CN115409483A - 一种针对大气污染源的追溯方法及系统 - Google Patents
一种针对大气污染源的追溯方法及系统 Download PDFInfo
- Publication number
- CN115409483A CN115409483A CN202211069880.9A CN202211069880A CN115409483A CN 115409483 A CN115409483 A CN 115409483A CN 202211069880 A CN202211069880 A CN 202211069880A CN 115409483 A CN115409483 A CN 115409483A
- Authority
- CN
- China
- Prior art keywords
- target
- pollution source
- information
- real
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 122
- 231100000719 pollutant Toxicity 0.000 claims abstract description 122
- 238000012544 monitoring process Methods 0.000 claims abstract description 104
- 230000009194 climbing Effects 0.000 claims abstract description 17
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 13
- 238000012216 screening Methods 0.000 claims abstract description 9
- 239000000523 sample Substances 0.000 claims description 18
- 230000007613 environmental effect Effects 0.000 claims description 17
- 239000000446 fuel Substances 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000012795 verification Methods 0.000 claims description 4
- 238000012806 monitoring device Methods 0.000 abstract description 7
- 238000005516 engineering process Methods 0.000 abstract description 2
- 230000000694 effects Effects 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 5
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 4
- 229910002091 carbon monoxide Inorganic materials 0.000 description 4
- 239000000356 contaminant Substances 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000011109 contamination Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 239000004753 textile 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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project 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
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
-
- 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)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种计算机技术，揭露了一种针对大气污染源的追溯方法及系统。本发明通过采集目标区域的基础信息并组建目标基础信息集，其中包括工业企业信息、交通道路信息；组建得到污染源排放清单；组建污染物类型集，其中包括多种污染物，遍历得到污染物遍历结果；筛选得到所述多种污染物的多个污染源位置，提取所述多个污染源位置的任意一个污染源位置，并将任意一个污染源位置作为初始监测位置；将智能监测设备置于初始监测位置，利用爬山溯源算法原理监测得到实时监测数据，并分析进行目标区域的污染源追溯。相较于现有技术，本发明提高污染源的追溯及时性、准确性，从而提高污染事故应急处置的针对性、有效性，最终保障大气环境安全。
Description
技术领域
