放量计算出对应的成本数据，在控制污染物排放量的场景下，有利于提高计算出的成本数据的准确性，并且能够得出最优的目标排放量，提高减排策略的效益。
在一实施例中，在步骤S10中，获取污染源清单，并对污染源清单中的污染源进行时空系数分配，得到污染源分配结果包括：
S101,根据时间系数，对污染源进行排放量分配，得到时间分配结果。
S102,根据空间系数，对污染源进行网格化分配，得到空间分配结果。
S103,将时间分配结果和空间分配结果进行组合，得到污染源分配结果。
具体的，通过时间系数，对污染源的污染物排放量按照时间变化系数进行分配，具体的，按照污染物排放量的年变化、月变化以及日变化进行分配。通过空间系数，对污染原进行网格化分配，按照空间分配系数，对污染物排放量的排放数据进行网格化处理，得到污染源分配结果，得到符合空气质量模拟模型的数据输入要求，有利于根据污染源分配结果，对空气质量进行模拟，更利于建立空气质量与污染物排放量之间的动态联系，提高排放成本计算的准确性。
在一实施例中，在步骤S20中，基于预训练模型构建空气质量模拟模型，将污染源分配结果输入到空气质量模拟模型，得到空气质量模拟值包括：
S201,基于多尺度空气质量模型构建空气质量模拟模型。
S202,获取气象原始数据，基于气象原始数据进行气象模拟，得到气象模拟结果。
S203,将气象模拟结果和污染源分配结果输入到空气质量模拟模型，得到空气质量模拟值。
具体的，将多尺度空气质量模拟模型CMAQ5.3作为预训练模型，基于预训练模型进行参数编译和模型搭建。
获取气象原始数据进行气象模式模拟，其中，气象原始数据选用FNL数据集，将气象原始数据输入到空气质量模拟模型中，得到气象模拟结果。
进一步的，将气象模拟结果和污染物分配结果输入到空气质量模拟模型中进行模拟，得到空气质量模拟值。
在本实施例中，通过空气质量模拟模型将气象模拟结果与污染物分配结果进行模拟，得到空气质量与污染物排放量之间的联系。
在一实施例中，在步骤S20之后，包括：
S21,获取空气质量实时监测数据。
S22,基于空气质量实时监测数据，根据随机森林算法对空气质量模拟值进行校正，得到校正之后的空气质量模拟值。
具体的，在生成空气质量模拟值之后，获取空气质量实时检测数据，并根据随机森林算法对空气质量模拟值进行校正，对误差过大的模拟值进行校正，再运用统计方法中的归一化平均偏差和相关系数进行结果校验，得到校正之后的空气质量模拟值，将校正之后的空气质量模拟值用于计算控排因子。
在本实施例中，通过获取空气质量实时监测数据，基于空气质量实时监测数据，采用随机森林算法对空气质量模拟值进行校正，并通过统计方法对校正结果进行校验，得到校正之后的空气质量模拟值，减小模拟值的误差，后续计算能够提高成本计算的准确率。
在一实施例中，在步骤S30，获取每种污染物的参考排放量，根据参考排放量与空气质量模拟值，计算得到每种污染物的控排因子包括：
S301,确定每种污染物的行业属性、污染物属性和控排因子参数，将行业属性、污染物属性和控排因子参数作为污染物的控排因子的参数。
S302,基于预设函数关系，通过污染物的参考排放量与空气质量模拟值计算得到污染物的控排因子。
其中，确定每种污染物的行业属性、污染物属性以及对应的控排因子参数，可根据如下公式表示：
其中，
表示行业属性，
表示污染物属性，
表示控排因子参数即用于指代每种污染物的控排因子。
其中，预设函数关系可根据如下公式表示：
其中，
表示污染物的控排因子，
表示污染物的参考排放量，
表示污染物的基准排放量。其中，污染物的基准排放量与所述空气质量模拟值对应。
其中，污染物的基准排放量可通过空气质量模拟值计算得到。
按照污染物的属性，将每种污染物的控排因子
分别设定为10%、20%、30%、40%、50%、60%、70%、80%、90%，间隔为10%。其中
= 1 代表规划年与基准年污染物排放量相等，经济发展而不增加污染物排放；
=0 代表没有可控源或不进行减排控制。在本实施例中，通过建立多组控排因子，用于构建空气质量实时响应关系，无需对每一种污染物的排放量进行模拟，提高成本计算的效率。
在一实施例中，在步骤S40中，预设采样方法为拉丁超立方采样方法或者哈默斯利序列采样方法，采用预设采样方法对污染物的控排因子进行随机采样，得到采样结果并构建拟合矩阵，对拟合矩阵进行线性拟合，得到空气质量实时响应关系包括：
S401,基于每种污染物，设置多组参考排放量，并根据多组参考排放量计算得到多个控排因子。
S402,通过拉丁超立方采样方法或者哈默斯利序列采样方法，对多个控排因子进行随机采样。
S403,将随机采样得到的采样结果构建拟合矩阵。
S404,对拟合矩阵进行空气质量模拟和线性模拟，得到模拟结果。
