CN114974452A - 一种确定二次转化来源的管控目标的方法和装置 - Google Patents
一种确定二次转化来源的管控目标的方法和装置 Download PDFInfo
- Publication number
- CN114974452A CN114974452A CN202210569072.2A CN202210569072A CN114974452A CN 114974452 A CN114974452 A CN 114974452A CN 202210569072 A CN202210569072 A CN 202210569072A CN 114974452 A CN114974452 A CN 114974452A
- Authority
- CN
- China
- Prior art keywords
- source
- pollutant
- determining
- proportion
- pollutants
- 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
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/20—Identification of molecular entities, parts thereof or of chemical compositions
-
- 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
- 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
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Software Systems (AREA)
- Crystallography & Structural Chemistry (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Chemical & Material Sciences (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本申请涉及环境科学技术领域,尤其涉及一种确定二次转化来源的管控目标的方法和装置,该方法包括:获取大气中关于第一类污染物的多个样本,基于所述多个样本以及正定矩阵因子分解法PMF模型,确定所述多个样本中第一类污染物对应每个污染源的浓度;根据所述多个样本中第一类污染物对应每个污染源的浓度,确定第二类污染物中每个污染物分别在综合来源中的第一占比,其中,所述综合来源包括一次来源以及二次转化来源;基于获取到的排放清单数据,确定第二类污染物中每个污染物分别在一次来源中的第二占比;基于所述第一占比和所述第二占比,确定二次转化来源的管控目标。采用本申请,可以对二次转化来源进行管控。
Description
技术领域
本申请涉及环境科学领域,尤其涉及一种确定二次转化来源的管控目标的方法和装置。
背景技术
近年来随着经济的快速发展和城市化进程的加快,发展中国家开始出现以高细颗粒物为主要特征的雾霾现象,其中,颗粒物在2.5微米的尘埃,不仅降低大气能见度,还会进入人体呼吸道和肺部,严重损害人体健康。因此现在PM2.5的健康影响问题已经成为全世界关注的公共卫生问题。PM2.5组分复杂,由有机化合物和无机化合物组成,如地壳元素、金属化合物、元素碳、无机离子和有机物。一次排放除了PM2.5,还伴随SO2、NOx和CO等污染气体。其中二氧化硫主要来自含硫燃料的燃烧,如发电厂、含硫矿石的冶炼,化工、炼油和硫酸厂等工业生产过程以及住宅供暖等排放;NOx分别来自移动源与固定源,其中移动源主要由机动车尾气排放,固定源主要来自火力发电、工业燃烧等排放;CO主要来自机动车尾气和煤燃烧的不完全排放,因此一些气态污染物可以作为识别主要排放源的指标。
源解析是指对污染物的来源进行定性识别并定量计算大气颗粒物排放源的分担率和贡献值,主要中源解析主要包括排放源清单法、以污染区域为对象的受体模型和以污染源为对象的扩散模型。排放清单方法是通过特定的空间和时间尺度调查和统计污染源,并根据不同源的活动水平和排放因子模型建立污染源清单数据库,从而对不同源类的排放量进行评估,确定主要污染源,扩散模型基于排放清单,预测在不同气象条件下颗粒物浓度的时空分布。但过于依赖气象学资料,会导致结果存在较大不确定性,受体模型通过输入污染物的化学组分浓度来分析不同污染源对受体的贡献,常用受体模型有CMB(ChemicalMass Balance,化学质量平衡法)、PCA(Principal Component Analysis,主成分分析法)、PMF(Positive Matrix Factorization,正定矩阵因子分解法)等。
目前,PMF模型广泛应用于环境空气质量数据的分析,是基于气溶胶类型并具有可分辨的化学特征以及高度相关的化合物来自同一来源的假设,需采集受体样品对颗粒物来源进行分析,定量得到一次来源和二次转化来源的综合来源贡献,但该模型存在问题。对于二次转化来源仅能定量特定污染物的源类贡献,例如硫化物和氮化物的源类贡献,这是因为一般认为硫化物和氮化物由二次转化得到而不由一次排放。而对于其他污染物仅能定量源类综合贡献,即一次排放和二次转化所引起的综合贡献,这是因为当大气中的污染物可以由一次排放和二次转化得到时,无法区分大气中该污染物具体由一次排放的量以及由二次转化的量,也即无法确定二次转化来源的贡献,进而无法对二次转化来源进行管控。
发明内容
为了解决现有技术问题,本申请实施例提供了一种确定二次转化来源的管控目标的方法和装置,可以对二次转化来源进行管控。技术方案如下:
根据本申请的一方面,提供了一种确定二次转化来源的管控目标的方法,所述方法包括:
获取大气中关于第一类污染物的多个样本,基于所述多个样本以及正定矩阵因子分解法PMF模型,确定所述多个样本中第一类污染物对应每个污染源的浓度;
根据所述多个样本中第一类污染物对应每个污染源的浓度,确定第二类污染物中每个污染物分别在综合来源中的第一占比,其中,所述综合来源包括一次来源以及二次转化来源;
基于获取到的排放清单数据,确定第二类污染物中每个污染物分别在一次来源中的第二占比;
基于所述第一占比和所述第二占比,确定二次转化来源的管控目标。
可选的,所述第一类污染物包括PM2.5组分、离子、金属以及标识气体;