本发明涉及计算机技术领域，特别涉及一种针对大气污染源的追溯方法及系统。
背景技术
随着经济的迅速发展和科学技术的高速发展，人类生产经营活动所带来的大气环境风险不断加剧。现有技术对污染源的追溯效率不高，同时追溯的污染源位置准确性不高，导致相关人员无法快速地针对污染源进行个性化防治措施制定，从而影响大气环境质量。因此，大气污染事故发生以后及时快速确定事故污染源的位置，对于制定有效的大气污染事故应急处置和大气污染物溯源方案具有重要的现实意义。总体来说，现有方法的缺陷在于，无法对复杂大气污染事故进行快速、准确的污染源追溯。
因此，如何提高污染源的追溯及时性、准确性，进而提高污染事故应急处置的针对性、有效性，最终保障大气环境安全，成为一个亟待解决的问题。
发明内容
本发明的主要目的是提供一种针对大气污染源的追溯方法及系统，旨在提高污染源的追溯及时性、准确性，进而提高污染事故应急处置的针对性、有效性，最终保障大气环境安全。
为实现上述目的，本发明提出一种针对大气污染源的追溯方法，包括如下步骤：
信息采集步骤：采集目标区域的基础信息并组建目标基础信息集，其中，所述目标基础信息集包括工业企业信息、交通道路信息；
清单获得步骤：根据所述工业企业信息构建工业企业源排放清单，根据所述交通道路信息构建交通道路源排放清单，并组建得到所述目标区域的污染源排放清单；
遍历分析步骤：组建污染物类型集，其中，所述污染物类型集包括多种污染物，将所述多种污染物在所述污染源排放清单中进行遍历，得到污染物遍历结果；
位置确定步骤：对所述污染物遍历结果进行筛选得到所述多种污染物的多个污染源位置，提取所述多个污染源位置的任意一个污染源位置，并将所述任意一个污染源位置作为初始监测位置；
监测追溯步骤：将智能监测设备置于所述初始监测位置，利用爬山溯源算法原理监测得到实时监测数据，并通过分析所述实时监测数据进行所述目标区域的污染源追溯。
此外，为实现上述目的，本发明还提出一种针对大气污染源的追溯系统，所述一种针对大气污染源的追溯系统包括存储器和处理器，其特征在于，所述存储器上存储有一种针对大气污染源的追溯程序，所述一种针对大气污染源的追溯程序被所述处理器执行时实现如下步骤：
信息采集步骤：采集目标区域的基础信息并组建目标基础信息集，其中，所述目标基础信息集包括工业企业信息、交通道路信息；
清单获得步骤：根据所述工业企业信息构建工业企业源排放清单，根据所述交通道路信息构建交通道路源排放清单，并组建得到所述目标区域的污染源排放清单；
遍历分析步骤：组建污染物类型集，其中，所述污染物类型集包括多种污染物，将所述多种污染物在所述污染源排放清单中进行遍历，得到污染物遍历结果；
位置确定步骤：对所述污染物遍历结果进行筛选得到所述多种污染物的多个污染源位置，提取所述多个污染源位置的任意一个污染源位置，并将所述任意一个污染源位置作为初始监测位置；
监测追溯步骤：将智能监测设备置于所述初始监测位置，利用爬山溯源算法原理监测得到实时监测数据，并通过分析所述实时监测数据进行所述目标区域的污染源追溯。
此外，为实现上述目的，本发明还提出一种计算机设备，其中，包括处理器和存储器；
所述处理器，用于处理执行所述的针对大气污染源的追溯方法；
所述存储器，所述存储器与所述处理器耦合，用于存储所述针对大气污染源的追溯程序，当所述程序被所述处理器执行时，使系统以执行所述针对大气污染源的追溯方法的步骤。
此外，为实现上述目的，本发明还提出一种计算机可读存储介质，其中，所述计算机可读存储介质存储有针对大气污染源的追溯程序，所述针对大气污染源的追溯程序可被至少一个处理器执行，以使所述至少一个处理器执行如上述任一项所述的针对大气污染源的追溯方法的步骤。
本发明采集目标区域的基础信息并组建目标基础信息集，其中，所述目标基础信息集包括工业企业信息、交通道路信息；根据所述工业企业信息构建工业企业源排放清单，根据所述交通道路信息构建交通道路源排放清单，并组建得到所述目标区域的污染源排放清单；组建污染物类型集，其中，所述污染物类型集包括多种污染物，将所述多种污染物在所述污染源排放清单中进行遍历，得到污染物遍历结果；对所述污染物遍历结果进行筛选得到所述多种污染物的多个污染源位置，提取所述多个污染源位置的任意一个污染源位置，并将所述任意一个污染源位置作为初始监测位置；将智能监测设备置于所述初始监测位置，利用爬山溯源算法原理监测得到实时监测数据，并通过分析所述实时监测数据进行所述目标区域的污染源追溯。相较于现有技术，本发明通过采集并分析目标区域的基础信息，得到目标区域历史大气污染的污染源排放清单，达到了为后续初步确定污染源追溯的初始监测位置提供数据依据的技术效果。通过爬山溯源算法对初始监测位置进行迭代溯源，实现了对目标区域的大气污染源进行智能追溯的目标，达到了提高污染源的追溯及时性、准确性，从而提高污染事故应急处置的针对性、有效性，最终保障大气环境安全的技术效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。
图1为本发明针对大气污染源的追溯方法的流程示意图；
图2为本发明针对大气污染源的追溯方法中对工业企业源排放清单进行特征校验的流程示意图；
图3为本发明针对大气污染源的追溯方法中将目标初始监测位置作为初始监测位置的流程示意图；
图4为本发明针对大气污染源的追溯方法中将彼时智能监测设备所在的位置作为污染源的流程示意图；
图5为本发明针对大气污染源的追溯方法中结束迭代的流程示意图；
