CN115759345A - 智慧环保平台大气环境管理系统的质量预测模块及方法 - Google Patents
智慧环保平台大气环境管理系统的质量预测模块及方法 Download PDFInfo
- Publication number
- CN115759345A CN115759345A CN202211295677.3A CN202211295677A CN115759345A CN 115759345 A CN115759345 A CN 115759345A CN 202211295677 A CN202211295677 A CN 202211295677A CN 115759345 A CN115759345 A CN 115759345A
- Authority
- CN
- China
- Prior art keywords
- data
- analysis
- pollution
- quality
- monitoring
- 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
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了一种智慧环保平台大气环境管理系统的质量预测模块及方法,该方法包括:获取待预测地区的基础地图、监测站点的监测数据、风场数据、污染源数据,基于所述基础地图、所述监测站点的监测数据、所述风场数据、所述污染源数据生成大气质量预报数据和历史大气质量数据;根据所述大气质量预报数据对所述监测站点进行排名分析和多站点/多时空数据对比,通过点位图和/或态势图对分析结果进行展示;基于所述历史大气质量数据进行经济关联分析、污染排放分析、减排潜力分析、气象关联分析,基于分析的结果给出调整策略。
Description
技术领域
本发明环境保护技术领域,尤其涉及智慧环保平台大气环境管理系统的质量预测模块及方法。
背景技术
大气污染物,指由于人类活动或自然过程排入大气的并对人和环境产生有害影响的那些物质。在干洁的大气中,恒量气体的组成是微不足道的。但是在一定范围的大气中,出现了原来没有的微量物质,其数量和持续时间,都有可能对人、动物、植物及物品、材料产生不利影响和危害。当大气中污染物质的浓度达到有害程度,以至破坏生态系统和人类正常生存和发展的条件,对人或物造成危害的现象叫做大气污染。
造成大气污染的各种污染源每日排放的污染物的量都是变化的,从而使得每天的大气污染的程度也是处于变化状态,而大气污染是跟气象、经济、生活等各方面相关联的,如果忽视大气污染对这些方面的影响,可能会对上述各方面的发展造成很大的阻碍。
发明内容
基于此,有必要针对上述问题,提出了智慧环保平台大气环境管理系统的质量预测模块及方法。
一种智慧环保平台大气环境管理系统的质量预测方法,包括:
获取待预测地区的基础地图、监测站点的监测数据、风场数据、污染源数据,基于所述基础地图、所述监测站点的监测数据、所述风场数据、所述污染源数据生成大气质量预报数据和历史大气质量数据;
根据所述大气质量预报数据对所述监测站点进行排名分析和多站点/多时空数据对比,通过点位图和/或态势图对分析结果进行展示;
基于所述历史大气质量数据进行经济关联分析、污染排放分析、减排潜力分析、气象关联分析,基于分析的结果给出调整策略。
一种智慧环保平台大气环境管理系统的质量预测模块,包括:
获取单元,用于获取待预测地区的基础地图、监测站点的监测数据、风场数据、污染源数据,基于所述基础地图、所述监测站点的监测数据、所述风场数据、所述污染源数据生成大气质量预报数据和历史大气质量数据;
展示单元,用于根据所述大气质量预报数据对所述监测站点进行排名分析和多站点/多时空数据对比,通过点位图和/或态势图对分析结果和对比结果进行展示;
分析单元,用于基于所述历史大气质量数据进行经济关联分析、污染排放分析、减排潜力分析、气象关联分析,基于分析的结果给出调整策略。
一种智慧环保平台大气环境管理系统的质量预测模块,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如上所述方法的步骤。
采用本发明实施例,具有如下有益效果:
基于基础地图、监测站点的监测数据、风场数据、污染源数据生成大气质量预报数据和历史大气质量数据,根据大气质量预报数据对监测站点进行排名分析和多站点/多时空数据对比,通过点位图和/或态势图对分析结果进行展示,能够方便用户发现不同区域不同时间的大气质量的变化因素,从而能够更加准确的进行大气质量的预测,基于历史大气质量数据进行经济关联分析、污染排放分析、减排潜力分析、气象关联分析,能够获取大气质量与各方面发展的关系,从而综合考量,制定出最适合城市发展需求的策略。
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获得其他的附图。
其中:
图1是本发明提供的智慧环保平台大气环境管理系统的质量预测方法的一实施例的流程示意图;
图2是本发明提供的空气质量随时间变化的区域分布状况的页面示意图;
图3是本发明提供的重点工业源在线监测状态的页面示意图;
图4是本发明提供的污染排放大户排名统计的页面示意图。还可以展示重点工业源的空间分布状况;
图5是本发明提供的企业污染物排放参数详情的页面示意图;
图6是本发明提供的工地项目统计的页面示意图;
图7是本发明提供的TSP超标告警趋势分析示意图;