S405,基于模拟结果建立空气质量实时响应关系，空气质量实时响应关系包括空气质量与污染物的参考排放量的响应关系。
具体的，采用预设采样方法对所有的控排因子进行随机采样，建立拟合矩阵，并对拟合矩阵进行空气质量模拟和线性拟合，得到拟合结果，并对拟合结果进行外部验证，将验证之后的拟合结果作为模拟结果，其中，对拟合结果进行验证有利于提高拟合矩阵的可靠性和准确性。
作为一种优选的实施方式，预设的采样方法为拉丁超立方采样方法或者哈默斯利序列采样方法。
最后，基于模拟结果建立空气质量实时响应关系，其中，空气质量实时响应值用于反映空气质量与污染物排放量之间的响应关系。其中，污染物排放量与空气质量呈一定的线性关系。
空气质量实时响应关系用于根据设定的减排策略，以达到对空气质量进行约束的效果。
在本实施例中，通过对控排因子进行随机采样，以根据采样结果构建拟合矩阵，得到最终的拟合结果并建立空气质量实时响应关系，以获得污染物排放量与空气质量的响应关系，能够对污染物的减排情景进行模拟，而不用针对每种污染物进行重新模拟，提高模拟效率。
在一实施例中，在步骤S50中，建立减排成本矩阵，根据空气质量实时响应关系与减排成本矩阵构建成本求解函数，基于目标排放量对成本求解函数进行求解，得到与目标排放量对应的成本数据包括：
S501,根据每种污染源的排放量与排放成本的线性关系，构建减排成本矩阵。
S502,基于减排成本矩阵构建目标函数，并基于遗传算法对目标函数进行求解，得到减排成本最小值。
S503,将减排成本最小值作为与目标排放量对应的成本数据。
具体的，获取污染物的控排因子参数，建立行业-污染物-减排率相结合的减排策略措施，并根据对应的减排策略措施，根据污染物的排放量与排放成本之间的线性关系，建立减排成本矩阵。
以减排成本最小作为指标构建目标函数。
通过遗传算法，根据目标函数和减排成本矩阵进行求解，得到满足目标函数的减排策略，并根据减排策略中的目标排放量，计算出对应的成本数据。
其中，通过遗传算法对减排成本矩阵进行求解的步骤包括：
步骤1，种群规模设定为200，迭代次数为200，交叉概率为1，突变概率为0.05，随机生成种群。
步骤2，以减排成本最小为目标函数，空气质量目标为约束条件，对种群进行评估，计算空气质量达标约束下种群中所有个体的适应度；
步骤3，采用秩选择法为下一代选择亲本，通过交叉算子产生新的高质量个体，本文采用均匀交叉，交叉概率高有利于将父代个体的优良性状最大限度的遗传给下一代，产生一些具有更好性状的个体；
步骤4，在种群经过交叉操作后，通过随机选择的方法使个体的基因发生突变，可维持种群的多样性，避免陷入局部最优问题。不断重复上述步骤，直到达到最大迭代次数200，将达到空气质量目标约束的减排成本最小方案个体作为本遗传算法的执行结果。
根据执行结果中对应的空气质量目标，得到对应的目标排放量，并计算出对应的成本数据。
在本实施例中，通过构建减排成本矩阵，并以空气质量目标作为约束，生成满足空气质量目标对应的目标排放量，并得到对应的成本数据，在此基础上，在满足空气质量目标的前提，能够得到最小的成本数据，有利于提高减排效益。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
在一实施例中，提供一种排放成本计算装置，该排放成本计算装置与上述实施例中排放成本计算方法一一对应。如图3所示，该排放成本计算装置包括时空分配模块31、空气质量模拟模块32、控排因子计算模块33、响应关系生成模块34和成本计算模块35。各功能模块详细说明如下：
时空分配模块31，用于获取污染源清单，并对污染源清单中的污染源进行时空系数分配，得到污染源分配结果。
空气质量模拟模块32，用于基于预训练模型构建空气质量模拟模型，将污染源分配结果输入到空气质量模拟模型，得到空气质量模拟值。
控排因子计算模块33，用于获取每种污染物的参考排放量，根据参考排放量与空气质量模拟值，计算得到每种污染物的控排因子。
响应关系生成模块34，用于采用预设采样方法对污染物的控排因子进行随机采样，得到采样结果并构建拟合矩阵，对拟合矩阵进行线性拟合，得到空气质量实时响应关系，空气质量实时响应关系包括空气质量与排放量的对应关系。
成本计算模块35，用于建立减排成本矩阵，根据空气质量实时响应关系与减排成本矩阵构建成本求解函数，基于目标排放量对成本求解函数进行求解，得到与目标排放量对应的成本数据。
在一实施例中，时空分配模块31包括：
时间分配单元，用于根据时间系数，对污染源进行排放量分配，得到时间分配结果。
空间分配单元，用于根据空间系数，对污染源进行网格化分配，得到空间分配结果。
分配结果生成单元，用于将时间分配结果和空间分配结果进行组合，得到污染源分配结果。