图6为本发明针对大气污染源的追溯程序的运行环境示意图；
图7为本发明针对大气污染源的追溯程序的程序模块图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
实施例一
本发明提出一种针对大气污染源的追溯方法。
如图1所示，图1为本发明针对大气污染源的追溯方法的流程示意图。
本实施例中，该方法包括：
S100：采集目标区域的基础信息并组建目标基础信息集，其中，所述目标基础信息集包括工业企业信息、交通道路信息；
所述目标区域是指利用针对大气污染源的追溯系统进行污染源追溯分析的任意一个区域范围，示范性的如一个城市、一片草原、一个厂区等等。首先对所述目标区域的相关基本信息进行采集，从而得到所述目标基础信息集。其中，所述目标基础信息集包括工业企业信息、交通道路信息。其中，所述工业企业信息是指所述目标区域中开设的所有工业企业，如生产制造行业的纺织厂、钢铁厂，石化行业、水泥工业、铸造工业、煤炭厂等等。所述交通道路信息是指所述目标区域中的所有交通道路，如铁路、高速公路、水路等等各类交通道路及其地理位置、长度、车流量等相关数据信息。通过采集目标区域中的相关工业、道路信息，为后续分析目标区域中的污染来源提供数据基础。
S200：根据所述工业企业信息构建工业企业源排放清单，根据所述交通道路信息构建交通道路源排放清单，并组建得到所述目标区域的污染源排放清单；
本实施例中，上述S200，包括：
提取所述工业企业信息中的目标工业企业的目标工业企业信息；
基于所述目标工业企业信息，获得所述目标工业企业的燃料消耗量；
获得第一预设因子排放率，并结合所述燃料消耗量计算得到所述目标工业企业的第一因子排放量，其中，所述第一因子排放量的计算公式如下：
ei＝Ei×f
其中，所述ei是指所述目标工业企业的所述第一因子排放量，所述i是指所述目标工业企业，所述Ei是指所述目标工业企业的所述燃料消耗量，所述 f是指所述第一预设因子排放率；
根据所述第一因子排放量构建所述工业企业源排放清单。
本实施例中，还包括：
提取所述交通道路信息中的目标交通道路信息；
根据所述目标交通道路信息，得到目标交通道路的目标车流量、目标道路长；
获得第二预设因子排放率，并结合所述目标车流量计算得到所述目标交通道路的第二因子排放量，其中，所述第二因子排放量的计算公式如下：
ej＝Lj×f′×Qj
其中，所述ej是指所述目标交通道路的所述第二因子排放量，所述j是指所述目标交通道路，所述Lj是指所述目标交通道路的所述目标道路长，所述 f′是指所述第二预设因子排放率，所述Qj是指所述目标交通道路的所述目标车流量；
根据所述第二因子排放量构建所述交通道路源排放清单，并与所述工业企业源排放清单进行加和计算得到所述污染源排放清单。
如图2所示，本实施例中，还包括：
基于大数据获得所述目标工业企业的环境管理数据，其中，所述环境管理数据包括历史环评报告、历史排污许可；
依次提取所述历史环评报告中的环评指标特征，所述历史排污许可中的排污指标特征；
基于所述环评指标特征、所述排污指标特征，对所述工业企业源排放清单进行特征校验。
在根据所述工业企业信息构建工业企业源排放清单时，首先提取所述工业企业信息中的目标工业企业的目标工业企业信息。其中，所述目标工业企业是指所述目标区域中的任意一个企业。所述目标工业企业信息是指所述目标工业企业的所有基本数据信息，示范性的如企业的地理位置、占地面积、工厂划分、企业主要生产产品、历史产排污情况等等。然后，基于所述目标工业企业信息获得所述目标工业企业的燃料消耗量。其中，所述燃料消耗量是指所述目标工业企业在单位时间内的燃料消耗量，即满足目标工业企业正常生产作业需要消耗的能源总量。此外，基于大数据采集并分析获得第一预设因子排放率。其中，所述第一预设因子排放率是指要计算的目标生产企业排放的任意一种污染物因子的排放率，可结合历史燃料消耗及对应污染物因子排量数据进行综合分析后提前设置。示范性的如某工厂历史每燃烧燃料 10kg即产生一氧化碳污染物0.1g，则对于该工厂来说，一氧化碳污染物的因子排放率即为0.00001。最后，结合所述燃料消耗量计算得到所述目标工业企业的第一因子排放量，其中，所述第一因子排放量的计算公式如下：
ei＝Ei×f
其中，所述ei是指所述目标工业企业的所述第一因子排放量，所述i是指所述目标工业企业，所述Ei是指所述目标工业企业的所述燃料消耗量，所述 f是指所述第一预设因子排放率。
基于所述第一因子排放量组建所述工业企业源排放清单。其中，所述工业企业源排放清单包括所述目标工业企业排放的所有污染物因子的具体数量及排放时间、排放位置等信息。
进一步的，在组建得到所述工业企业源排放清单后，再次通过网络搜索等方式采集所述目标工业企业的历史环境管理数据，即所述环境管理数据。其中，所述环境管理数据包括历史环评报告、历史排污许可。其中，所述历史环评报告为相关部门通过大量采集和分析后得到的所述目标工业企业的基础数据，包括企业位置、产品种类、各工序产排污情况、燃料使用类型及其使用总量等数据。所述历史排污许可中详细的使用管理台账记录及执行报告等信息，对所述目标工业企业的产品产能、原辅料使用类型及用量、末端治理设施、排气筒参数等有详细的记录。接着，依次提取所述历史环评报告中的环评指标特征，所述历史排污许可中的排污指标特征，并将各个指标特征依次与目标工业企业信息进行对比分析。当所述环评指标特征、所述排污指标特征与目标工业企业信息的特征误差率较大，不在正常范围内，如误差率超过60％时，说明企业相关数据异常，应当重新调查该企业的相关数据，确保信息准确有效。当所述环评指标特征、所述排污指标特征与目标工业企业信息的特征误差率在正常范围内时，说明企业相关数据正常，此时基于所述环评指标特征、所述排污指标特征，对所述工业企业源排放清单进行特征校验。达到了提高工业企业源排放清单的可靠性和有效性的技术效果。