图8是本发明提供的区域对比分析的页面示意图;
图9是本发明提供的工地项目统计的页面示意图;
图10是本发明提供的时间变化分析的页面示意图;
图11是本发明提供的趋势分析结果的页面示意图;
图12是本发明提供的各个区域的VOCs排放量的页面示意图;
图13是本发明提供的申报进度的页面示意图;
图14是本发明提供的省市申报统计的页面示意图;
图15是本发明提供的示VOCs污染源列表的页面示意图;
图16是本发明提供的机动车污染源管理的页面示意图;
图17是本发明提供的非道路移动机械的污染源管理页面示意图;
图18是本发明提供的各指标排放量及贡献率的页面示意图;
图19是本发明提供的看O3浓度变化趋势的页面示意图;
图20是本发明提供的月度首要污染物占比的页面示意图;
图21是本发明提供的未来五天O3污染形势预测的页面示意图;
图22是本发明提供的O年评价浓度及超标天数的页面示意图;
图23是本发明提供的O3浓度排名的页面示意图;
图24是本发明提供的监测站点基本信息的页面示意图;
图25是本发明提供的各类污染物的监测详情和站点排名情况的页面示意图;
图26是本发明提供的污染过程变化趋势的页面示意图;
图27是本发明提供的物理化学过程贡献排名的页面示意图;
图28是本发明提供的物理化学过程具体详情信息的页面示意图;
图29是本发明提供的区域传输贡献排名的页面示意图;
图30是本发明提供的区域传输具体详情信息的页面示意图;
图31是本发明提供的本地污染源贡献排名的页面示意图;
图32是本发明提供的本地污染源贡献具体详情信息的页面示意图;
图33是本发明提供的经济关联分析图表的页面示意图;
图34是本发明提供的污染排放分析图表的页面示意图;
图35是本发明提供的污染玫瑰图;
图36是本发明提供的风速玫瑰图;
图37是本发明提供的污染物与温度的相关系数趋势图;
图38是本发明提供的不同温度范围内污染物浓度和超标率的趋势图;
图39是本发明提供的智慧环保平台大气环境管理系统的质量预测模块的一实施例的结构示意图;
图40是本发明提供的智慧环保平台大气环境管理系统的质量预测模块的另一实施例的结构示意图;
图41是本发明提供的存储介质的一实施例的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
请参阅图1,图1是本发明提供的智慧环保平台大气环境管理系统的质量预测方法的一实施例的流程示意图。本发明提供的智慧环保平台大气环境管理系统的质量预测方法包括如下步骤:
S101:获取待预测地区的基础地图、监测站点的监测数据、风场数据、污染源数据,基于基础地图、监测站点的监测数据、风场数据、污染源数据生成大气质量预报数据和历史大气质量数据。
在一个具体的实施场景中,获取待预测地区的基础地图,基础地图可以是通过用户输入区域边界信息获取,也可以是用户直接提供基础地图,基础地图可以是GIS地图。获取在待预测地区预先设置的多个监测站点的监测数据,监测数据可以是实时监测数据也可以是历史监测数据。风场数据可以通过与气象部门的系统进行对接获取,包括当前风场数据和历史风场数据,还可以包括预测风场数据,大气污染物的传播会受到风场的影响,因此获取风场数据能够有效提升预测的准确性。污染源数据包括固定污染源数据和移动污染源数据,包括每个污染源的排放数据,排放数据包括每个污染源排放的污染物类型和排放时间、排放量等。污染源数据也是影响大气质量的重要信息。结合风场数据和污染源数据进行预测,比单纯依靠监测数据进行预测具有更加准确的预测效果。
在本实施场景中,基于基础地图、监测站点的监测数据、风场数据、污染源数据生成大气质量预报数据和历史大气质量数据,基于大气质量预报数据和历史大气质量数据可以生成空气质量随时间变化的区域分布状况,例如显示质量变化曲线,进一步的,同时显示实测曲线与预测曲线,基于实测与预测之间的差异调整预测模型,使得预测结果更加准确。请结合参阅图2,图2是本发明提供的空气质量随时间变化的区域分布状况的页面示意图。
在其他实施场景中,由于污染源的情况对预测结果有十分重要的影响,因此,在获取污染源数据之前,需要对污染源进行管理,生成污染源报告,基于污染源报告获取污染源数据。污染源包括重点工业源、施工扬尘源、餐饮油烟源、VOCs工业源、机动车污染源、非道路移动机械污染源、船舶污染源中的至少一个。
当污染源为重点工业源时,可以对重点工业源在线监测状态进行统计,在线监测状态包括正常、异常、超标、离线,可显示重点工业源在线监测状态(正常、异常、超标、离线)占比,请结合参阅图3,图3是本发明提供的重点工业源在线监测状态的页面示意图。也可以根据重点工业源排放数据进行污染排放大户排名统计,用户可选择时间和污染物类型(颗粒物、氨氮、总磷等)筛选查看,请结合参阅图4,图4是本发明提供的污染排放大户排名统计的页面示意图。还可以展示重点工业源的空间分布状况,用户可筛选监管级别和所属行业组合筛选查看或者直接输入关键字查询。可看到查询的重点工业源的空间分布状况。还可以根据重点工业源排放数据获取告警信息,根据生成告警列表,该告警列表可以支持区域、状态(全部、已消警、未消警)、告警时间、告警级别(一级、二级、三级)、告警类型(小时均值超标、日均值超标、数据异常、设备故障)组合筛选查询,可支持将数据导出excel到本地。用户还可以可直接输入企业名称或者通过污染源类型、污染源分类、时间、统计类型(按月、按半年、按年)进行组合筛选查询。用户点击告警列表中某企业后即可查看该企业污染物排放参数详情,可查看的排放参数有二氧化硫、烟尘、废弃流量、一氧化碳等。请结合参阅图5,图5是本发明提供的企业污染物排放参数详情的页面示意图。还可以在地图上显示各个重点工业源的位置,用户选择地图上位置地点,可以查看地点该企业的详细信息,包括企业名称、告警开始时间、告警因子、告警时长信息等。