在一实施例中，空气质量模拟模块包括：
模型构建单元，用于基于多尺度空气质量模型构建空气质量模拟模型。
气象模拟单元，用于获取气象原始数据，基于气象原始数据进行气象模拟，得到气象模拟结果。
模拟值生成单元，用于将气象模拟结果和污染源分配结果输入到空气质量模拟模型，得到空气质量模拟值。
在一实施例中，成本计算装置还包括如下模块：
实时监测数据获取模块，用于获取空气质量实时监测数据。
模拟值校正模块，用于基于空气质量实时监测数据，根据随机森林算法对空气质量模拟值进行校正，得到校正之后的空气质量模拟值。
在一实施例中，控排因子计算模块33包括：
参数获取单元，用于确定每种污染物的行业属性、污染物属性和控排因子参数，将行业属性、污染物属性和控排因子参数作为污染物的控排因子的参数。
控排因子计算单元，用于基于预设函数关系，通过污染物的参考排放量与空气质量模拟值计算得到污染物的控排因子。
在一实施例中，响应关系生成模块34包括：
因子控制单元，用于基于每种污染物，设置多组参考排放量，并根据多组参考排放量计算得到多个控排因子。
采样单元，用于通过拉丁超立方采样方法或者哈默斯利序列采样方法，对多个控排因子进行随机采样。
拟合矩阵构建单元，用于将随机采样得到的采样结果构建拟合矩阵。
矩阵模拟单元，用于对拟合矩阵进行空气质量模拟和线性模拟，得到模拟结果。
响应关系生成单元，用于基于模拟结果建立空气质量实时响应关系，空气质量实时响应关系包括空气质量与污染物的参考排放量的响应关系。
在一实施例中，成本计算模块35包括：
减排成本矩阵构建单元，用于根据每种污染源的排放量与排放成本的线性关系，构建减排成本矩阵。
目标函数计算单元，用于基于减排成本矩阵构建目标函数，并基于遗传算法对目标函数进行求解，得到减排成本最小值。
成本计算单元，用于将减排成本最小值作为与目标排放量对应的成本数据。
其中上述模块/单元中的“第一”和“第二”的意义仅在于将不同的模块/单元加以区分，并不用于限定哪个模块/单元的优先级更高或者其它的限定意义。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或模块的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或模块，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块，本申请中所出现的模块的划分，仅仅是一种逻辑上的划分，实际应用中实现时可以有另外的划分方式。
关于排放成本计算装置的具体限定可以参见上文中对于排放成本计算方法的限定，在此不再赘述。上述排放成本计算装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储排放成本计算方法中涉及到的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种排放成本计算方法。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并在处理器上运行的计算机程序，处理器执行计算机程序时实现上述实施例中排放成本计算方法的步骤，例如图2所示的步骤S10至步骤S50及该方法的其它扩展和相关步骤的延伸。或者，处理器执行计算机程序时实现上述实施例中排放成本计算装置的各模块/单元的功能，例如图3所示模块31至模块35的功能。为避免重复，这里不再赘述。
所述处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列 (Field-Programmable Gate Array，FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。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，所述处理器是所述计算机装置的控制中心，利用各种接口和线路连接整个计算机装置的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述计算机装置的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序（比如声音播放功能、图像播放功能等）等；存储数据区可存储根据手机的使用所创建的数据（比如音频数据、视频数据等）等。