接下来，根据所述交通道路信息构建交通道路源排放清单。首先提取所述交通道路信息中的目标交通道路信息，并根据所述目标交通道路信息，得到目标交通道路的目标车流量、目标道路长。然后，基于大数据采集目标区域历史车流量、车污染物排放等相关数据，并分析获得第二预设因子排放率。示范性的如某车型在目标交通道路上行驶完全程排放的污染物中，某污染物因子的数量。进而结合所述目标车流量计算得到所述目标交通道路的第二因子排放量，其中，所述第二因子排放量的计算公式如下：
ej＝Lj×f′×Qj
其中，所述ej是指所述目标交通道路的所述第二因子排放量，所述j是指所述目标交通道路，所述Lj是指所述目标交通道路的所述目标道路长，所述 f′是指所述第二预设因子排放率，所述Qj是指所述目标交通道路的所述目标车流量。根据所述第二因子排放量构建所述交通道路源排放清单，并与所述工业企业源排放清单进行加和计算得到所述污染源排放清单。
最后，根据所述第二因子排放量构建所述交通道路源排放清单，并与所述工业企业源排放清单中对应类型的污染物进行加和，具体包括污染物排放时间、污染物类型一致时进行加和计算得到所述污染源排放清单，达到了为后续分析目标区域中的污染源位置提供数据依据，提高污染源追溯及时性的技术效果。
S300：组建污染物类型集，其中，所述污染物类型集包括多种污染物，将所述多种污染物在所述污染源排放清单中进行遍历，得到污染物遍历结果；
S400：对所述污染物遍历结果进行筛选得到所述多种污染物的多个污染源位置，提取所述多个污染源位置的任意一个污染源位置，并将所述任意一个污染源位置作为初始监测位置；
如图3所示，本实施例中，上述S400，还包括：
获得目标污染物；
提取所述污染物遍历结果中所述目标污染物的目标遍历结果；
根据所述目标遍历结果，得到所述目标污染物的多个目标污染源位置；
对所述多个目标污染源位置进行分析，并根据分析结果确定所述目标污染物的目标初始监测位置；
将所述目标初始监测位置作为所述初始监测位置。
所述污染物类型集包括会对大气产生污染的所有类型的污染物因子，示范性的如污染物CO、NOx、PM、VOC、NH3、SO等等。将大气中可能出现的各类污染物依次在所述目标区域的所述污染源排放清单中进行遍历，并得到污染物遍历结果。进一步根据所述污染物遍历结果即可得到所述目标区域的大气中存在的污染物的类型，即得到所述多种污染物。进而，依次分析并匹配所述多种污染物的多个污染源位置。其中，每种污染物存在一个或多个污染物位置。示范性的如某厂区中多个工厂均排放一氧化碳污染物，则一氧化碳污染物对应多个污染源位置。接着，提取所述多个污染源位置的任意一个污染源位置。也就是说，获得想要追溯污染源的目标污染物，并提取所述污染物遍历结果中所述目标污染物的目标遍历结果。然后根据所述目标遍历结果，得到所述目标污染物的多个目标污染源位置。进而，对所述多个目标污染源位置进行分析，并根据分析结果，将污染最严重，即排放所述目标污染物量最大的污染源的位置作为所述目标污染物的目标初始监测位置。
S500：将智能监测设备置于所述初始监测位置，利用爬山溯源算法原理监测得到实时监测数据，并通过分析所述实时监测数据进行所述目标区域的污染源追溯。
如图4所示，本实施例中，上述S500，还包括：
获得所述智能监测设备，其中，所述智能监测设备包括第一智能探头、第二智能探头；
依次获得所述第一智能探头、所述第二智能探头的位置信息，分别记作第一位置、第二位置；
通过所述第一智能探头、所述第二智能探头得到第一实时监测数据、第二实时监测数据，其中，所述第一实时监测数据与所述第一位置、所述第二实时监测数据与所述第二位置具备对应关系；
若所述第二实时监测数据大于所述第一实时监测数据，将所述智能监测设备偏移至所述第二位置；
继续迭代至满足预设阈值时结束迭代，并将彼时所述智能监测设备所在的位置作为污染源。
如图5所示，本实施例中，上述S500，还包括：
采集所述智能监测设备的实时邻近位置集，其中，所述实时邻近位置集包括三个实时位置信息；
基于所述三个实时位置信息构建实时外切圆；
计算所述实时外切圆的面积，得到实时外切圆面积；
若所述实时外切圆面积满足所述预设阈值，结束迭代。