当污染源为施工扬尘源时,可以获取施工扬尘监测数据,判断施工扬尘监测数据是否满足告警类型的要求,告警类型包括总悬浮微粒超标、PM2.5超标、PM10超标、数据骤增、离线及超均值中的至少一个,生成告警描述,并实现多维度告警统计分析,维度包括按指标、按监测站点位置及按区域进行统计中的至少一个。可显示施工扬尘源的区域分布状况,可以显示各个区域的详情,包括实时监控数据、告警统计、督察不合格工地等。请结合参阅图6和图7,图6是本发明提供的工地项目统计的页面示意图,图7是本发明提供的TSP超标告警趋势分析示意图。也可以显示工地的合格率的空间分布情况,显示各个区域的工地的区域对比分析,换不合格次数/不合格率查看,请结合参阅图8,图8是本发明提供的区域对比分析的页面示意图。进行工地项目统计,显示各个区域的工地总数、合格率、不合格率、合格数、不合格数等。请结合参阅图9,图9是本发明提供的工地项目统计的页面示意图。还可以显示各个区域的工地的合格率或者不合格率按照时间变化的曲线,以供用户进行时间变化分析。请结合参阅图10,图10是本发明提供的时间变化分析的页面示意图。
可通过计划开工时间、计划结束时间、监管部门、所属区域、所在街道、工地状态、项目类型组合筛选查询或者直接输入项目名称构建工地信息列表,工地信息列表包括:项目名称、监管部门、所属区域、所属街道、项目类型、工作状态等相关信息。可以根据用户的指示显示各个工地项目的详情。还可以展示施工工地在线监测数据,以及根据在线监测数据获取的趋势分析结果。请结合参阅图11,图11是本发明提供的趋势分析结果的页面示意图。
还可以显示工地项目告警列表,包括告警指标统计、告警监测站点排名(top5)和告警区域分布,通过工地项目名称进行查询,并可以告警区域、监管部门、告警类型组合筛选查询,可以按最近一周、一月、一年以及自定义时间进行过滤查询相关的信息。显示工地项目告警列表中,每个工地项目的项目详情,包括在线监测和告警记录。
还可以显示工地项目督察列表,用户在该工地项目督察列表中可通过时间、所属区域、监管部门、项目类型、检查结论组合筛选查询,或直接输入项目名称查询。用户可以可查看工地项目督察列表中每个工地项目的督察记录。
当污染源为餐饮油烟源时,分别按行政区域、街道、餐饮规模、监管级别和是否安装在线监测设备统计餐饮企业数量。根据污染源数据获取餐饮油烟源的台账列表。用户可通过输入行政区、更新时间、监管等级、经营情况、餐饮类型、信息完整情况组合筛选查询,或直接输入企业名称查询数据。用户点击餐饮油烟源的台账列表内某企业的“查看”按钮,即可查看该企业的相关信息。
当污染源为VOCs工业源时,可以展示全市工业VOCs排放,展示各个区域的VOCs排放量,请参阅图12,图12是本发明提供的各个区域的VOCs排放量的页面示意图。也可以展示全市各个行政区域的申报进度,申报进度包括待区审核、待市审核、通过、退回、未填报中的至少一个。请参阅图13,图13是本发明提供的申报进度的页面示意图。还可以展示重点VOCs排放企业的企业数量和排放量。还可以展示省需填报总数和市需填报总数以及相关的填报率,可根据填报率和通过率来进行筛选展示。主要展示省需填报总数和市需填报总数以及相关的填报率。请参阅图14,图14是本发明提供的省市申报统计的页面示意图。还可以在地图上显示VOCs工业源的地理分布情况,当用户在地图上选择某VOCs工业源,可显示该VOCs工业源对应的某企业的相关信息。还可以根据时间、区/街道、行业名称、统计口径、申报出处、申报状态组合展示VOCs污染源列表。请结合参阅图15,图15是本发明提供的示VOCs污染源列表的页面示意图。
当污染源为机动车污染源时,显示机动车排放占比,还可以显示其他污染源的排放占比。可选择时间查看检查路检、新车监管、检测机构检查、入户检查数量和合格率。显示新增的纯电动网约车、公务车以及新增充电桩的数量。通过柱形图可显示全市机动车保有量变化趋势。显示各年份全市机动车排放总量态势分布。请结合参阅图16,图16是本发明提供的机动车污染源管理的页面示意图。
当污染源为非道路移动机械污染源时,显示监管执法情况、使用情况和排放量统计。还可以显示非道路移动机械使用单位和非道路移动机械低排区在地图上的空间分布。请结合参阅图17,图17是本发明提供的非道路移动机械的污染源管理页面示意图。
当污染源为船舶污染源时,显示监管执法情况、使用情况和排放量统计。还可以显示船舶使用单位和船舶低排区在地图上的空间分布。
在一个实施场景中,获取了污染源数据后,基于年份、统计类型、污染源、月份组合筛选显示各区域排放污染详细参数信息,统计类型包括区域、污染源、时间,污染源包括电力源、农业源、交通源。可显示污染源概况的柱形列表信息。还可以展示污染源监管状况和各行业污染排放贡献排名。可以显示各指标排放量及贡献率,分别通过柱形图和饼图显示,柱形图可清晰的看到最高排放量的指标,饼图可查看贡献率最高的污染源。请结合参阅图18,图18是本发明提供的各指标排放量及贡献率的页面示意图。