所述第二类污染物包括PM2.5组分以及标识气体;
其中,所述PM2.5组分包括NO3 -、SO4 2-、NH4 +、Na+、K+、Mg2+、Ca2+、Cl-、Al、Si、K、Ca;
所述离子包括NO3 -、SO4 2-、NH4 +、Na+、K+、Mg2+、Ca2+、Cl-中的一种或几种;
所述金属包括Al、Si、K、Ca、Mn、Fe、Cu、Zn、As、Ba、Pb中的一种或几种;
所述标识气体包括NO2、SO2、CO中的一种或几种。
可选的,其特征在于,所述基于获取到的排放清单数据,确定第二类污染物中每个污染物分别在一次来源中的第二占比,包括:
获取排放清单数据,所述排放清单数据包括第二类污染物中每个污染物对应所述每个污染源的排放量;
根据所述第二类污染物中每个污染物对应所述每个污染源的排放量,分别确定第二类污染物中每个污染物在一次来源中的第二占比。
可选的,所述根据所述第二类污染物中每个污染物对应所述每个污染源的排放量,分别确定第二类污染物中每个污染物在一次来源中的第二占比,包括:
根据所述第二类污染物中每个污染物对应所述每个污染源的排放量,确定第二类污染物中每个污染物的总排放量;
对于第二类污染物中每个污染物,计算对应所述每个污染源的排放量与总排放量的比值,确定为在一次来源中的第二占比。
可选的,所述基于所述第一占比和所述第二占比,确定二次转化来源的管控目标,包括:
对于第二类污染物中的每个污染物,分别确定每个污染源的第一占比与第二占比的差值;
根据所述差值确定二次转化来源的管控目标。
可选的,所述根据所述差值确定二次转化来源的管控目标,包括:
如果所述差值大于0,则将所述差值与第一预设阈值进行比较,如果所述差值大于或等于第一预设阈值,则将所述差值对应的污染源对于所述差值对应的污染物的转化确定为二次转化来源的管控目标;
如果所述差值小于0,则将所述差值与第二预设阈值进行比较,如果所述差值小于或等于第二预设阈值,则将所述差值对应的污染源对于所述差值对应的污染物的排放确定为一次转化来源的管控目标。
可选的,所述基于所述第一占比和所述第二占比,确定二次转化来源的管控目标,包括:
对于第二类污染物中的每个污染物,将每个污染源的第一占比与第二占比进行比较,如果某个污染源的第一占比大于第二占比,则将所述污染源对所述污染物的转化确定为二次转化来源的管控目标;如果某个污染源的第一占比小于第二占比,则将所述污染源对所述污染物的排放确定为一次来源的管控目标。
根据本申请的另一方面,提供了一种确定二次转化来源的管控目标的装置,所述装置包括:
获取模块,用于获取大气中关于第一类污染物的多个样本,基于所述多个样本以及正定矩阵因子分解法PMF模型,确定所述多个样本中第一类污染物对应每个污染源的浓度;
第一确定模块,用于根据所述多个样本中第一类污染物对应每个污染源的浓度,确定第二类污染物中每个污染物分别在综合来源中的第一占比,其中,所述综合来源包括一次来源以及二次转化来源;
第二确定模块,用于基于获取到的排放清单数据,确定第二类污染物中每个污染物分别在一次来源中的第二占比;
第三确定模块,用于基于所述第一占比和所述第二占比,确定二次转化来源的管控目标。
可选的,所述第一类污染物包括PM2.5组分、离子、金属以及标识气体;
所述第二类污染物包括PM2.5组分以及标识气体;
其中,所述PM2.5组分包括NO3 -、SO4 2-、NH4 +、Na+、K+、Mg2+、Ca2+、Cl-、Al、Si、K、Ca;
所述离子包括NO3 -、SO4 2-、NH4 +、Na+、K+、Mg2+、Ca2+、Cl-中的一种或几种;
所述金属包括Al、Si、K、Ca、Mn、Fe、Cu、Zn、As、Ba、Pb中的一种或几种;
所述标识气体包括NO2、SO2、CO中的一种或几种。
可选的,所述第二确定模块,用于:
获取排放清单数据,所述排放清单数据包括第二类污染物中每个污染物对应所述每个污染源的排放量;
根据所述第二类污染物中每个污染物对应所述每个污染源的排放量,分别确定第二类污染物中每个污染物在一次来源中的第二占比。
可选的,所述第二确定模块,用于:
根据所述第二类污染物中每个污染物对应所述每个污染源的排放量,确定第二类污染物中每个污染物的总排放量;
对于第二类污染物中每个污染物,计算对应所述每个污染源的排放量与总排放量的比值,确定为在一次来源中的第二占比。
可选的,所述第三确定模块,用于:
对于第二类污染物中的每个污染物,分别确定每个污染源的第一占比与第二占比的差值;
根据所述差值确定二次转化来源的管控目标。
可选的,所述第三确定模块,用于:
如果所述差值大于0,则将所述差值与第一预设阈值进行比较,如果所述差值大于或等于第一预设阈值,则将所述差值对应的污染源对于所述差值对应的污染物的转化确定为二次转化来源的管控目标;
如果所述差值小于0,则将所述差值与第二预设阈值进行比较,如果所述差值小于或等于第二预设阈值,则将所述差值对应的污染源对于所述差值对应的污染物的排放确定为一次转化来源的管控目标。
可选的,所述第三确定模块,用于:
对于第二类污染物中的每个污染物,将每个污染源的第一占比与第二占比进行比较,如果某个污染源的第一占比大于第二占比,则将所述污染源对所述污染物的转化确定为二次转化来源的管控目标;如果某个污染源的第一占比小于第二占比,则将所述污染源对所述污染物的排放确定为一次来源的管控目标。
根据本申请的另一方面,提供了一种电子设备,包括:
处理器;以及
存储程序的存储器,
其中,所述程序包括指令,所述指令在由所述处理器执行时使所述处理器执行上述确定二次转化来源的管控目标的方法。
根据本申请的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行上述确定二次转化来源的管控目标的方法。
本申请可以取得如下有益效果:
本申请可以通过污染物在综合来源中的第一占比和在一次来源中的第二占比,确定二次转化来源的管控目标。这样,可以表征二次转化来源的贡献,进而对于各类污染物均可确定二次转化来源的管控目标,不限于仅由二次转化得到的特定污染物,从而更好地为空气质量管理以及大气污染防治决策提供辅助支撑。
附图说明
在下面结合附图对于示例性实施例的描述中,本申请的更多细节、特征和优点被公开,在附图中:
图1示出了根据本申请示例性实施例的确定二次转化来源的管控目标的方法的流程图;
图2示出了根据本申请示例性实施例的确定二次转化来源的管控目标的装置的示意性框图;
图3示出了能够用于实现本申请的实施例的示例性电子设备的结构框图。