所述存储器可以集成在所述处理器中，也可以与所述处理器分开设置。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述实施例中排放成本计算方法的步骤，例如图2所示的步骤S10至步骤S50及该方法的其它扩展和相关步骤的延伸。或者，计算机程序被处理器执行时实现上述实施例中排放成本计算装置的各模块/单元的功能，例如图3所示模块31至模块35的功能。为避免重复，这里不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink） DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。
Claims (10)
1.一种排放成本计算方法，其特征在于，包括：
获取污染源清单，并对所述污染源清单中的污染源进行时空系数分配，得到污染源分配结果；
基于预训练模型构建空气质量模拟模型，将所述污染源分配结果输入到所述空气质量模拟模型，得到空气质量模拟值；
获取每种污染物的参考排放量，根据所述参考排放量与所述空气质量模拟值，计算得到每种污染物的控排因子；
采用预设采样方法对所述污染物的控排因子进行随机采样，得到采样结果并构建拟合矩阵，对所述拟合矩阵进行线性拟合，得到空气质量实时响应关系，所述空气质量实时响应关系包括空气质量与排放量的对应关系；
建立减排成本矩阵，根据所述空气质量实时响应关系与所述减排成本矩阵构建成本求解函数，基于目标排放量对所述成本求解函数进行求解，得到与所述目标排放量对应的成本数据。
2.根据权利要求1所述的排放成本计算方法，其特征在于，所述获取污染源清单，并对所述污染源清单中的污染源进行时空系数分配，得到污染源分配结果包括：
根据时间系数，对所述污染源进行排放量分配，得到时间分配结果；
根据空间系数，对所述污染源进行网格化分配，得到空间分配结果；
将所述时间分配结果和所述空间分配结果进行组合，得到污染源分配结果。
3.根据权利要求1所述的排放成本计算方法，其特征在于，所述基于预训练模型构建空气质量模拟模型，将所述污染源分配结果输入到所述空气质量模拟模型，得到空气质量模拟值包括：
基于多尺度空气质量模型构建所述空气质量模拟模型；
获取气象原始数据，基于所述气象原始数据进行气象模拟，得到气象模拟结果；
将所述气象模拟结果和所述污染源分配结果输入到所述空气质量模拟模型，得到空气质量模拟值。
4.根据权利要求1所述的排放成本计算方法，其特征在于，在基于预训练模型构建空气质量模拟模型，将所述污染源分配结果输入到所述空气质量模拟模型，得到空气质量模拟值之后，所述方法包括：
获取空气质量实时监测数据；
基于所述空气质量实时监测数据，根据随机森林算法对所述空气质量模拟值进行校正，得到校正之后的空气质量模拟值。
5.根据权利要求1所述的排放成本计算方法，其特征在于，所述获取每种污染物的参考排放量，根据所述参考排放量与所述空气质量模拟值，计算得到每种污染物的控排因子包括：
确定每种污染物的行业属性、污染物属性和控排因子参数，将所述行业属性、污染物属性和所述控排因子参数作为所述污染物的控排因子的参数；
基于预设函数关系，通过所述污染物的所述参考排放量与所述空气质量模拟值计算得到所述污染物的控排因子。
6.根据权利要求1所述的排放成本计算方法，其特征在于，所述预设采样方法为拉丁超立方采样方法或者哈默斯利序列采样方法，所述采用预设采样方法对所述污染物的控排因子进行随机采样，得到采样结果并构建拟合矩阵，对所述拟合矩阵进行线性拟合，得到空气质量实时响应关系包括：
基于每种污染物，设置多组参考排放量，并根据所述多组参考排放量计算得到多个控排因子；
通过拉丁超立方采样方法或者哈默斯利序列采样方法，对所述多个控排因子进行随机采样；
将随机采样得到的采样结果构建拟合矩阵；
对所述拟合矩阵进行空气质量模拟和线性模拟，得到模拟结果；
基于所述模拟结果建立空气质量实时响应关系，所述空气质量实时响应关系包括空气质量与污染物的参考排放量的响应关系。
7.根据权利要求1所述的排放成本计算方法，其特征在于，所述建立减排成本矩阵，根据所述空气质量实时响应关系与所述减排成本矩阵构建成本求解函数，基于目标排放量对所述成本求解函数进行求解，得到与所述目标排放量对应的成本数据包括：
根据每种污染源的排放量与排放成本的线性关系，构建减排成本矩阵；
基于所述减排成本矩阵构建目标函数，并基于遗传算法对所述目标函数进行求解，得到减排成本最小值；
将所述减排成本最小值作为与所述目标排放量对应的成本数据。
8.一种排放成本计算装置，其特征在于，包括：
时空分配模块，用于获取污染源清单，并对所述污染源清单中的污染源进行时空系数分配，得到污染源分配结果；
空气质量模拟模块，用于基于预训练模型构建空气质量模拟模型，将所述污染源分配结果输入到所述空气质量模拟模型，得到空气质量模拟值；