在一个实施场景中,臭氧也能够反馈大气质量,获取臭氧的相关信息,同样能够提升大气环境预测的准确性。可以展示臭氧浓度变化趋势、各月首要污染物占比、未来预设天数臭氧污染形势预测、查看臭氧年度评价浓度及超标天数。请结合参阅图19-图23,图19是本发明提供的看O3浓度变化趋势的页面示意图。图20是本发明提供的月度首要污染物占比的页面示意图。图21是本发明提供的未来五天O3污染形势预测的页面示意图。图22是本发明提供的O年评价浓度及超标天数的页面示意图。图23是本发明提供的O3浓度排名的页面示意图。
S102:根据大气质量预报数据对监测站点进行排名分析和多站点/多时空数据对比,通过点位图和/或态势图对分析结果和对比结果进行展示。
在一个具体的实施场景中,可以显示各个监测站点的大气质量预报数据,也可以根据用户的指示显示某个监测站点的基本信息,请结合参阅图24,图24是本发明提供的监测站点基本信息的页面示意图,包括该监测站点的大气质量预报数据以及大气质量趋势分析曲线。可以基于各个监测站点的大气质量预报数据对所有的监测站点进行排名,请结合参阅图25,图25是本发明提供的各类污染物的监测详情和站点排名情况的页面示意图。
在其他实施场景中,可以基于通一个监测站点在不同时间的监测数据进行对比,或在同时间的不同监测站点的监测数据进行对比,还可以进行多站点多时空的数据对比,通过点位图和/或态势图对分析结果进行展示,能够帮助用户更加清楚明了的获取分析结果,从而可以获取大气质量波动明显的监测站点,或者大气质量较差的监测站点,进一步地,能够通过分析获取大气质量波动或者质量较差的因素,从而能够制定出对应的方针政策。
在一个实施场景中,获取每个监测站点的监测阈值,大气质量预报数据包括每个监测站点的预报数值,当预报数据大于对应的检测阈值时,识别出预报数据对应的监测站点的可疑污染源。针对每个检测站点的位置特征和气象特征,设置不同的监测阈值,当预报数据大于监测阈值时,获取该监测站点周围的污染源信息,进行污染源排查,找到引起预报数值偏大的可疑污染源,对该可疑污染源进行管理,以维持大气环境质量安全。
在一个实施场景中,可以显示各类污染物排放量变化趋势,可切换折线和柱图,可选择至少两个区域对比分析。对比分析包括,区域对比或者指标对比。在图上显示至少两种污染物排放量变化趋势的对比,可切换柱图和饼图。柱图可清晰的看到污染物排放量,饼图可清晰的看到污染物排放量所占比例。
在一个实施场景中,根据大气质量预报数据和历史大气质量数据获取污染过程变化趋势、物理化学过程贡献排名、区域传输贡献排名、本地污染源贡献排名。基于用户设置的类型(时、日、月、集、年)、具体时间、范围(区域、站点)展示指标随时间变化的趋势图、影响因素随时间变化的趋势图。可以根据选择不通的参数信息,展示不同的图表曲线,请结合参阅图26,图26是本发明提供的污染过程变化趋势的页面示意图。物理化学过程贡献排名,可以根据选择不通的参数信息,展示不同的图表曲线。请结合参阅图27,图27是本发明提供的物理化学过程贡献排名的页面示意图。点击详情按钮,可查看具体详情信息,请结合参阅图28,图28是本发明提供的物理化学过程具体详情信息的页面示意图。区域传输贡献排名,可以根据选择不通的参数信息,展示不同的图表曲线,请结合参阅图29,图29是本发明提供的区域传输贡献排名的页面示意图。点击详情按钮,可查看具体详情信息,请结合参阅图30,图30是本发明提供的区域传输具体详情信息的页面示意图。本地污染源贡献排名,可以根据选择不通的参数信息,展示不同的图表曲线。请结合参阅图31,图31是本发明提供的本地污染源贡献排名的页面示意图。用户点击详情按钮,可查看具体详情信息。请结合参阅图32,图32是本发明提供的本地污染源贡献具体详情信息的页面示意图。
S103:基于历史大气质量数据进行经济关联分析、污染排放分析、减排潜力分析、气象关联分析,基于分析的结果给出调整策略。
在一个具体的实施场景中,基于历史大气质量数据进行经济关联分析、污染排放分析、减排潜力分析、气象关联分析。基于基础地图、监测站点的监测数据、风场数据、污染源数据获取空气质量变化和经济生产总值变化,经济生产总值变化可切换图表或列表查看。基于空气质量变化和经济生产总值变化获取GDP与污染物排放总量的关联分析图表。请结合参阅图33,图33是本发明提供的经济关联分析图表的页面示意图。
在一个实施场景中,基于年份、统计类型、污染源、月份组合筛选显示各区域排放污染详细参数信息;统计类型包括区域、污染源、时间,污染源包括电力源、农业源、交通源。请结合参阅图34,图34是本发明提供的污染排放分析图表的页面示意图。
在一个实施场景中,基于年份、污染物、类型组合显示全市各区域排放强度信息,基于排放强度信息获取减排潜力分析结果。基于基础地图、监测站点的监测数据、风场数据、污染源数据获取污染玫瑰图和风速玫瑰图。请结合参阅图35-图38,图35是本发明提供的污染玫瑰图,图36是本发明提供的风速玫瑰图。图37是本发明提供的污染物与温度的相关系数趋势图、图38是本发明提供的不同温度范围内污染物浓度和超标率的趋势图。
基于分析的结果给出调整策略,例如基于经济关联分析的结果可以控制大气环境质量位于一个安全范围内,以确保经济发展水平和速度。再例如,基于气象关联分析可以根据气象数据调整大气环境治理管控的策略以使得大气环境质量位于目标范围内。又例如,可以根据减排潜力分析选择潜力更大的污染物投入更多的人力物力和财力,以取得更好的治理效果。