具体实施方式
下面将参照附图更详细地描述本申请的实施例。虽然附图中显示了本申请的某些实施例,然而应当理解的是,本申请可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本申请。应当理解的是,本申请的附图及实施例仅用于示例性作用,并非用于限制本申请的保护范围。
应当理解,本申请的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本申请的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。需要注意,本申请中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本申请中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本申请实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
本申请提供了一种确定二次转化来源的管控目标的方法,该方法可以由终端、服务器和/或其他具备处理能力的设备完成。本申请实施例提供的方法可以由上述任一设备完成,也可以由多个设备共同完成。
下面将参照图1所示的确定二次转化来源的管控目标的方法的流程图,对该方法进行介绍。
步骤101,获取大气中关于第一类污染物的多个样本,基于多个样本以及正定矩阵因子分解法PMF模型,确定多个样本中第一类污染物对应每个污染源的浓度。
可选的,上述第一类污染物可以包括PM2.5组分、离子、金属以及标识气体。其中,PM2.5组分包括NO3 -、SO4 2-、NH4 +、Na+、K+、Mg2+、Ca2+、Cl-、Al、Si、K、Ca;离子包括NO3 -、SO4 2-、NH4 +、Na+、K+、Mg2+、Ca2+、Cl-中的一种或几种;金属包括Al、Si、K、Ca、Mn、Fe、Cu、Zn、As、Ba、Pb中的一种或几种;标识气体包括NO2、SO2、CO中的一种或几种。本实施例对具体的污染物不作限定。
在一种可能的实施方式中,可以通过监测站获取大气中关于第一类污染物的多个样本,该多个样本可以是不同时刻采集的同一位置的大气中第一类污染物的浓度样本,该多个样本可以组成二元矩阵,以下表1进行举例说明,表1中自第二行的数据往下,每一行代表一个样本的数据,某个数据表示某个样本中某个污染物的浓度,每个数据的单位为μg/m3。例如,第2行第1列的数据为70.1,表示第一个样本中PM2.5的浓度为70.1μg/m3。
表1
PMF模型广泛应用于环境空气质量数据的分析,其基本原理如下:
一个特定的数据集可以被看作一个维度为n×m的数据矩阵X,其中测量了n个样本和m种化学物质,就是将特定样本数据的矩阵分解为两个矩阵:因子贡献和因子概况。X和相关矩阵的行和列分别由i和j索引,使PMF建模的目标为确定因子p的数量,每个因子k的物种剖面fk、以及每个因子k对每个个体样本贡献的质量gk的数量,如下式(1):
其中,eij为残差,gk表示因子贡献矩阵的列G,fk表示因子轮廓矩阵f的行数,cij为每个样本/物种的建模部分。
在PMF中,被认为最有用的分析是Q(Robust)和Q(true)的值,以及Q或Q/Qexpected在不同情况下如何变化,例如不同数量的因素或不同的物种包含/排除。如果输入数据的不确定度已经被微调,就会产生有意义的比例残差,那么对Q值的讨论就没有意义,反而在不同情况下Q值得变化对选择不同的解决方案(比如不同因子数)非常有帮助。当Q随因子增加而变化变小时可能说明选区的因子可能太多了。Q值也会影响模型的误差分析,所以要计算Qexpected的值,如果模型所选Q值与预期值显著不同,则说明DISP误差分析无效。PMF的解根据估计的数据不确定性使目标函数Q最小化,如下式(2):
PMF模型中不确定性分析为矩阵F的每个元素存在一个可信的估计范围,这个区间可能包含F的真实值。PMF中的主要不确定性来自模型中的旋转模糊度,因此相同的Q值会对应多个解(G,F)。PMF模型的不确定性主要有三个原因:(1)数据值的随机误差,即测量过程中产生的误差;(2)旋转模糊度;(3)模型误差。
本申请利用剖面的Bootstrap(BS)和Displacement(DISP)误差,在输入文件中加入新变量(污染气体)并评估其主要来源,对环境空气中颗粒物和气态污染物来源贡献值定量,加入污染气体对环境中颗粒物进行贡献值定量,其中包括:利用PM2.5及其化学组分和污染气体作为指示物,对一次排放源和二次排放源的直接贡献进行定量。通过将气体指示物加入模型中,对一次排放、二次排放源和转化所引起的贡献进行分析,从而提高因子谱图识别的准确性。
本申请输入数据包括:物种浓度和不确定性,根据EPA PMF 5.0使用手册对物种浓度、缺失值、浓度低于检出限及不确定性进行预处理,其中不确定性计算公式如下式(3):
其中,cij是第i个样品中第j个变量的浓度;MDL为检出限。污染气体数据来自23小时平均值。根据信噪比(S/N)的值来判断物种种类:strong、weak和bad,其中weak是提供不确定性的三倍,bad将该物种排除在外。对于不确定性的分析,BS运行次数为100次,并且要求映射每个因子占BS运行的80%以上。
需要说明的是,本申请采用的PFM算法即为现有技术中常用的PFM算法,因此,PFM算法的具体运算过程以及原理不做赘述。
基于多个样本和PMF模型,可以得到多个样本中第一类污染物对应每个污染源的浓度,可以用二元矩阵进行描述。以下表2进行举例说明,表2中的数值表示第一类污染物中某个污染物对应因子1的浓度,单位为μg/m3。
表2
输出的结果表示,最终解析得到5个因子,分别为:(1)扬尘源;(2)燃煤源;(3)机动车源;(4)工业源;(5)生物质燃烧源。由于所有解析结果中,相同源有类似的源成分谱特征,根据各个因子中不同物种浓度和贡献比,结合不同污染源排放的主要物种和特征物种,从而判别解析结果中的每个因子所代表的污染源,各个因子的详细解释与分析如下:
(1)因子1中,扬尘源包括道路扬尘和建筑扬尘,其中主要存在Ca、Si、Mg、Fe等占比较高,本申请实施例默认扬尘源主要为一次来源。
(2)因子2中,贡献比较高的物种是Cl-和Na+,通常主要来自燃烧过程.该因子中存在较高NO2、SO2、CO,这几种物质也是主要的燃烧产物,因此将该因子定义为燃烧源。
(3)因子3中,Al、Mn、Fe、Cu、Zn、Ba在因子3中都有较高占比,同时该因子对NO2、CO的贡献较高,因此该因子定义为机动车源。