首先获得所述智能监测设备，其中，所述智能监测设备包括第一智能探头、第二智能探头，且所述第一智能探头与所述第二智能探头之间存在预定距离，分别记作第一位置、第二位置。然后，将所述智能监测设备放置于所述初始监测位置，从而所述第一智能探头与所述第二智能探头分别测得两个污染物监测数据，即得到第一实时监测数据、第二实时监测数据，其中，所述第一实时监测数据与所述第一位置、所述第二实时监测数据与所述第二位置具备对应关系。进一步，若所述第二实时监测数据大于所述第一实时监测数据，基于爬山溯源算法原理将所述智能监测设备偏移至所述第二位置，继续迭代至满足预设阈值时结束迭代。爬山算法的提出是受到了爬山行为的启发，模拟整个爬山的过程。随机选择一个位置作为登山的起点；每次拿感知范围内相邻点与当前点进行比较，取两者中较优者，作为登山的下一步，确保每一步都朝着更高的方向移动；重复步骤直至该点的邻近点中不再有比其大的点；就判断该点是本次爬山的顶点，即达山顶。主要思想就是在临近的空间中选择最优解作为当前解，不断迭代直到得到全局最优解。具体来说，采集所述智能监测设备的实时邻近位置集，其中，所述实时邻近位置集包括三个实时位置信息。接着基于所述三个实时位置信息构建实时外切圆，进而计算所述实时外切圆的面积，得到实时外切圆面积。通过将所述实时外切圆面积与所述预设阈值进行对比，当所述实时外切圆面积满足所述预设阈值时，说明此时智能监测设备在某位置小范围内来回运动，即说明已经搜索到了污染源，因此结束迭代。最后将彼时所述智能监测设备所在的位置作为污染源。
本发明采集目标区域的基础信息并组建目标基础信息集，其中，所述目标基础信息集包括工业企业信息、交通道路信息；根据所述工业企业信息构建工业企业源排放清单，根据所述交通道路信息构建交通道路源排放清单，并组建得到所述目标区域的污染源排放清单；组建污染物类型集，其中，所述污染物类型集包括多种污染物，将所述多种污染物在所述污染源排放清单中进行遍历，得到污染物遍历结果；对所述污染物遍历结果进行筛选得到所述多种污染物的多个污染源位置，提取所述多个污染源位置的任意一个污染源位置，并将所述任意一个污染源位置作为初始监测位置；将智能监测设备置于所述初始监测位置，利用爬山溯源算法原理监测得到实时监测数据，并通过分析所述实时监测数据进行所述目标区域的污染源追溯。相较于现有技术，本发明通过采集并分析目标区域的基础信息，得到目标区域历史大气污染的污染源排放清单，达到了为后续初步确定污染源追溯的初始监测位置提供数据依据的技术效果。通过爬山溯源算法对初始监测位置进行迭代溯源，实现了对目标区域的大气污染源进行智能追溯的目标，达到了提高污染源的追溯及时性、准确性，从而提高污染事故应急处置的针对性、有效性，最终保障大气环境安全的技术效果。
实施例二
本发明提出一种针对大气污染源的追溯程序。
请参阅图6，是本发明针对大气污染源的追溯程序10的运行环境示意图。
在本实施例中，针对大气污染源的追溯程序10安装并运行于电子装置1 中。电子装置1可以是桌上型计算机、笔记本、掌上电脑及服务器等计算设备。该电子装置1可包括，但不仅限于，存储器11、处理器12及显示器13。图6仅示出了具有组件11-13的电子装置1，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
存储器11在一些实施例中可以是电子装置1的内部存储单元，例如该电子装置1的硬盘或内存。存储器11在另一些实施例中也可以是电子装置1的外部存储设备，例如电子装置1上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(SecureDigital，SD)卡，闪存卡(Flash Card) 等。进一步地，存储器11还可以既包括电子装置1的内部存储单元也包括外部存储设备。存储器11用于存储安装于电子装置1的应用软件及各类数据，例如针对大气污染源的追溯程序10的程序代码等。存储器11还可以用于暂时地存储已经输出或者将要输出的数据。
处理器12在一些实施例中可以是一中央处理器(Central Processing Unit，CPU)，微处理器或其他数据处理芯片，用于运行存储器11中存储的程序代码或处理数据，例如执行针对大气污染源的追溯程序10等。
显示器13在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。显示器13用于显示在电子装置1中处理的信息以及用于显示可视化的用户界面。电子装置1的部件11-13通过程序总线相互通信。
请参阅图7，是本发明针对大气污染源的追溯程序10的程序模块图。
在本实施例中，针对大气污染源的追溯程序10可以被分割成一个或多个模块，一个或者多个模块被存储于存储器11中，并由一个或多个处理器(本实施例为处理器12)所执行，以完成本发明。例如，在图7中，针对大气污染源的追溯程序10可以被分割成信息采集模块101、清单获得模块102、遍历分析模块103、位置确定模块104、监测追溯模块105。本发明所述的模块是指能够完成特定功能的一系列计算机程序指令段，比程序更适合于描述针对大气污染源的追溯程序10在电子装置1中的执行过程，其中：
信息采集步骤101：采集目标区域的基础信息并组建目标基础信息集，其中，所述目标基础信息集包括工业企业信息、交通道路信息；
清单获得步骤102：根据所述工业企业信息构建工业企业源排放清单，根据所述交通道路信息构建交通道路源排放清单，并组建得到所述目标区域的污染源排放清单；
遍历分析步骤103：组建污染物类型集，其中，所述污染物类型集包括多种污染物，将所述多种污染物在所述污染源排放清单中进行遍历，得到污染物遍历结果；
位置确定步骤104：对所述污染物遍历结果进行筛选得到所述多种污染物的多个污染源位置，提取所述多个污染源位置的任意一个污染源位置，并将所述任意一个污染源位置作为初始监测位置；
监测追溯步骤105：将智能监测设备置于所述初始监测位置，利用爬山溯源算法原理监测得到实时监测数据，并通过分析所述实时监测数据进行所述目标区域的污染源追溯。
实施例三
本申请还提供一种电子设备，其中，包括处理器和存储器；