通过上述描述可知,在本实施例中基于基础地图、监测站点的监测数据、风场数据、污染源数据生成大气质量预报数据和历史大气质量数据,根据大气质量预报数据对监测站点进行排名分析和多站点/多时空数据对比,通过点位图和/或态势图对分析结果进行展示,能够方便用户发现不同区域不同时间的大气质量的变化因素,从而能够更加准确的进行大气质量的预测,基于历史大气质量数据进行经济关联分析、污染排放分析、减排潜力分析、气象关联分析,能够获取大气质量与各方面发展的关系,从而综合考量,制定出最适合城市发展需求的策略。
请结合参阅图39,图39是本发明提供的智慧环保平台大气环境管理系统的质量预测模块的一实施例的结构示意图。智慧环保平台大气环境管理系统的质量预测模块10包括:
获取单元11用于获取待预测地区的基础地图、监测站点的监测数据、风场数据、污染源数据,基于基础地图、监测站点的监测数据、风场数据、污染源数据生成大气质量预报数据和历史大气质量数据。展示单元12用于根据大气质量预报数据对监测站点进行排名分析和多站点/多时空数据对比,通过点位图和/或态势图对分析结果和对比结果进行展示。分析单元13用于基于历史大气质量数据进行经济关联分析、污染排放分析、减排潜力分析、气象关联分析,基于分析的结果给出调整策略。
获取单元11用于获取每个监测站点的监测阈值,大气质量预报数据包括每个监测站点的预报数值,当预报数据大于对应的监测阈值时,识别出预报数据对应的监测站点的可疑污染源。
获取单元11用于对污染源数据对应的污染源进行管理,生成污染源报告,污染源包括重点工业源、施工扬尘源、餐饮油烟源、VOCs工业源、机动车污染源、非道路移动机械污染源、船舶污染源中的至少一个。
获取单元11用于执行至少一个下述步骤:
对重点工业源在线监测状态进行统计,在线监测状态包括正常、异常、超标、离线;根据重点工业源排放数据进行污染排放大户排名统计;展示重点工业源的空间分布状况;按照企业名称、污染源类型、污染源分类、时间、统计类型进行组合筛选查询,展示企业污染物排放参数详情。
获取单元11用于执行至少一个下述步骤:
获取施工扬尘监测数据,判断施工扬尘监测数据是否满足告警类型的要求,告警类型包括总悬浮微粒超标、PM2.5超标、PM10超标、数据骤增、离线及超均值中的至少一个,生成告警描述,并实现多维度告警统计分析,维度包括按指标、按监测站点位置及按区域进行统计中的至少一个;展示施工工地在线监测数据,以及根据在线监测数据获取的趋势分析结果。
获取单元11用于执行至少一个下述步骤:
分别按行政区域、街道、餐饮规模、监管级别和是否安装在线监测设备统计餐饮企业数量。
获取单元11用于执行至少一个下述步骤:
展示全市各个行政区域的VOCs排放量;展示全市各个行政区域的申报进度,申报进度包括待区审核、待市审核、通过、退回、未填报中的至少一个;展示重点VOCs排放企业的企业数量和排放量;展示省需填报总数和市需填报总数以及相关的填报率;根据时间、区/街道、行业名称、统计口径、申报出处、申报状态组合展示VOCs污染源列表;展示VOCs污染源的地理分布情况,当检测到用户选择一个点位,可显示点位对应的企业的相关信息。
分析单元13用于基于年份、统计类型、污染源、月份组合筛选显示各区域排放污染详细参数信息;统计类型包括区域、污染源、时间,污染源包括电力源、农业源、交通源。
分析单元13用于基于基础地图、监测站点的监测数据、风场数据、污染源数据获取污染玫瑰图和风速玫瑰图以及污染物与温度的相关系数趋势图和不同温度范围内污染物浓度和超标率的趋势图。
分析单元13用于基于基础地图、监测站点的监测数据、风场数据、污染源数据获取空气质量变化和经济生产总值变化;基于空气质量变化和经济生产总值变化获取GDP与污染物排放总量的关联分析图表。
获取单元11用于展示臭氧浓度变化趋势、各月首要污染物占比、未来预设天数臭氧污染形势预测、查看臭氧年度评价浓度及超标天数。
获取单元11用于根据大气质量预报数据和历史大气质量数据获取污染过程变化趋势、物理化学过程贡献排名、区域传输贡献排名、本地污染源贡献排名。
请参阅图40,图40是本发明提供的智慧环保平台大气环境管理系统的质量预测模块的另一实施例的结构示意图。智慧环保平台生态环境舆情监控系统的监控模块20包括处理器21、存储器22。处理器21耦接存储器22。存储器22中存储有计算机程序,处理器21在工作时执行该计算机程序以实现如图1所示的方法。详细的方法可参见上述,在此不再赘述。
请参阅图41,图41是本发明提供的存储介质的一实施例的结构示意图。可读存储介质30中存储有至少一个计算机程序31,计算机程序31用于被处理器执行以实现如图1所示的方法,详细的方法可参见上述,在此不再赘述。在一个实施例中,存储介质30可以是终端中的存储芯片、硬盘或者是移动硬盘或者优盘、光盘等其他可读写存储的工具,还可以是服务器等等。
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,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,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。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (15)
1.一种智慧环保平台大气环境管理系统的质量预测方法,其特征在于,包括:
获取待预测地区的基础地图、监测站点的监测数据、风场数据、污染源数据,基于所述基础地图、所述监测站点的监测数据、所述风场数据、所述污染源数据生成大气质量预报数据和历史大气质量数据;