(4)因子4中,Na+、Mg2+、Ca2+在因子4中占比较高,污染气体占比较少,因此定义为工业源。
(5)因子5中,K+、SO4 2-等特征物种占比较高,同时CO、SO2也有较高的贡献,因此被定义为有生物质燃烧源。
步骤102,根据多个样本中第一类污染物对应每个污染源的浓度,确定第二类污染物中每个污染物分别在综合来源中的第一占比。
其中,综合来源包括一次来源以及二次转化来源。可选的,第二类污染物包括PM2.5组分以及标识气体;PM2.5组分包括NO3 -、SO4 2-、NH4 +、Na+、K+、Mg2+、Ca2+、Cl-、Al、Si、K、Ca;标识气体包括NO2、SO2、CO中的一种或几种。
在一种可能的实施方式中,确定多个样本中第一类污染物对应每个污染源的浓度后,可以采用归一化法定量多个样本中PM2.5和标识气体分别在综合来源中的占比。
具体的,上述步骤102可以包括如下步骤1021-1022。
步骤1021,计算多个样本中PM2.5或标识气体对应综合来源的总浓度。
在一种可能的实施方式中,可以将PM2.5或标识气体对应的每个污染源的浓度做加法运算,即可得到该污染物对应综合来源的总浓度。
举例来说,假设通过上述步骤101得到的多个样本中PM2.5和标识气体对应每个污染源的浓度如下表3所示,则计算PM2.5对应综合来源的总浓度=13.01+14.53+4.10+13.94=45.58。
表3
燃煤源 | 机动车源 | 工业源 | 生物质燃烧源 | |
PM2.5 | 13.01 | 14.53 | 4.10 | 13.94 |
SO2 | 28.03 | 7.05 | 5.66 | 20.56 |
NO2 | 21.39 | 21.51 | 8.40 | 16.14 |
CO | 16.75 | 17.79 | 3.17 | 19.77 |
步骤1022,计算PM2.5或标识气体中每个污染物对应每个污染源的浓度与该污染物对应综合来源的总浓度的比值。
在一种可能的实施方式中,依旧以上述表3为例,计算PM2.5在综合来源中的占比=13.01÷45.58=28.5%。以此类推,可以得到每个污染物分别在综合来源中的占比,如下表4所示。
表4
燃煤源 | 机动车源 | 工业源 | 生物质燃烧源 | |
PM<sub>2.5</sub> | 28.5% | 31.9% | 9.0% | 30.6% |
SO<sub>2</sub> | 45.7% | 11.5% | 9.2% | 33.5% |
NO<sub>2</sub> | 31.7% | 31.9% | 12.5% | 23.9% |
CO | 29.1% | 31.0% | 5.5% | 34.4% |
步骤103,基于获取到的排放清单数据,确定第二类污染物中每个污染物分别在一次来源中的第二占比。
其中,排放清单数据可以包括第二类污染物中每个污染物对应上述每个污染源的排放量。通常认为,排放清单记录的排放量是指一次排放产生的污染物排放量,相应的污染源可以称为一次来源。
可选的,上述步骤103的处理可以如下:获取排放清单数据;根据第二类污染物中每个污染物对应每个污染源的排放量,分别确定第二类污染物中每个污染物在一次来源中的第二占比。
在一种可能的实施方式中,由于步骤102中确定了多个污染源,可以从排放清单的上述多个污染源的相关数据中,获取上述第二类污染物所对应的排放量。
以下表5为例进行举例说明,表5中的数据表示污染源排放对应污染物的排放量,数据的单位为吨。
表5
燃烧源 | 机动车源 | 工业源 | 生物质燃烧源 | |
PM<sub>2.5</sub> | 199 | 671 | 2269 | 545 |
SO<sub>2</sub> | 724 | 377 | 587 | 89 |
NO<sub>2</sub> | 2635 | 14153 | 637 | 263 |
CO | 10599 | 14351 | 46878 | 4993 |
进而,可以确定每个污染源排放污染物的占比。具体的,可以执行如下处理:根据第二类污染物中每个污染物对应每个污染源的排放量,确定第二类污染物中每个污染物的总排放量;对于第二类污染物中每个污染物,计算对应每个污染源的排放量与总排放量的比值,确定为在一次来源中的第二占比。
以上述表5为例,计算SO2的总排放量=724+377+587+89=1777吨,SO2对应燃烧源的占比=724÷1777=40.7%,以此类推,可以得到第二类污染物中每个污染物对应于每个污染源的占比,如下表6所示。
表6
燃烧源 | 机动车源 | 工业源 | 生物质燃烧源 | |
PM<sub>2.5</sub> | 5.4% | 18.2% | 61.6% | 14.8% |
SO<sub>2</sub> | 40.7% | 21.2% | 33.0% | 5.0% |
NO<sub>2</sub> | 14.9% | 80.0% | 3.6% | 1.5% |
CO | 13.8% | 18.7% | 61.0% | 6.5% |
步骤104,基于第一占比和第二占比,确定二次转化来源的管控目标。
确定二次转化来源的管控目标的方法可以有多种,本申请列举以下两种可行的方法:
第一种:对于第二类污染物中的每个污染物,分别确定每个污染源的第一占比与第二占比的差值;根据差值确定二次转化来源的管控目标。
具体的,对于第二类污染物中的每个污染物,分别确定每个污染源的第一占比与第二占比的差值;如果差值大于0,则将差值与第一预设阈值进行比较,如果差值大于或等于第一预设阈值,则将对应的污染源确定为二次转化来源的管控目标;如果差值小于0,则将差值与第二预设阈值进行比较,如果差值小于或等于第二预设阈值,则将对应的污染源确定为一次转化来源的管控目标。
其中,第一预设阈值与第二预设阈值可以根据用户的需求自行设定,本发明实施例对此不作限定。
以上述表4与表6为例进行说明,将表4与表6中对应的数值做减法,即将表4中的数值减去表6中对应的数值,得到差值,如下表7所示。
表7
燃煤源 | 机动车源 | 工业源 | 生物质燃烧源 | |
PM<sub>2.5</sub> | 23.1% | 13.7% | -52.6% | 15.8% |
SO<sub>2</sub> | 5.0% | -9.7% | -23.7% | 28.5% |
NO<sub>2</sub> | 16.8% | -48.1% | 8.9% | 22.4% |