该处理器，用于处理执行上述实施例一中任一项所述针对大气污染源的追溯方法的步骤；
该存储器，该存储器与该处理器耦合，用于存储程序，当针对大气污染源的追溯程序被该处理器执行时，使系统以执行上述任一项针对大气污染源的追溯方法的步骤。
实施例四
进一步地，本发明还提出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针对大气污染源的追溯程序，所述针对大气污染源的追溯程序可被至少一个处理器执行，以使所述至少一个处理器执行上述任一实施例中的针对大气污染源的追溯方法。
以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是在本发明的发明构思下，利用本发明说明书及附图内容所作的等效结构变换，或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。
Claims (10)
1.一种针对大气污染源的追溯方法，其特征在于，包括：
信息采集步骤：采集目标区域的基础信息并组建目标基础信息集，其中，所述目标基础信息集包括工业企业信息、交通道路信息；
清单获得步骤：根据所述工业企业信息构建工业企业源排放清单，根据所述交通道路信息构建交通道路源排放清单，并组建得到所述目标区域的污染源排放清单；
遍历分析步骤：组建污染物类型集，其中，所述污染物类型集包括多种污染物，将所述多种污染物在所述污染源排放清单中进行遍历，得到污染物遍历结果；
位置确定步骤：对所述污染物遍历结果进行筛选得到所述多种污染物的多个污染源位置，提取所述多个污染源位置的任意一个污染源位置，并将所述任意一个污染源位置作为初始监测位置；
监测追溯步骤：将智能监测设备置于所述初始监测位置，利用爬山溯源算法原理监测得到实时监测数据，并通过分析所述实时监测数据进行所述目标区域的污染源追溯。
2.根据权利要求1所述的追溯方法，其特征在于，所述清单获得步骤，包括：
提取所述工业企业信息中的目标工业企业的目标工业企业信息；
基于所述目标工业企业信息，获得所述目标工业企业的燃料消耗量；
获得第一预设因子排放率，并结合所述燃料消耗量计算得到所述目标工业企业的第一因子排放量，其中，所述第一因子排放量的计算公式如下：
ei＝Ei×f
其中，所述ei是指所述目标工业企业的所述第一因子排放量，所述i是指所述目标工业企业，所述Ei是指所述目标工业企业的所述燃料消耗量，所述f是指所述第一预设因子排放率；
根据所述第一因子排放量构建所述工业企业源排放清单。
3.根据权利要求2所述的追溯方法，其特征在于，还包括：
提取所述交通道路信息中的目标交通道路信息；
根据所述目标交通道路信息，得到目标交通道路的目标车流量、目标道路长；
获得第二预设因子排放率，并结合所述目标车流量计算得到所述目标交通道路的第二因子排放量，其中，所述第二因子排放量的计算公式如下：
ej＝Lj×f′×Qj
其中，所述ej是指所述目标交通道路的所述第二因子排放量，所述j是指所述目标交通道路，所述Lj是指所述目标交通道路的所述目标道路长，所述f′是指所述第二预设因子排放率，所述Qj是指所述目标交通道路的所述目标车流量；
根据所述第二因子排放量构建所述交通道路源排放清单，并与所述工业企业源排放清单进行加和计算得到所述污染源排放清单。
4.根据权利要求3所述的追溯方法，其特征在于，在所述根据所述第二因子排放量构建所述交通道路源排放清单，并与所述工业企业源排放清单进行加和计算得到所述污染源排放清单之前，还包括：
基于大数据获得所述目标工业企业的环境管理数据，其中，所述环境管理数据包括历史环评报告、历史排污许可；
依次提取所述历史环评报告中的环评指标特征，所述历史排污许可中的排污指标特征；
基于所述环评指标特征、所述排污指标特征，对所述工业企业源排放清单进行特征校验。
5.根据权利要求1所述的追溯方法，其特征在于，所述位置确定步骤，包括：
获得目标污染物；
提取所述污染物遍历结果中所述目标污染物的目标遍历结果；
根据所述目标遍历结果，得到所述目标污染物的多个目标污染源位置；
对所述多个目标污染源位置进行分析，并根据分析结果确定所述目标污染物的目标初始监测位置；
将所述目标初始监测位置作为所述初始监测位置。
6.根据权利要求1所述的追溯方法，其特征在于，所述监测追溯步骤，包括：
获得所述智能监测设备，其中，所述智能监测设备包括第一智能探头、第二智能探头；
依次获得所述第一智能探头、所述第二智能探头的位置信息，分别记作第一位置、第二位置；
通过所述第一智能探头、所述第二智能探头得到第一实时监测数据、第二实时监测数据，其中，所述第一实时监测数据与所述第一位置、所述第二实时监测数据与所述第二位置具备对应关系；
若所述第二实时监测数据大于所述第一实时监测数据，将所述智能监测设备偏移至所述第二位置；
继续迭代至满足预设阈值时结束迭代，并将彼时所述智能监测设备所在的位置作为污染源。
7.根据权利要求6所述的追溯方法，其特征在于，所述继续迭代至满足预设阈值时结束迭代，包括：
采集所述智能监测设备的实时邻近位置集，其中，所述实时邻近位置集包括三个实时位置信息；
基于所述三个实时位置信息构建实时外切圆；
计算所述实时外切圆的面积，得到实时外切圆面积；
若所述实时外切圆面积满足所述预设阈值，结束迭代。
8.一种针对大气污染源的追溯系统，所述针对大气污染源的追溯系统包括存储器和处理器，其特征在于，所述存储器上存储有针对大气污染源的追溯程序，所述针对大气污染源的追溯程序被所述处理器执行时实现如下步骤：