根据所述大气质量预报数据对所述监测站点进行排名分析和多站点/多时空数据对比,通过点位图和/或态势图对分析结果进行展示;
基于所述历史大气质量数据进行经济关联分析、污染排放分析、减排潜力分析、气象关联分析,基于分析的结果给出调整策略。
2.根据权利要求1所述的智慧环保平台大气环境管理系统的质量预测方法,其特征在于,所述根据所述大气质量预报数据对所述监测站点进行排名分析和多站点/多时空数据对比的步骤,包括:
获取每个所述监测站点的监测阈值,所述大气质量预报数据包括每个所述监测站点的预报数值,当所述预报数据大于对应的监测阈值时,识别出所述预报数据对应的监测站点的可疑污染源。
3.根据权利要求1所述的智慧环保平台大气环境管理系统的质量预测方法,其特征在于,所述获取待预测地区的基础地图、监测站点的监测数据、风场数据、污染源数据的步骤,包括:
对所述污染源数据对应的污染源进行管理,生成污染源报告,所述污染源包括重点工业源、施工扬尘源、餐饮油烟源、VOCs工业源、机动车污染源、非道路移动机械污染源、船舶污染源中的至少一个。
4.根据权利要求3所述的智慧环保平台大气环境管理系统的质量预测方法,其特征在于,所述对所述污染源数据对应的污染源进行管理的步骤,包括:
执行至少一个下述步骤:
对所述重点工业源在线监测状态进行统计,所述在线监测状态包括正常、异常、超标、离线;
根据所述重点工业源排放数据进行污染排放大户排名统计;
展示所述重点工业源的空间分布状况;
按照企业名称、污染源类型、污染源分类、时间、统计类型进行组合筛选查询,展示企业污染物排放参数详情。
5.根据权利要求3所述的智慧环保平台大气环境管理系统的质量预测方法,其特征在于,所述对所述污染源数据对应的污染源进行管理的步骤,包括:
执行至少一个下述步骤:
获取施工扬尘监测数据,判断所述施工扬尘监测数据是否满足告警类型的要求,所述告警类型包括总悬浮微粒超标、PM2.5超标、PM10超标、数据骤增、离线及超均值中的至少一个,生成告警描述,并实现多维度告警统计分析,所述维度包括按指标、按监测站点位置及按区域进行统计中的至少一个;
展示施工工地在线监测数据,以及根据所述在线监测数据获取的趋势分析结果。
6.根据权利要求3所述的智慧环保平台大气环境管理系统的质量预测方法,其特征在于,所述对所述污染源数据对应的污染源进行管理的步骤,包括:
分别按行政区域、街道、餐饮规模、监管级别和是否安装在线监测设备统计餐饮企业数量。
7.根据权利要求3所述的智慧环保平台大气环境管理系统的质量预测方法,其特征在于,所述对所述污染源数据对应的污染源进行管理的步骤,包括:
执行至少一个下述步骤:
展示全市各个行政区域的VOCs排放量;
展示全市各个行政区域的申报进度,所述申报进度包括待区审核、待市审核、通过、退回、未填报中的至少一个;
展示重点VOCs排放企业的企业数量和排放量;
展示省需填报总数和市需填报总数以及相关的填报率;
根据时间、区/街道、行业名称、统计口径、申报出处、申报状态组合展示VOCs污染源列表;
展示VOCs污染源的地理分布情况,当检测到用户选择一个点位,显示点位对应的企业的相关信息。
8.根据权利要求1所述的智慧环保平台大气环境管理系统的质量预测方法,其特征在于,于所述历史大气质量数据进行经济关联分析、污染排放分析、减排潜力分析、气象关联分析的步骤,包括:
基于年份、统计类型、污染源、月份组合筛选显示各区域排放污染详细参数信息;所述统计类型包括区域、污染源、时间,所述污染源包括电力源、农业源、交通源。
9.根据权利要求1所述的智慧环保平台大气环境管理系统的质量预测方法,其特征在于,所述基于所述历史大气质量数据进行经济关联分析、污染排放分析、减排潜力分析、气象关联分析的步骤,包括:
基于所述基础地图、所述监测站点的监测数据、所述风场数据、所述污染源数据获取污染玫瑰图和风速玫瑰图以及污染物与温度的相关系数趋势图和不同温度范围内污染物浓度和超标率的趋势图。
10.根据权利要求1所述的智慧环保平台大气环境管理系统的质量预测方法,其特征在于,所述基于所述历史大气质量数据进行经济关联分析、污染排放分析、减排潜力分析、气象关联分析的步骤,包括:
基于所述基础地图、所述监测站点的监测数据、所述风场数据、所述污染源数据获取空气质量变化和经济生产总值变化;
基于所述空气质量变化和所述经济生产总值变化获取GDP与污染物排放总量的关联分析图表。
11.根据权利要求1所述的智慧环保平台大气环境管理系统的质量预测方法,其特征在于,所述获取待预测地区的基础地图、监测站点的监测数据、风场数据、污染源数据的步骤,包括:
展示臭氧浓度变化趋势、各月首要污染物占比、未来预设天数臭氧污染形势预测、查看臭氧年度评价浓度及超标天数。
12.根据权利要求1所述的智慧环保平台大气环境管理系统的质量预测方法,其特征在于,所述基于所述基础地图、所述监测站点的监测数据、所述风场数据、所述污染源数据生成大气质量预报数据和历史大气质量数据的步骤,包括:
根据所述大气质量预报数据和所述历史大气质量数据获取污染过程变化趋势、物理化学过程贡献排名、区域传输贡献排名、本地污染源贡献排名。
13.一种智慧环保平台大气环境管理系统的质量预测模块,其特征在于,包括:
获取单元,用于获取待预测地区的基础地图、监测站点的监测数据、风场数据、污染源数据,基于所述基础地图、所述监测站点的监测数据、所述风场数据、所述污染源数据生成大气质量预报数据和历史大气质量数据;