CO | 15.3% | 12.3% | -55.5% | 27.9% |
在该表7中,如果某数值为正数(即差值大于0),说明该数值对应的污染源在排放该数值对应的污染物后,大气中该污染源对该污染物的贡献增大了,进而说明该污染源对该污染物进行了二次转化。该数值可以表征二次转化来源的程度,即,该数值越大,说明该污染源对该污染物进行二次转化的程度越大,由此原理,可以通过该差值确定二次来源的管控目标。将该数值与第一预设阈值进行比较,如果该数值大于第一预设阈值,则说明该污染源对该污染物进行二次转化的程度很大,因此,可以将该数值对应的污染源确定为二次转化来源的管控目标。
如果某数值为正数,但该数值小于第一预设阈值,说明该数值对应的污染源虽然对数值对应的该污染物进行了二次转化,但二次转化的程度很小,几乎可以忽略不计,因此,这种情况可以不将该数值对应的污染源确定为二次转化来源的管控目标。
如果某数值等于0,说明该数值对应的污染源在排放该数值对应的污染物后,在大气中没有变化或变化较小,进而说明该数值对应的污染源对该数值对应的污染物没有进行二次转化或二次转化较少,因此,这种情况无需将该数值对应的污染源确定为二次转化来源的管控目标。
如果某数值小于0,说明该数值对应的污染源在排放该数值对应的污染物后,在大气中该污染物的浓度变小了,进而说明该污染源在排放该污染物时的浓度较大,由此原理,可以根据该数值确定一次来源的管控目标。将该数值与第二预设阈值进行比较,如果该数值小于或等于第二预设阈值,说明该污染源在初始排放该污染物时的浓度非常大,因此,将该数值对应的污染源确定为第一来源的管控目标。
如果某数值小于0,但大于第二预设阈值,说明该数值对应的污染源在初始排放该污染物时的浓度与大气中该污染源对应该污染物的浓度差距不大,这种情况下,可以不将该数值对应的该污染源确定为一次来源的管控目标。
以上述表7为例进行说明,该表7中,假设第一预设阈值为10%,第二预设阈值为-10%,燃煤源对应的差值以及生物质燃烧源对应的差值均为正数且大于10%,机动车源对于PM2.5以及CO对应的差值为正数且大于10%,工业源对于NO2对应的差值为正数且大于10%,工业源对于PM2.5、CO以及SO2对应的差值均为负数且小于10%,机动车源对于NO2对应的差值为负数且小于10%,则可以得出以下管控目标:
将燃煤源和生物质燃烧源对PM2.5和各污染气体的二次转化确定为管控目标;将机动车源对PM2.5以及CO的二次转化确定为管控目标;将工业源对NO2的二次转化确定为管控目标;
将工业源对PM2.5、CO以及SO2的排放确定为一次来源的管控目标,将机动车源对NO2的排放确定为一次来源的管控目标。
第二种:对于第二类污染物中的每个污染物,将每个污染源的第一占比与第二占比进行比较,如果某个污染源的第一占比大于第二占比,则将该污染源对该污染物的转化确定为二次转化来源的管控目标;如果某个污染源的第一占比小于第二占比,则将该污染源对该污染物的排放确定为一次来源的管控目标。
如果某个污染源的第一占比大于第二占比,说明该污染源在排放该对应的污染物后,大气中该污染源对该污染物的贡献增大了,进而说明该污染源对该污染物进行了二次转化,因此,将该污染源对污染物的转化确定为二次转化来源的管控目标。
如果某个污染源的第一占比小于第二占比,说明该污染源在排放该对应的污染物后,大气中该污染源对应该污染物的浓度减小了,进而说明该污染源在初始排放该污染物时的浓度大于大气中该污染源对应该污染物的浓度,进而说明该污染源初始排放该污染物的浓度较高,因此,将该污染源对污染物的排放确定为一次来源的管控目标。
如果某个污染源的第一占比等于第二占比,该数值对应的污染源在排放该数值对应的污染物后,在大气中没有变化或变化较小,进而说明该数值对应的污染源对该数值对应的污染物没有进行二次转化或二次转化较少,因此,这种情况无需将该数值对应的污染源确定为二次转化来源的管控目标。
本申请实施例可以取得如下有益效果:
本申请实施例中,可以通过污染物在综合来源中的第一占比和在一次来源中的第二占比,确定二次转化来源的管控目标。这样,可以表征二次转化来源的贡献,进而对于各类污染物均可确定二次转化来源的管控目标,不限于仅由二次转化得到的特定污染物,从而更好地为空气质量管理以及大气污染防治决策提供辅助支撑。
本申请实施例提供了一种确定二次转化来源的管控目标的装置,该装置用于实现上述确定二次转化来源的管控目标的评估方法。如图2所示的确定二次转化来源的管控目标的装置的示意性框图,确定二次转化来源的管控目标的装置200包括:获取模块201,第一确定模块202,第二确定模块203,第三确定模块204。
获取模块201,用于获取大气中关于第一类污染物的多个样本,基于所述多个样本以及正定矩阵因子分解法PMF模型,确定所述多个样本中第一类污染物对应每个污染源的浓度;
第一确定模块202,用于根据所述多个样本中第一类污染物对应每个污染源的浓度,确定第二类污染物中每个污染物分别在综合来源中的第一占比,其中,所述综合来源包括一次来源以及二次转化来源;
第二确定模块203,用于基于获取到的排放清单数据,确定第二类污染物中每个污染物分别在一次来源中的第二占比;
第三确定模块204,用于基于所述第一占比和所述第二占比,确定二次转化来源的管控目标。
可选的,所述第一类污染物包括PM2.5组分、离子、金属以及标识气体;
所述第二类污染物包括PM2.5组分以及标识气体;
其中,所述PM2.5组分包括NO3 -、SO4 2-、NH4 +、Na+、K+、Mg2+、Ca2+、Cl-、Al、Si、K、Ca;
所述离子包括NO3 -、SO4 2-、NH4 +、Na+、K+、Mg2+、Ca2+、Cl-中的一种或几种;
所述金属包括Al、Si、K、Ca、Mn、Fe、Cu、Zn、As、Ba、Pb中的一种或几种;
所述标识气体包括NO2、SO2、CO中的一种或几种。
可选的,所述第二确定模块203,用于:
获取排放清单数据,所述排放清单数据包括第二类污染物中每个污染物对应所述每个污染源的排放量;
根据所述第二类污染物中每个污染物对应所述每个污染源的排放量,分别确定第二类污染物中每个污染物在一次来源中的第二占比。
可选的,所述第二确定模块203,用于:
根据所述第二类污染物中每个污染物对应所述每个污染源的排放量,确定第二类污染物中每个污染物的总排放量;
对于第二类污染物中每个污染物,计算对应所述每个污染源的排放量与总排放量的比值,确定为在一次来源中的第二占比。
可选的,所述第三确定模块204,用于:
对于第二类污染物中的每个污染物,分别确定每个污染源的第一占比与第二占比的差值;
根据所述差值确定二次转化来源的管控目标。
可选的,所述第三确定模块204,用于:
如果所述差值大于0,则将所述差值与第一预设阈值进行比较,如果所述差值大于或等于第一预设阈值,则将所述差值对应的污染源对于所述差值对应的污染物的转化确定为二次转化来源的管控目标;
如果所述差值小于0,则将所述差值与第二预设阈值进行比较,如果所述差值小于或等于第二预设阈值,则将所述差值对应的污染源对于所述差值对应的污染物的排放确定为一次转化来源的管控目标。
可选的,所述第三确定模块204,用于:
对于第二类污染物中的每个污染物,将每个污染源的第一占比与第二占比进行比较,如果某个污染源的第一占比大于第二占比,则将所述污染源对所述污染物的转化确定为二次转化来源的管控目标;如果某个污染源的第一占比小于第二占比,则将所述污染源对所述污染物的排放确定为一次来源的管控目标。
本申请实施例中,可以通过污染物在综合来源中的第一占比和在一次来源中的第二占比,确定二次转化来源的管控目标。这样,可以表征二次转化来源的贡献,进而对于各类污染物均可确定二次转化来源的管控目标,不限于仅由二次转化得到的特定污染物,从而更好地为空气质量管理以及大气污染防治决策提供辅助支撑。
本申请示例性实施例还提供一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器。所述存储器存储有能够被所述至少一个处理器执行的计算机程序,所述计算机程序在被所述至少一个处理器执行时用于使所述电子设备执行根据本申请实施例的方法。
本申请示例性实施例还提供一种存储有计算机程序的非瞬时计算机可读存储介质,其中,所述计算机程序在被计算机的处理器执行时用于使所述计算机执行根据本申请实施例的方法。
本申请示例性实施例还提供一种计算机程序产品,包括计算机程序,其中,所述计算机程序在被计算机的处理器执行时用于使所述计算机执行根据本申请实施例的方法。
参考图3,现将描述可以作为本申请的服务器或客户端的电子设备300的结构框图,其是可以应用于本申请的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图3所示,电子设备300包括计算单元301,其可以根据存储在只读存储器(ROM)302中的计算机程序或者从存储单元308加载到随机访问存储器(RAM)303中的计算机程序,来执行各种适当的动作和处理。在RAM 303中,还可存储设备300操作所需的各种程序和数据。计算单元301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
电子设备300中的多个部件连接至I/O接口305,包括:输入单元306、输出单元307、存储单元308以及通信单元309。输入单元306可以是能向电子设备300输入信息的任何类型的设备,输入单元306可以接收输入的数字或字符信息,以及产生与电子设备的用户设置和/或功能控制有关的键信号输入。输出单元307可以是能呈现信息的任何类型的设备,并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元308可以包括但不限于磁盘、光盘。通信单元309允许电子设备300通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据,并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组,例如蓝牙设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元301可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元301的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元301执行上文所描述的各个方法和处理。例如,在一些实施例中,确定二次转化来源的管控目标的方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元308。在一些实施例中,计算机程序的部分或者全部可以经由ROM 302和/或通信单元309而被载入和/或安装到电子设备300上。在一些实施例中,计算单元301可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行确定二次转化来源的管控目标的方法。
用于实施本申请的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本申请的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
如本申请使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
Claims (10)
1.一种确定二次转化来源的管控目标的方法,其特征在于,包括:
获取大气中关于第一类污染物的多个样本,基于所述多个样本以及正定矩阵因子分解法PMF模型,确定所述多个样本中第一类污染物对应每个污染源的浓度;
根据所述多个样本中第一类污染物对应每个污染源的浓度,确定第二类污染物中每个污染物分别在综合来源中的第一占比,其中,所述综合来源包括一次来源以及二次转化来源;
基于获取到的排放清单数据,确定第二类污染物中每个污染物分别在一次来源中的第二占比;
基于所述第一占比和所述第二占比,确定二次转化来源的管控目标。
2.根据权利要求1所述的方法,其特征在于,所述第一类污染物包括PM2.5组分、离子、金属以及标识气体;
所述第二类污染物包括PM2.5组分以及标识气体;
其中,所述PM2.5组分包括NO3 -、SO4 2-、NH4 +、Na+、K+、Mg2+、Ca2+、Cl-、Al、Si、K、Ca;
所述离子包括NO3 -、SO4 2-、NH4 +、Na+、K+、Mg2+、Ca2+、Cl-中的一种或几种;
所述金属包括Al、Si、K、Ca、Mn、Fe、Cu、Zn、As、Ba、Pb中的一种或几种;
所述标识气体包括NO2、SO2、CO中的一种或几种。
3.根据权利要求1所述的方法,其特征在于,所述基于获取到的排放清单数据,确定第二类污染物中每个污染物分别在一次来源中的第二占比,包括:
获取排放清单数据,所述排放清单数据包括第二类污染物中每个污染物对应所述每个污染源的排放量;