信息采集步骤：采集目标区域的基础信息并组建目标基础信息集，其中，所述目标基础信息集包括工业企业信息、交通道路信息；
清单获得步骤：根据所述工业企业信息构建工业企业源排放清单，根据所述交通道路信息构建交通道路源排放清单，并组建得到所述目标区域的污染源排放清单；
遍历分析步骤：组建污染物类型集，其中，所述污染物类型集包括多种污染物，将所述多种污染物在所述污染源排放清单中进行遍历，得到污染物遍历结果；
位置确定步骤：对所述污染物遍历结果进行筛选得到所述多种污染物的多个污染源位置，提取所述多个污染源位置的任意一个污染源位置，并将所述任意一个污染源位置作为初始监测位置；
监测追溯步骤：将智能监测设备置于所述初始监测位置，利用爬山溯源算法原理监测得到实时监测数据，并通过分析所述实时监测数据进行所述目标区域的污染源追溯。
9.一种计算机设备，其特征在于，包括处理器和存储器；
所述处理器，用于处理执行权利要求1-7中任一项所述的方法；
所述存储器，所述存储器与所述处理器耦合，用于存储程序，当所述程序被所述处理器执行时，使系统以执行权利要求1-7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有针对大气污染源的追溯程序，所述针对大气污染源的追溯程序可被至少一个处理器执行，以使所述至少一个处理器执行如权利要求1-7中的任一项所述的针对大气污染源的追溯方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211069880.9A CN115409483B (zh) | 2022-09-05 | 2022-09-05 | 一种针对大气污染源的追溯方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211069880.9A CN115409483B (zh) | 2022-09-05 | 2022-09-05 | 一种针对大气污染源的追溯方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115409483A true CN115409483A (zh) | 2022-11-29 |
| CN115409483B CN115409483B (zh) | 2023-10-20 |
Family
ID=84162922
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211069880.9A Active CN115409483B (zh) | 2022-09-05 | 2022-09-05 | 一种针对大气污染源的追溯方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115409483B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116976733A (zh) * | 2023-07-31 | 2023-10-31 | 青岛熙正数字科技有限公司 | 一种基于大数据的大气污染源在线监测数据评估系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108108336A (zh) * | 2016-11-24 | 2018-06-01 | 上海栖芯信息科技有限公司 | 一种面向工业园区的大气污染物溯源方法 |
| CN110095394A (zh) * | 2019-05-27 | 2019-08-06 | 佛山市环境监测中心站 | 一种大气颗粒物污染快速溯源方法 |
| CN110807725A (zh) * | 2019-11-06 | 2020-02-18 | 软通动力信息技术有限公司 | 一种大气污染溯源方法、装置、计算设备和介质 |
| CN111751502A (zh) * | 2020-07-08 | 2020-10-09 | 中国计量大学 | 一种基于改进模拟退火的多无人机协同污染物溯源方法 |
| CN111814111A (zh) * | 2020-05-25 | 2020-10-23 | 南京大学环境规划设计研究院股份公司 | 一种工业园区大气污染物溯源方法 |
| WO2021174751A1 (zh) * | 2020-03-02 | 2021-09-10 | 平安国际智慧城市科技股份有限公司 | 基于大数据的污染源定位方法、装置、设备及存储介质 |
-
2022
- 2022-09-05 CN CN202211069880.9A patent/CN115409483B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108108336A (zh) * | 2016-11-24 | 2018-06-01 | 上海栖芯信息科技有限公司 | 一种面向工业园区的大气污染物溯源方法 |
| CN110095394A (zh) * | 2019-05-27 | 2019-08-06 | 佛山市环境监测中心站 | 一种大气颗粒物污染快速溯源方法 |