展示单元,用于根据所述大气质量预报数据对所述监测站点进行排名分析和多站点/多时空数据对比,通过点位图和/或态势图对分析结果和对比结果进行展示;
分析单元,用于基于所述历史大气质量数据进行经济关联分析、污染排放分析、减排潜力分析、气象关联分析,基于分析的结果给出调整策略。
14.一种智慧环保平台大气环境管理系统的质量预测模块,其特征在于,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如权利要求1至12中任一项所述方法的步骤。
15.根据权利要求14所述的智慧环保平台大气环境管理系统的质量预测模块,其特征在于,所述基于智慧环保平台饮用水源管理系统的管理及应急模块包括存储介质,所述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,使得所述处理器执行如权利要求1至12中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211295677.3A CN115759345A (zh) | 2022-10-21 | 2022-10-21 | 智慧环保平台大气环境管理系统的质量预测模块及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211295677.3A CN115759345A (zh) | 2022-10-21 | 2022-10-21 | 智慧环保平台大气环境管理系统的质量预测模块及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115759345A true CN115759345A (zh) | 2023-03-07 |
Family
ID=85352635
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211295677.3A Pending CN115759345A (zh) | 2022-10-21 | 2022-10-21 | 智慧环保平台大气环境管理系统的质量预测模块及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115759345A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116228501A (zh) * | 2023-05-08 | 2023-06-06 | 中科三清科技有限公司 | 排污超标区域行业确定方法、装置、存储介质及电子设备 |
CN116307279A (zh) * | 2023-05-18 | 2023-06-23 | 河北辉驰科技有限公司 | 基于大数据分析的城市大气环境管理方法及系统 |
CN116703210A (zh) * | 2023-05-29 | 2023-09-05 | 广东永光新能源设计咨询有限公司 | 可再生能源利用方法、装置、设备及存储介质 |
-
2022
- 2022-10-21 CN CN202211295677.3A patent/CN115759345A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116228501A (zh) * | 2023-05-08 | 2023-06-06 | 中科三清科技有限公司 | 排污超标区域行业确定方法、装置、存储介质及电子设备 |
CN116307279A (zh) * | 2023-05-18 | 2023-06-23 | 河北辉驰科技有限公司 | 基于大数据分析的城市大气环境管理方法及系统 |
CN116307279B (zh) * | 2023-05-18 | 2023-08-11 | 河北辉驰科技有限公司 | 基于大数据分析的城市大气环境管理方法及系统 |
CN116703210A (zh) * | 2023-05-29 | 2023-09-05 | 广东永光新能源设计咨询有限公司 | 可再生能源利用方法、装置、设备及存储介质 |
CN116703210B (zh) * | 2023-05-29 | 2024-05-28 | 广东永光新能源设计咨询有限公司 | 可再生能源利用方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yousefian et al. | Temporal variations of ambient air pollutants and meteorological influences on their concentrations in Tehran during 2012–2017 | |
CN115759345A (zh) | 智慧环保平台大气环境管理系统的质量预测模块及方法 | |
Milando et al. | Trends in PM2. 5 emissions, concentrations and apportionments in Detroit and Chicago | |
Goyal et al. | Assessment of the effectiveness of policy interventions for Air Quality Control Regions in Delhi city | |
Carnevale et al. | Exploring trade-offs between air pollutants through an Integrated Assessment Model | |
CN112581107B (zh) | 污染排放控制方法、装置及可存储介质 | |
Hackstadt et al. | A Bayesian multivariate receptor model for estimating source contributions to particulate matter pollution using national databases | |
Zavadskas et al. | Applying the TOPSIS-F method to assess air pollution in Vilnius | |
Inoue et al. | Modeling study on the spatial variation of the sensitivity of photochemical ozone concentrations and population exposure to VOC emission reductions in Japan | |
CN115829208A (zh) | 一种大气污染物排放网格化的评估方法及装置 | |
Nguyen et al. | Statistical analysis for understanding PM2. 5 air quality and the impacts of COVID-19 social distancing in several provinces and cities in Vietnam | |
CN115511244A (zh) | 固定污染源全生命周期信息管理方法、系统、设备及介质 | |
Gokhale et al. | A hybrid model for predicting carbon monoxide from vehicular exhausts in urban environments | |
Saleh et al. | Developing a model to predict air pollution (case study: Tehran City) | |
Al-Salem et al. | Monitoring and modelling the trends of primary and secondary air pollution precursors: The case of the state of Kuwait | |
Soleimani et al. | Estimation of economic costs of air pollution caused by motor vehicles in Iran (Isfahan) | |
Godoy et al. | Spatial patterns and temporal variations of pollutants at 56 air quality monitoring stations in the state of São Paulo, Brazil | |
Xie et al. | Recent PM2. 5 air quality improvements in India benefited from meteorological variation | |
Bell et al. | A novel approach for investigating the trends in nitrogen dioxide levels in UK cities | |
Harjule et al. | Forecasting and Seasonal Analysis of Air Quality Index using Machine Learning Models during COVID-19 Pandemic | |
Khajehpour et al. | Comparative review of ambient air PM2. 5 source apportioning studies in Tehran | |
Tapia et al. | New classification scheme for ozone monitoring stations based on frequency distribution of hourly data | |
Zawada et al. | Application of Statistical and Econometric Tools in The Analysis of Air Pollution Level on The Example of Czestochowa | |
CN116384774B (zh) | 一种在产园区土壤污染分区分类分级评价方法 | |
Bănică et al. | Issues related to air quality monitoring in north-east region (Romania) |
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 |