根据所述第二类污染物中每个污染物对应所述每个污染源的排放量,分别确定第二类污染物中每个污染物在一次来源中的第二占比。
4.根据权利要求3所述的方法,其特征在于,所述根据所述第二类污染物中每个污染物对应所述每个污染源的排放量,分别确定第二类污染物中每个污染物在一次来源中的第二占比,包括:
根据所述第二类污染物中每个污染物对应所述每个污染源的排放量,确定第二类污染物中每个污染物的总排放量;
对于第二类污染物中每个污染物,计算对应所述每个污染源的排放量与总排放量的比值,确定为在一次来源中的第二占比。
5.根据权利要求1所述的方法,其特征在于,所述基于所述第一占比和所述第二占比,确定二次转化来源的管控目标,包括:
对于第二类污染物中的每个污染物,分别确定每个污染源的第一占比与第二占比的差值;
根据所述差值确定二次转化来源的管控目标。
6.根据权利要求5所述的方法,其特征在于,所述根据所述差值确定二次转化来源的管控目标,包括:
如果所述差值大于0,则将所述差值与第一预设阈值进行比较,如果所述差值大于或等于第一预设阈值,则将所述差值对应的污染源对于所述差值对应的污染物的转化确定为二次转化来源的管控目标;
如果所述差值小于0,则将所述差值与第二预设阈值进行比较,如果所述差值小于或等于第二预设阈值,则将所述差值对应的污染源对于所述差值对应的污染物的排放确定为一次转化来源的管控目标。
7.根据权利要求1所述的方法,其特征在于,所述基于所述第一占比和所述第二占比,确定二次转化来源的管控目标,包括:
对于第二类污染物中的每个污染物,将每个污染源的第一占比与第二占比进行比较,如果某个污染源的第一占比大于第二占比,则将所述污染源对所述污染物的转化确定为二次转化来源的管控目标;如果某个污染源的第一占比小于第二占比,则将所述污染源对所述污染物的排放确定为一次来源的管控目标。
8.一种确定二次转化来源的管控目标的装置,其特征在于,所述装置包括:
获取模块,用于获取大气中关于第一类污染物的多个样本,基于所述多个样本以及正定矩阵因子分解法PMF模型,确定所述多个样本中第一类污染物对应每个污染源的浓度;
第一确定模块,用于根据所述多个样本中第一类污染物对应每个污染源的浓度,确定第二类污染物中每个污染物分别在综合来源中的第一占比,其中,所述综合来源包括一次来源以及二次转化来源;
第二确定模块,用于基于获取到的排放清单数据,确定第二类污染物中每个污染物分别在一次来源中的第二占比;
第三确定模块,用于基于所述第一占比和所述第二占比,确定二次转化来源的管控目标。
9.一种电子设备,包括:
处理器;以及
存储程序的存储器,
其中,所述程序包括指令,所述指令在由所述处理器执行时使所述处理器执行根据权利要求1-7中任一项所述的方法。
10.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使计算机执行根据权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210569072.2A CN114974452B (zh) | 2022-05-24 | 2022-05-24 | 一种确定二次转化来源的管控目标的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210569072.2A CN114974452B (zh) | 2022-05-24 | 2022-05-24 | 一种确定二次转化来源的管控目标的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114974452A true CN114974452A (zh) | 2022-08-30 |
CN114974452B CN114974452B (zh) | 2023-03-28 |
Family
ID=82955908
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210569072.2A Active CN114974452B (zh) | 2022-05-24 | 2022-05-24 | 一种确定二次转化来源的管控目标的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114974452B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117116381A (zh) * | 2023-09-08 | 2023-11-24 | 重庆市生态环境科学研究院 | 一种基于受体和化学传输模型综合解析细颗粒物源贡献的方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107402284A (zh) * | 2017-07-13 | 2017-11-28 | 南开大学 | 基于气体标识的大气污染物多元源解析算法 |
CN207016738U (zh) * | 2017-03-29 | 2018-02-16 | 北京金泰瑞和工程科技有限公司 | 煤制气二次转化装置及煤制气制备系统 |
CN110057725A (zh) * | 2019-05-14 | 2019-07-26 | 华北电力大学 | 一种基于硫同位素的大气颗粒物中硫酸盐来源解析方法 |
CN111368401A (zh) * | 2020-02-20 | 2020-07-03 | 南开大学 | 污染源的溯源方法、装置和存储介质 |
CN111739588A (zh) * | 2020-06-19 | 2020-10-02 | 中科三清科技有限公司 | 一种大气污染物来源的解析方法、装置、存储介质及终端 |
CN111899817A (zh) * | 2020-08-04 | 2020-11-06 | 中科三清科技有限公司 | 污染物源解析方法和装置 |
CN112711893A (zh) * | 2020-12-25 | 2021-04-27 | 中科三清科技有限公司 | 污染源对pm2.5贡献计算方法、装置和电子设备 |
CN113393058A (zh) * | 2021-07-14 | 2021-09-14 | 成都佳华物链云科技有限公司 | 污染物管控方法、预测管控方法、实时管控方法及装置 |
CN113672873A (zh) * | 2021-08-25 | 2021-11-19 | 中科三清科技有限公司 | 污染物源解析方法、装置、电子设备及存储介质 |