| CN110807725A (zh) * | 2019-11-06 | 2020-02-18 | 软通动力信息技术有限公司 | 一种大气污染溯源方法、装置、计算设备和介质 |
| WO2021174751A1 (zh) * | 2020-03-02 | 2021-09-10 | 平安国际智慧城市科技股份有限公司 | 基于大数据的污染源定位方法、装置、设备及存储介质 |
| CN111814111A (zh) * | 2020-05-25 | 2020-10-23 | 南京大学环境规划设计研究院股份公司 | 一种工业园区大气污染物溯源方法 |
| CN111751502A (zh) * | 2020-07-08 | 2020-10-09 | 中国计量大学 | 一种基于改进模拟退火的多无人机协同污染物溯源方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116976733A (zh) * | 2023-07-31 | 2023-10-31 | 青岛熙正数字科技有限公司 | 一种基于大数据的大气污染源在线监测数据评估系统 |
| CN116976733B (zh) * | 2023-07-31 | 2024-04-02 | 青岛熙正数字科技有限公司 | 一种基于大数据的大气污染源在线监测数据评估系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115409483B (zh) | 2023-10-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112418609B (zh) | 一种基于面-网格-点的大气二次污染精准溯源方法 | |
| CN114359002B (zh) | 基于移动监测趋势挖掘的大气污染小尺度溯源方法及系统 | |
| CN112485319B (zh) | 大气环境走航监测方法及信息处理方法、装置、监测车 | |
| CN110990393A (zh) | 一种行业企业数据异常行为的大数据识别方法 | |
| CN102436232B (zh) | 一种高含硫天然气净化厂设备维护系统 | |
| CN109754177A (zh) | 污染源画像标签体系、污染源画像的构造方法及其应用 | |
| Tan et al. | Study on real-world power-based emission factors from typical construction machinery | |
| CN115409483B (zh) | 一种针对大气污染源的追溯方法及系统 | |
| CN114329245A (zh) | 一种空气污染的溯源方法、装置、服务器及存储介质 | |
| Lewis et al. | Engine variable impact analysis of fuel use and emissions for heavy-duty diesel maintenance equipment | |
| CN114943409A (zh) | 一种基于电力数据的环境监控分析方法、系统 | |
| CN117436591A (zh) | 一种光伏新能源监管平台算法的深度优化方法 | |
| CN202330401U (zh) | 污水生物处理技术验证评估移动平台数据采集处理系统 | |
| CN114974452B (zh) | 一种确定二次转化来源的管控目标的方法和装置 | |
| CN116341918A (zh) | 行业特征污染物的识别方法、装置和计算机设备 | |
| CN113672873B (zh) | 污染物源解析方法、装置、电子设备及存储介质 | |
| CN116029569A (zh) | 一种碳排放的管理方法及管理系统 | |
| Yang et al. | Assessing methane emissions from the natural gas industry: reviewing the case of China in a comparative framework | |
| CN107016487B (zh) | 一种基于环保管理的指标体系建模系统和建模方法 | |
| CN113514568B (zh) | 基于VOCs相似度的石化装置指纹谱图构建方法及装置 | |
| Smit et al. | Improving our understanding of New Zealand’s vehicle fleet greenhouse gas and harmful emissions using measured emissions data: stage 1 | |
| CN117744952B (zh) | 基于时序网络的大气碳排放量分析方法及系统 | |
| CN112232648B (zh) | 一种钢铁与炼焦企业炼焦普查数据宏观校核方法及系统 | |
| Renugadevi et al. | Air Quality Prediction using Random Forest algorithm | |
| CN117875576B (zh) | 一种基于结构化案例库的城市大气污染分析方法 |
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 |