控排因子计算模块，用于获取每种污染物的参考排放量，根据所述参考排放量与所述空气质量模拟值，计算得到每种污染物的控排因子；
响应关系生成模块，用于采用预设采样方法对所述污染物的控排因子进行随机采样，得到采样结果并构建拟合矩阵，对所述拟合矩阵进行线性拟合，得到空气质量实时响应关系，所述空气质量实时响应关系包括空气质量与排放量的对应关系；
成本计算模块，用于建立减排成本矩阵，根据所述空气质量实时响应关系与所述减排成本矩阵构建成本求解函数，基于目标排放量对所述成本求解函数进行求解，得到与所述目标排放量对应的成本数据。
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并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至7中任一项所述排放成本计算方法的步骤。
10.一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至7中任一项所述排放成本计算方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210587558.9A CN114676601A (zh) | 2022-05-27 | 2022-05-27 | 排放成本计算方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210587558.9A CN114676601A (zh) | 2022-05-27 | 2022-05-27 | 排放成本计算方法、装置、计算机设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114676601A true CN114676601A (zh) | 2022-06-28 |
Family
ID=82080622
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210587558.9A Pending CN114676601A (zh) | 2022-05-27 | 2022-05-27 | 排放成本计算方法、装置、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114676601A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117059198A (zh) * | 2023-06-29 | 2023-11-14 | 华南理工大学 | 基于响应曲面模型的排放清单反馈更新方法、系统及设备 |
| CN118195099A (zh) * | 2024-04-28 | 2024-06-14 | 中国民航大学 | 基于多模型耦合算法的大气污染协同减排方案优化方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109492907A (zh) * | 2018-11-08 | 2019-03-19 | 成都市环境保护科学研究院 | 基于cmaq模型的空气质量措施评估方法、系统、存储介质和终端 |
| CN110544006A (zh) * | 2019-07-22 | 2019-12-06 | 国网冀北电力有限公司电力科学研究院 | 污染物排放清单时间分布确定方法及装置 |
| CN110909483A (zh) * | 2019-12-03 | 2020-03-24 | 河北先河环保科技股份有限公司 | 一种基于网格化数据的点源大气污染物排放清单校验方法 |
-
2022
- 2022-05-27 CN CN202210587558.9A patent/CN114676601A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109492907A (zh) * | 2018-11-08 | 2019-03-19 | 成都市环境保护科学研究院 | 基于cmaq模型的空气质量措施评估方法、系统、存储介质和终端 |
| CN110544006A (zh) * | 2019-07-22 | 2019-12-06 | 国网冀北电力有限公司电力科学研究院 | 污染物排放清单时间分布确定方法及装置 |
| CN110909483A (zh) * | 2019-12-03 | 2020-03-24 | 河北先河环保科技股份有限公司 | 一种基于网格化数据的点源大气污染物排放清单校验方法 |
Non-Patent Citations (2)
| Title |
|---|
| 周阳: "《大气环境数值模式应用于城市大气复合污染诊断研究》", 31 July 2018, 中国环境出版集团 * |
| 唐湘博等: "《我国区域空气质量精准管理最优决策方法研究》", 《系统工程理论与实践》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117059198A (zh) * | 2023-06-29 | 2023-11-14 | 华南理工大学 | 基于响应曲面模型的排放清单反馈更新方法、系统及设备 |
| CN117059198B (zh) * | 2023-06-29 | 2024-02-23 | 华南理工大学 | 基于响应曲面模型的排放清单反馈更新方法、系统及设备 |
| CN118195099A (zh) * | 2024-04-28 | 2024-06-14 | 中国民航大学 | 基于多模型耦合算法的大气污染协同减排方案优化方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11531867B2 (en) | User behavior prediction method and apparatus, and behavior prediction model training method and apparatus | |
| CN114676601A (zh) | 排放成本计算方法、装置、计算机设备及存储介质 | |
| CN109495318B (zh) | 一种移动通信网络流量预测方法、装置及可读存储介质 | |
| GB2615205A (en) | Long term precipitation prediction model establishing method, and long-term precipitation prediction method and apparatus | |
| CN114360254B (zh) | 一种基于时空的交通流量预测方法及相关设备 | |
| CN112508118A (zh) | 针对数据偏移的目标对象行为预测方法及其相关设备 | |
| CN111311014B (zh) | 业务数据处理方法、装置、计算机设备和存储介质 | |
| CN115689018A (zh) | 物资需求预测方法、装置、设备、存储介质和程序产品 | |
| CN116567547A (zh) | 人口数据质量检验方法、系统和可读存储介质 | |
| CN115115004A (zh) | 决策树模型构建及应用方法、装置和相关设备 | |
| CN108764553B (zh) | 用户规模预测方法、装置及计算机设备 | |
| CN114819781A (zh) | 环境容量计算方法、装置、计算机设备及存储介质 | |
| CN114331388B (zh) | 基于联邦学习的薪资计算方法、装置、设备及存储介质 | |
| CN117474229A (zh) | 一种应用数据分析的城市智能监控控制系统及方法 | |
| CN114501518B (zh) | 流量预测方法、装置、设备、介质和程序产品 | |
| CN114266324B (zh) | 模型可视化建模方法、装置、计算机设备及存储介质 | |
| CN115994614A (zh) | 新能源分时电价定价方法、装置、计算机设备及存储介质 | |
| CN115438387A (zh) | 电力设备质量检测方法、装置、计算机设备及存储介质 | |
| CN114153714A (zh) | 基于日志信息的容量调整方法、装置、设备及存储介质 | |
| CN115063621A (zh) | 多视图聚类方法、装置、计算机设备及存储介质 | |
| CN110929163B (zh) | 课程推荐方法、装置、计算机设备及存储介质 | |
| CN111598390B (zh) | 服务器高可用性评估方法、装置、设备和可读存储介质 | |
| CN112259239B (zh) | 一种参数处理方法、装置、电子设备及存储介质 | |
| CN114565190A (zh) | 预测大气环境容量的方法、装置及电子设备 | |
| CN114048886A (zh) | 基于神经网络的有效泊位组合预测方法、终端及存储介质 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220628 |
|
| RJ01 | Rejection of invention patent application after publication |