CN114252463A (zh) * | 2021-12-20 | 2022-03-29 | 北京大学深圳研究生院 | 一种城市大气颗粒物来源解析方法 |
CN114424058A (zh) * | 2019-09-23 | 2022-04-29 | 广州禾信仪器股份有限公司 | 一种VOCs污染的溯源方法 |
-
2022
- 2022-05-24 CN CN202210569072.2A patent/CN114974452B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN207016738U (zh) * | 2017-03-29 | 2018-02-16 | 北京金泰瑞和工程科技有限公司 | 煤制气二次转化装置及煤制气制备系统 |
CN107402284A (zh) * | 2017-07-13 | 2017-11-28 | 南开大学 | 基于气体标识的大气污染物多元源解析算法 |
CN110057725A (zh) * | 2019-05-14 | 2019-07-26 | 华北电力大学 | 一种基于硫同位素的大气颗粒物中硫酸盐来源解析方法 |
CN114424058A (zh) * | 2019-09-23 | 2022-04-29 | 广州禾信仪器股份有限公司 | 一种VOCs污染的溯源方法 |
CN111368401A (zh) * | 2020-02-20 | 2020-07-03 | 南开大学 | 污染源的溯源方法、装置和存储介质 |
CN111739588A (zh) * | 2020-06-19 | 2020-10-02 | 中科三清科技有限公司 | 一种大气污染物来源的解析方法、装置、存储介质及终端 |
CN111899817A (zh) * | 2020-08-04 | 2020-11-06 | 中科三清科技有限公司 | 污染物源解析方法和装置 |
CN112711893A (zh) * | 2020-12-25 | 2021-04-27 | 中科三清科技有限公司 | 污染源对pm2.5贡献计算方法、装置和电子设备 |
CN113393058A (zh) * | 2021-07-14 | 2021-09-14 | 成都佳华物链云科技有限公司 | 污染物管控方法、预测管控方法、实时管控方法及装置 |
CN113672873A (zh) * | 2021-08-25 | 2021-11-19 | 中科三清科技有限公司 | 污染物源解析方法、装置、电子设备及存储介质 |
CN114252463A (zh) * | 2021-12-20 | 2022-03-29 | 北京大学深圳研究生院 | 一种城市大气颗粒物来源解析方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117116381A (zh) * | 2023-09-08 | 2023-11-24 | 重庆市生态环境科学研究院 | 一种基于受体和化学传输模型综合解析细颗粒物源贡献的方法 |
CN117116381B (zh) * | 2023-09-08 | 2024-05-03 | 重庆市生态环境科学研究院 | 一种基于受体和化学传输模型综合解析细颗粒物源贡献的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114974452B (zh) | 2023-03-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111798932B (zh) | 一种污染物监测数据的处理方法、装置、存储介质及终端 | |
CN111368401A (zh) | 污染源的溯源方法、装置和存储介质 | |
CN110489785B (zh) | 一种大气污染物在线源解析方法及系统 | |
CN107944213B (zh) | Pmf在线源解析方法、系统、终端设备及计算机可读存储介质 | |
CN111798928B (zh) | 大气颗粒物污染源解析方法和装置 | |
CN114329245A (zh) | 一种空气污染的溯源方法、装置、服务器及存储介质 | |
CN112669190B (zh) | 污染源异常排放行为的检测方法、装置及计算机设备 | |
CN112967764B (zh) | 多技术耦合的污染物源解析方法、装置 | |
CN111930864B (zh) | 基于监测数据的网格化清单优化方法和装置 | |
CN115271547B (zh) | 臭氧污染的源解析方法、装置和电子设备 | |
CN114974452B (zh) | 一种确定二次转化来源的管控目标的方法和装置 | |
CN117116381B (zh) | 一种基于受体和化学传输模型综合解析细颗粒物源贡献的方法 | |
CN116087044A (zh) | 一种基于cmb模型的pm2.5在线来源解析方法及设备 | |
CN115330153A (zh) | 一种重金属污染土壤治理修复决策方法 | |
CN114819696A (zh) | 确定污染物浓度影响因素的方法、装置及电子设备 | |
CN114896783A (zh) | 空气质量改善效果的评估方法和装置 | |
CN114091863B (zh) | 园区内目标对象挥发性有机物污染等级的评估方法和装置 | |
CN115791537A (zh) | 基于同位素的颗粒物在线源解析方法、系统、设备及介质 | |
CN115271258A (zh) | 臭氧主控污染物的预测方法、装置及电子设备 | |
CN117058549B (zh) | 一种多行业二次污染动态来源解析系统及解析方法 | |
CN116109323B (zh) | 臭氧污染溯源方法、装置、设备及存储介质 | |
CN116089771A (zh) | 一种颗粒物来源分析方法、装置、终端及存储介质 | |
CN112557605B (zh) | 应用于钢铁厂区的污染排放源识别方法、装置及可存储介质 | |
CN115705510A (zh) | 厂区气体污染分布预测方法、系统、电子设备及存储介质 | |
CN113610344A (zh) | 一种污染预警方法、装置、电子设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |