CN116307258B - 污染源异常排放确定方法、装置、存储介质及电子设备 - Google Patents
污染源异常排放确定方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN116307258B CN116307258B CN202310510708.0A CN202310510708A CN116307258B CN 116307258 B CN116307258 B CN 116307258B CN 202310510708 A CN202310510708 A CN 202310510708A CN 116307258 B CN116307258 B CN 116307258B
- Authority
- CN
- China
- Prior art keywords
- monitoring
- pollution source
- pollution
- determining
- site
- 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.)
- Active
Links
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Abstract
本公开涉及一种污染源异常排放确定方法、装置、存储介质及电子设备，该污染源异常排放确定方法通过获取监管区域内多个污染源中每个污染源的污染物排放数据和指定时间段内的气象预报数据；根据所述污染物排放数据和所述气象预报数据预测所述监管区域内多个监测站点中每个所述监测站点在第一时刻的指定污染物浓度的预测值，根据每个所述监测站点在第一时刻的指定污染物浓度的预测值和每个监测站点在所述第一时刻的所述指定污染物浓度的监测值确定出对所述第一监测站点的所述指定污染物浓度的贡献量大于对所述多个监测站点中除所述第一监测站点之外的其他监测站点的贡献量的目标污染源，再从目标污染源中确定出待排查污染源。
Description
技术领域
本公开涉及环境监测技术领域，具体地，涉及一种污染源异常排放确定方法、装置、存储介质及电子设备。
背景技术
随着现代工业化的发展，大气污染问题日趋严重，污染物的大量排放对大气环境造成了不同程度的污染，为了避免过度排放，损害生态平衡，就需要科学合理的监管污染源对污染物的排放。目前的污染源排查方法存在大量地没有方向性的现场巡查，排查效率较低且需要投入的人力物力较多。
发明内容
本公开的目的是提供一种污染源异常排放确定方法、装置、存储介质及电子设备。
本公开第一方面提供一种污染源异常排放确定方法，所述方法包括：
获取监管区域内多个污染源中每个污染源的污染物排放数据和指定时间段内的气象预报数据；
根据所述污染物排放数据和所述气象预报数据预测所述监管区域内多个监测站点中每个所述监测站点在第一时刻的指定污染物浓度的预测值；
获取每个监测站点在所述第一时刻的所述指定污染物浓度的监测值；
在根据第一监测站点的所述预测值和所述监测值确定所述第一监测站点存在所述指定污染物浓度异常的情况下，从所述多个污染源中确定包括一个或多个目标污染源的第一污染源集合，所述目标污染源对所述第一监测站点的所述指定污染物浓度的贡献量大于对所述多个监测站点中除所述第一监测站点之外的其他监测站点的贡献量，所述第一监测站点为所述监管区域内所述多个监测站点中的一个；
根据所述第一污染源集合确定待排查污染源。
可选地，所述第一时刻为目标时间段内多个时刻中的一个，所述根据所述污染物排放数据和所述气象预报数据预测所述监管区域内多个监测站点中每个所述监测站点在第一时刻的指定污染物浓度的预测值，包括：
将每个污染源的所述污染物排放数据和所述气象预报数据输入预设空气质量模型，以获取所述预设空气质量模型输出的每个污染源对所述多个监测站点中每个监测站点在所述目标时间段内多个时刻的所述指定污染物浓度的贡献量；
根据所述监管区域内多个污染源中每个污染源对每个监测站点在所述第一时刻的所述指定污染物浓度的贡献量确定每个监测站点在所述第一时刻的指定污染物浓度的所述预测值。
可选地，所述根据所述监管区域内多个污染源中每个污染源对每个监测站点在所述第一时刻的所述指定污染物浓度的贡献量确定每个监测站点在所述第一时刻的指定污染物浓度的所述预测值，包括：
针对每个监测站点，确定所述多个污染源中每个污染源对所述监测站点在所述第一时刻的所述指定污染物浓度的贡献量的目标和值；
将所述目标和值作为所述监测站点在所述第一时刻的指定污染物浓度的所述预测值。
可选地，根据第一监测站点的所述预测值和所述监测值确定所述第一监测站点存在所述指定污染物浓度异常，包括：
在所述第一监测站点的所述监测值与所述预测值的差值大于预设差值阈值的情况下，确定所述第一监测站点存在所述指定污染物浓度异常。
可选地，从所述多个污染源中确定包括一个或多个目标污染源的第一污染源集合，包括：
在确定所述第一时刻不存在除所述第一监测站点之外的其他监测站点存在异常的情况下，依次确定对所述第一监测站点的贡献量大于对第二监测站点的贡献量的待定污染源的第二污染源集合，所述第二监测站点为所述多个监测站点中除所述第一监测站点之外的其他监测站点中的一个；
确定所述多个监测站点中除所述第一监测站点之外的其他监测站点对应的多个所述第二污染源集合的交集，以得到所述第一污染源集合。
可选地，所述根据所述第一污染源集合确定待排查污染源，包括：
按照预设顺序对所述第一污染源集合中的目标污染源排序，以得到目标顺序的目标污染源序列；
根据所述目标污染源序列确定所述待排查污染源。
可选地，所述方法还包括：
确定第二时刻所述指定污染物浓度存在异常的第二监测站点，所述第二时刻为所述第一时刻的下一预测时刻；
从所述第一污染源集合中确定目标待排查污染源，所述目标待排查污染源为在所述第二时刻对第二监测站点的所述指定污染物浓度的贡献量大于在所述第一时刻对第二监测站点的所述指定污染物浓度的贡献量的目标污染源。
可选地，从所述多个污染源中确定包括一个或多个目标污染源的第一污染源集合，包括：
在确定所述第一时刻存在除所述第一监测站点之外的其他监测站点存在异常的情况下，依次确定对所述第一监测站点的贡献量大于对非异常的第三监测站点的贡献量的污染源的第三污染源集合，所述第三监测站点为所述多个监测站点中除存在异常的监测站点之外的其他监测站点中的一个；
确定所述多个监测站点中除存在异常的监测站点之外的其他监测站点对应的多个所述第三污染源集合的交集，以得到所述第一污染源集合。
本公开的第二方面提供一种污染源异常排放确定装置，所述装置包括：
第一获取模块，被配置为获取监管区域内多个污染源中每个污染源的污染物排放数据和指定时间段内的气象预报数据；
预测模块，被配置为根据所述污染物排放数据和所述气象预报数据预测所述监管区域内多个监测站点中每个所述监测站点在第一时刻的指定污染物浓度的预测值；
第二获取模块，被配置为获取每个监测站点在所述第一时刻的所述指定污染物浓度的监测值；
第一确定模块，被配置为在根据第一监测站点的所述预测值和所述监测值确定所述第一监测站点存在所述指定污染物浓度异常的情况下，从所述多个污染源中确定包括一个或多个目标污染源的第一污染源集合，所述目标污染源对所述第一监测站点的所述指定污染物浓度的贡献量大于对所述多个监测站点中除所述第一监测站点之外的其他监测站点的贡献量，所述第一监测站点为所述监管区域内所述多个监测站点中的一个；
第二确定模块，被配置为根据所述第一污染源集合确定待排查污染源。
可选地，所述第一时刻为目标时间段内多个时刻中的一个，所述预测模块，被配置为：
将每个污染源的所述污染物排放数据和所述气象预报数据输入预设空气质量模型，以获取所述预设空气质量模型输出的每个污染源对所述多个监测站点中每个监测站点在所述目标时间段内多个时刻的所述指定污染物浓度的贡献量；
根据所述监管区域内多个污染源中每个污染源对每个监测站点在所述第一时刻的所述指定污染物浓度的贡献量确定每个监测站点在所述第一时刻的指定污染物浓度的所述预测值。
可选地，所述预测模块，被配置为：
针对每个监测站点，确定所述多个污染源中每个污染源对所述监测站点在所述第一时刻的所述指定污染物浓度的贡献量的目标和值；
将所述目标和值作为所述监测站点在所述第一时刻的指定污染物浓度的所述预测值。
可选地，所述第一确定模块，被配置为：
在所述第一监测站点的所述监测值与所述预测值的差值大于预设差值阈值的情况下，确定所述第一监测站点存在所述指定污染物浓度异常。
可选地，所述第一确定模块，被配置为：
在确定所述第一时刻不存在除所述第一监测站点之外的其他监测站点存在异常的情况下，依次确定对所述第一监测站点的贡献量大于对第二监测站点的贡献量的待定污染源的第二污染源集合，所述第二监测站点为所述多个监测站点中除所述第一监测站点之外的其他监测站点中的一个；
确定所述多个监测站点中除所述第一监测站点之外的其他监测站点对应的多个所述第二污染源集合的交集，以得到所述第一污染源集合。
可选地，所述第二确定模块，被配置为：
按照预设顺序对所述第一污染源集合中的目标污染源排序，以得到目标顺序的目标污染源序列；
根据所述目标污染源序列确定所述待排查污染源。
可选地，所述装置还包括：
第三确定模块，被配置为确定第二时刻所述指定污染物浓度存在异常的第二监测站点，所述第二时刻为所述第一时刻的下一预测时刻；
第四确定模块，被配置为从所述第一污染源集合中确定目标待排查污染源，所述目标待排查污染源为在所述第二时刻对第二监测站点的所述指定污染物浓度的贡献量大于在所述第一时刻对第二监测站点的所述指定污染物浓度的贡献量的目标污染源。
可选地，所述第一确定模块，被配置为：
在确定所述第一时刻存在除所述第一监测站点之外的其他监测站点存在异常的情况下，依次确定对所述第一监测站点的贡献量大于对非异常的第三监测站点的贡献量的污染源的第三污染源集合，所述第三监测站点为所述多个监测站点中除存在异常的监测站点之外的其他监测站点中的一个；
确定所述多个监测站点中除存在异常的监测站点之外的其他监测站点对应的多个所述第三污染源集合的交集，以得到所述第一污染源集合。
本公开的第三方面，提供一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现以上第一方面所述方法的步骤。
本公开的第四方面，提供一种电子设备，包括：
存储器，其上存储有计算机程序；
处理器，用于执行所述存储器中的所述计算机程序，以实现以上第一方面所述方法的步骤。
上述技术方案，能够通过获取监管区域内多个污染源中每个污染源的污染物排放数据和指定时间段内的气象预报数据；根据所述污染物排放数据和所述气象预报数据预测所述监管区域内多个监测站点中每个所述监测站点在第一时刻的指定污染物浓度的预测值，根据每个所述监测站点在第一时刻的指定污染物浓度的预测值和每个监测站点在所述第一时刻的所述指定污染物浓度的监测值确定出对所述第一监测站点的所述指定污染物浓度的贡献量大于对所述多个监测站点中除所述第一监测站点之外的其他监测站点的贡献量的目标污染源，再从目标污染源中确定出待排查污染源，能够有效提升异常排放污染源排查的自动化程度，提升异常排放污染源的排查效率，降低污染源排查所需的人力成本。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：
图1是本公开一示例性实施例示出的一种污染源异常排放确定方法的流程图；
图2是根据图1所示实施例示出的一种污染源异常排放确定方法的流程图；
图3是根据图1所示实施例示出的另一种污染源异常排放确定方法的流程图；
图4是根据图1所示实施例示出的又一种污染源异常排放确定方法的流程图；
图5是根据图1所示实施例示出的又一种污染源异常排放确定方法的流程图；
图6是本公开一示例性实施例示出的一种污染源异常排放确定装置的框图；
图7是根据本公开图6所示实施例示出的一种污染源异常排放确定装置的框图；
图8是根据一示例性实施例示出的一种电子设备的框图；
图9是根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开。
需要说明的是，本公开中所有获取信号、信息或数据的动作都是在遵照所在地国家相应的数据保护法规政策的前提下，并获得由相应装置所有者给予授权的情况下进行的。
在详细介绍本公开的具体实施方式之前，首先，对本公开的应用场景进行以下说明，本公开可以应用于排查异常排放的污染源的过程中，目前对于污染源异常排放的排查，大多是通过对污染源所在企业的用电量进行监管，例如企业实时用电量和正常排放用电量进行对比，通过用电量的差异判断企业是否超标排放，该方法通过建立排污与用电量之间的联系，分析企业异常排污时段，较为准确，但是由于通常无法获取很多企业的实时用电量信息，因此该方法的应用有限，适用性较差。相关技术中，也有通过在线监测方法监测是否异常排放，例如在污染源排口安装在线监测仪器，实时监控污染源排口的排放，但是该方法仅能在污染物排口安装，监测有组织排放，对于大量无组织排放（未通过排口排放）的污染物无法监测，因此适用性也比较有限。所以，当前的污染治理中，由于污染源大多比较分散，因此会存在大量地没有方向性的现场巡查，从而会造成进一步的资源浪费。
为了解决以上技术问题，本公开提供一种污染源异常排放确定方法、装置、存储介质及电子设备，该污染源异常排放确定方法能够通过获取监管区域内多个污染源中每个污染源的污染物排放数据和指定时间段内的气象预报数据；根据所述污染物排放数据和所述气象预报数据预测所述监管区域内多个监测站点中每个所述监测站点在第一时刻的指定污染物浓度的预测值，根据每个所述监测站点在第一时刻的指定污染物浓度的预测值和每个监测站点在所述第一时刻的所述指定污染物浓度的监测值确定出对所述第一监测站点的所述指定污染物浓度的贡献量大于对所述多个监测站点中除所述第一监测站点之外的其他监测站点的贡献量的目标污染源，再从目标污染源中确定出待排查污染源，能够有效提升异常排放污染源排查的自动化程度，提升异常排放污染源的排查效率，降低污染源排查所需的人力成本。
下面结合具体实施例对本公开的实施方式进行详细说明。
图1是本公开一示例性实施例示出的一种污染源异常排放确定方法的流程图；如图1所示，该方法可以包括：
步骤101，获取监管区域内多个污染源中每个污染源的污染物排放数据和指定时间段内的气象预报数据。
其中，该污染物排放数据可以包括污染源所在的经纬度信息、排口基础数据和排放量，该排口基础数据可以包括排口高度、形状、位置、排放污染物的种类等，排放量为单位时间的排放量，例如平均每天的排放量，每小时的排放量。该气象预报数据可以包括气温、空气湿度、风向、风速、阴晴雨雪、降水量以及特殊的灾害性天气等。
步骤102，根据所述污染物排放数据和所述气象预报数据预测所述监管区域内多个监测站点中每个所述监测站点在第一时刻的指定污染物浓度的预测值。
本步骤可以通过图2中S11和S12中所述步骤实施，图2是根据图1所示实施例示出的一种污染源异常排放确定方法的流程图；如图2所示，该步骤102的实施方式包括：
S11，将每个污染源的所述污染物排放数据和所述气象预报数据输入预设空气质量模型，以获取所述预设空气质量模型输出的每个污染源对所述多个监测站点中每个监测站点在所述目标时间段内多个时刻的所述指定污染物浓度的贡献量。
其中，该预设空气质量模型可以是CAMQ（描述大气污染物空气质量的复杂数值模型）、CAMx（综合空气质量模式）、WRF-CHEM（区域大气动力－化学耦合模式）、NAQPMS（嵌套网格空气质量预报系统）等三代空气质量模式，也可以是CALPUFF（非稳态拉格朗日烟团模型系统）、AERMOD（稳态烟羽模型）、ADMS（三维高斯型大气扩散模型）等二代空气质量模式。该目标时间段可以是未来24小时，未来48小时或者未来一周等。
示例地，若该目标时间段是未来24小时，将该监管区域内多个污染源中每个污染源的所述污染物排放数据和所述气象预报数据输入预设空气质量模型，该预设空气质量模型可以输出每个污染源对该监管区域内多个监测站点中每个监测站点在未来24小时内每个小时（也可以是多个小时，例如2个小时、3个小时、8个小时等）的该指定污染物浓度的贡献量。例如，某监管区域内包括10个污染源和4个监测站点，分别是污染源1-10和监测站点1-4，该预设空气质量模型输出了未来24小时内每个整点时刻的每个污染源对每个监测站点SO2浓度的贡献量，例如在1:00时，污染源1对监测站点1的SO2浓度的贡献量为3μg/m³，对监测站点2的SO2浓度的贡献量为4μg/m³，对监测站点3的SO2浓度的贡献量为1μg/m³，对监测站点4的SO2浓度的贡献量为0.5μg/m³；污染源2对监测站点1的SO2浓度的贡献量为1μg/m³，对监测站点1的SO2浓度的贡献量为3μg/m³，对监测站点3的SO2浓度的贡献量为0.5μg/m³，对监测站点4的SO2浓度的贡献量为1μg/m³。
S12，根据所述监管区域内多个污染源中每个污染源对每个监测站点在所述第一时刻的所述指定污染物浓度的贡献量确定每个监测站点在所述第一时刻的指定污染物浓度的所述预测值。
其中，所述第一时刻为目标时间段内多个时刻中的一个，例如，该目标时间段为未来24小时，该预设空气质量模型可以输出每个污染源对该监管区域内多个监测站点中每个监测站点在未来24小时内每个整点时刻的该指定污染物浓度的贡献量，则该第一时刻可以是未来24小时内的任一个整点时刻。
本步骤中，可以针对每个监测站点，确定所述多个污染源中每个污染源对所述监测站点在所述第一时刻的所述指定污染物浓度的贡献量的目标和值；将所述目标和值作为所述监测站点在所述第一时刻的指定污染物浓度的所述预测值。
其中，该指定污染物浓度可以是SO2浓度、NOx浓度、CO浓度、PM10浓度、PM2.5浓度、VOCs浓度中的一种或几种。
示例地，若该监管区域内有个监测站点，/>个污染源，在第一时刻污染源j对监测站点/>的某污染物浓度（例如NO2浓度）贡献量为/>，则该监测站点/>在该第一时刻的指定污染物浓度的预测值可以表示为/>，其中，m、n、/>和j均为正整数。
步骤103，获取每个监测站点在所述第一时刻的所述指定污染物浓度的监测值。
其中，该监测值可以通过获取每个监测站点的监测数据得到。每个监测站点会定时监测每种污染物的浓度，该指定污染物浓度为监测站点监测的污染物浓度中的一种或几种。
步骤104，在根据第一监测站点的所述预测值和所述监测值确定所述第一监测站点存在所述指定污染物浓度异常的情况下，从所述多个污染源中确定包括一个或多个目标污染源的第一污染源集合。
其中，所述目标污染源对所述第一监测站点的所述指定污染物浓度的贡献量大于对所述多个监测站点中除所述第一监测站点之外的其他监测站点的贡献量，所述第一监测站点为所述监管区域内所述多个监测站点中的一个。
本步骤中，根据第一监测站点的所述预测值和所述监测值确定所述第一监测站点存在所述指定污染物浓度异常的实施方式可以是：
在所述第一监测站点的所述监测值与所述预测值的差值大于预设差值阈值的情况下，确定所述第一监测站点存在所述指定污染物浓度异常。
另外，图3是根据图1所示实施例示出的另一种污染源异常排放确定方法的流程图；如图3所示，本步骤中所述的从所述多个污染源中确定包括一个或多个目标污染源的第一污染源集合的实施方式可以包括：
S21，在确定所述第一时刻不存在除所述第一监测站点之外的其他监测站点存在异常的情况下，依次确定对所述第一监测站点的贡献量大于对第二监测站点的贡献量的待定污染源的第二污染源集合。
其中，所述第二监测站点为所述多个监测站点中除所述第一监测站点之外的其他监测站点中的一个。
示例地，若该监管区域内存在4个监测站点，10个污染源，若在14:00时，只有监测站点1的监测值和预测值的差值大于预设差值阈值，其他监测站点（监测站点2、监测站点3和监测站点4）的监测值和预测值的差值均小于或者等于预设差值阈值的情况下，确定对该监测站点1的指定污染物浓度的贡献量大于对监测站点2的指定污染物浓度的贡献量的污染源（即该待定污染源），以得到第一个第二污染源集合C1，并确定对该监测站点1的指定污染物浓度的贡献量大于对监测站点3的指定污染物浓度的贡献量的污染源（即该待定污染源），以得到第二个第二污染源集合C2，再确定对该监测站点1的指定污染物浓度的贡献量大于对监测站点4的指定污染物浓度的贡献量的污染源（即该待定污染源），以得到第三个第二污染源集合C3。
S22，确定所述多个监测站点中除所述第一监测站点之外的其他监测站点对应的多个所述第二污染源集合的交集，以得到所述第一污染源集合。
示例地，仍以上述S22中所述示例为例进行说明，其中，第一个第二污染源集合C1中的元素为10个污染源中对监测站点1的贡献量大于对监测站点2的贡献量的污染源，第二个第二污染源集合C2中的元素为10个污染源中对监测站点1的贡献量大于对监测站点3的贡献量的污染源，第三个第二污染源集合C3中的元素为10个污染源中对监测站点1的贡献量大于对监测站点4的贡献量的污染源。可以获取第一个第二污染源集合C1，第二个第二污染源集合C2以及第三个第二污染源集合C3的交集以得到对监测站点1的贡献量较大，但对监测站点2、监测站点3和监测站点4贡献量较小的目标污染源，从而得到该第一污染源集合。
再有，本步骤中所述的从所述多个污染源中确定包括一个或多个目标污染源的第一污染源集合还可以包括图4（图4是根据图1所示实施例示出的又一种污染源异常排放确定方法的流程图）所示的实施方式，如图4所示：
S23，在确定所述第一时刻存在除所述第一监测站点之外的其他监测站点存在异常的情况下，依次确定对所述第一监测站点的贡献量大于对非异常的第三监测站点的贡献量的污染源的第三污染源集合。
其中，所述第三监测站点为所述多个监测站点中除存在异常的监测站点之外的其他监测站点中的一个。
示例地，若该监管区域内存在4个监测站点，10个污染源，若在12:00时，监测站点1和监测站点3为存在异常的监测站点，则需要确定对该监测站点1的指定污染物浓度的贡献量大于对监测站点2的指定污染物浓度的贡献量的污染源，以得到第一个第三污染源集合Q1，并确定对该监测站点1的指定污染物浓度的贡献量大于对监测站点4的指定污染物浓度的贡献量的污染源，以得到第二个第三污染源集合Q2，并确定对该监测站点3的指定污染物浓度的贡献量大于对监测站点2的指定污染物浓度的贡献量的污染源，以得到第三个第三污染源集合Q3，确定对该监测站点3的指定污染物浓度的贡献量大于对监测站点4的指定污染物浓度的贡献量的污染源，以得到第四个第三污染源集合Q4。
S24，确定所述多个监测站点中除存在异常的监测站点之外的其他监测站点对应的多个所述第三污染源集合的交集，以得到所述第一污染源集合。
示例地，仍以上述S23所示示例为例进行说明，可以先获取第一个第三污染源集合Q1与第二个第三污染源集合Q2的交集，得到一个第一污染源集合，再获取第三个第三污染源集合Q3与第四个第三污染源集合Q4的交集，得到另一个第一污染源集合。
步骤105，根据所述第一污染源集合确定待排查污染源。
本步骤中，可以按照预设顺序对所述第一污染源集合中的目标污染源排序，以得到目标顺序的目标污染源序列；根据所述目标污染源序列确定所述待排查污染源。
其中，该预设顺序可以是对该第一监测站点的贡献量由大至小（或者由小至大）的顺序。以上所述的根据所述目标污染源序列确定所述待排查污染源，可以将目标污染源序列中的部分或者全部作为该待排查污染源，例如在该目标污染源序列为按照对该第一监测站点的贡献量由大至小的顺序排列得到的序列，可以将目标污染源排序中的前几个（例如前两个，前5个等）作为待排查污染源。
以上技术方案，能够通过获取监管区域内多个污染源中每个污染源的污染物排放数据和指定时间段内的气象预报数据；根据所述污染物排放数据和所述气象预报数据预测所述监管区域内多个监测站点中每个所述监测站点在第一时刻的指定污染物浓度的预测值，根据每个所述监测站点在第一时刻的指定污染物浓度的预测值和每个监测站点在所述第一时刻的所述指定污染物浓度的监测值确定出对所述第一监测站点的所述指定污染物浓度的贡献量大于对所述多个监测站点中除所述第一监测站点之外的其他监测站点的贡献量的目标污染源，再从目标污染源中确定出待排查污染源，能够有效提升异常排放污染源排查的自动化程度，提升异常排放污染源的排查效率，降低污染源排查所需的人力成本。
图5是根据图1所示实施例示出的又一种污染源异常排放确定方法的流程图，如图5所示，所述方法还包括：
步骤106，确定第二时刻所述指定污染物浓度存在异常的第二监测站点，所述第二时刻为所述第一时刻的下一预测时刻。
示例地，若该目标时间段为未来24小时，该预设空气质量模型可以输出每个污染源对该监管区域内多个监测站点中每个监测站点在未来24小时内每个整点时刻的该指定污染物浓度的贡献量，该第一时刻为未来24小时内的11:00，则该第二时刻为12:00。
步骤107，从所述第一污染源集合中确定目标待排查污染源，所述目标待排查污染源为在所述第二时刻对第二监测站点的所述指定污染物浓度的贡献量大于在所述第一时刻对第二监测站点的所述指定污染物浓度的贡献量的目标污染源。
需要说明的是，由于通常风力的影响，一个污染源会在不同时间对不同的监测站点造成污染贡献，例如，由于监测站点A在监测站点B和污染源1之间，在风力的作用下，污染源1会先是监测站点A的贡献量最大者，之后会是监测站点B的贡献量最大者。因此，本步骤中能够根据时间维度上每个污染源对不同监测站点的影响，从该第一污染源集合中进一步确定目标待排查污染源，能够有效提升第二时刻待排查污染源的确定效率。
以上技术方案，由于考虑可时间维度上每个污染源对不同监测站点的影响，进而从该第一污染源集合中进一步确定目标待排查污染源，从而能够有效提升第二时刻待排查污染源的确定效率。
图6是本公开一示例性实施例示出的一种污染源异常排放确定装置的框图；如图6所述，所述装置可以包括：
第一获取模块601，被配置为获取监管区域内多个污染源中每个污染源的污染物排放数据和指定时间段内的气象预报数据；
预测模块602，被配置为根据所述污染物排放数据和所述气象预报数据预测所述监管区域内多个监测站点中每个所述监测站点在第一时刻的指定污染物浓度的预测值；
第二获取模块603，被配置为获取每个监测站点在所述第一时刻的所述指定污染物浓度的监测值；
第一确定模块604，被配置为在根据第一监测站点的所述预测值和所述监测值确定所述第一监测站点存在所述指定污染物浓度异常的情况下，从所述多个污染源中确定包括一个或多个目标污染源的第一污染源集合，所述目标污染源对所述第一监测站点的所述指定污染物浓度的贡献量大于对所述多个监测站点中除所述第一监测站点之外的其他监测站点的贡献量，所述第一监测站点为所述监管区域内所述多个监测站点中的一个；
第二确定模块605，被配置为根据所述第一污染源集合确定待排查污染源。
以上技术方案，能够通过获取监管区域内多个污染源中每个污染源的污染物排放数据和指定时间段内的气象预报数据；根据所述污染物排放数据和所述气象预报数据预测所述监管区域内多个监测站点中每个所述监测站点在第一时刻的指定污染物浓度的预测值，根据每个所述监测站点在第一时刻的指定污染物浓度的预测值和每个监测站点在所述第一时刻的所述指定污染物浓度的监测值确定出对所述第一监测站点的所述指定污染物浓度的贡献量大于对所述多个监测站点中除所述第一监测站点之外的其他监测站点的贡献量的目标污染源，再从目标污染源中确定出待排查污染源，能够有效提升异常排放污染源排查的自动化程度，提升异常排放污染源的排查效率，降低污染源排查所需的人力成本。
可选地，所述第一时刻为目标时间段内多个时刻中的一个，所述预测模块602，被配置为：
将每个污染源的所述污染物排放数据和所述气象预报数据输入预设空气质量模型，以获取所述预设空气质量模型输出的每个污染源对所述多个监测站点中每个监测站点在所述目标时间段内多个时刻的所述指定污染物浓度的贡献量；
根据所述监管区域内多个污染源中每个污染源对每个监测站点在所述第一时刻的所述指定污染物浓度的贡献量确定每个监测站点在所述第一时刻的指定污染物浓度的所述预测值。
可选地，所述预测模块602，被配置为：
针对每个监测站点，确定所述多个污染源中每个污染源对所述监测站点在所述第一时刻的所述指定污染物浓度的贡献量的目标和值；
将所述目标和值作为所述监测站点在所述第一时刻的指定污染物浓度的所述预测值。
可选地，所述第一确定模块604，被配置为：
在所述第一监测站点的所述监测值与所述预测值的差值大于预设差值阈值的情况下，确定所述第一监测站点存在所述指定污染物浓度异常。
可选地，所述第一确定模块604，被配置为：
在确定所述第一时刻不存在除所述第一监测站点之外的其他监测站点存在异常的情况下，依次确定对所述第一监测站点的贡献量大于对第二监测站点的贡献量的待定污染源的第二污染源集合，所述第二监测站点为所述多个监测站点中除所述第一监测站点之外的其他监测站点中的一个；
确定所述多个监测站点中除所述第一监测站点之外的其他监测站点对应的多个所述第二污染源集合的交集，以得到所述第一污染源集合。
可选地，所述第二确定模块605，被配置为：
按照预设顺序对所述第一污染源集合中的目标污染源排序，以得到目标顺序的目标污染源序列；
根据所述目标污染源序列确定所述待排查污染源。
图7是根据本公开图6所示实施例示出的一种污染源异常排放确定装置的框图；如图7所述，所述装置还包括：
第三确定模块606，被配置为确定第二时刻所述指定污染物浓度存在异常的第二监测站点，所述第二时刻为所述第一时刻的下一预测时刻；
第四确定模块607，被配置为从所述第一污染源集合中确定目标待排查污染源，所述目标待排查污染源为在所述第二时刻对第二监测站点的所述指定污染物浓度的贡献量大于在所述第一时刻对第二监测站点的所述指定污染物浓度的贡献量的目标污染源。
以上技术方案，由于考虑可时间维度上每个污染源对不同监测站点的影响，进而从该第一污染源集合中进一步确定目标待排查污染源，从而能够有效提升第二时刻待排查污染源的确定效率。
可选地，所述第一确定模块604，被配置为：
在确定所述第一时刻存在除所述第一监测站点之外的其他监测站点存在异常的情况下，依次确定对所述第一监测站点的贡献量大于对非异常的第三监测站点的贡献量的污染源的第三污染源集合，所述第三监测站点为所述多个监测站点中除存在异常的监测站点之外的其他监测站点中的一个；
确定所述多个监测站点中除存在异常的监测站点之外的其他监测站点对应的多个所述第三污染源集合的交集，以得到所述第一污染源集合。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
图8是根据一示例性实施例示出的一种电子设备的框图；如图8所示，该第一电子设备800可以包括：第一处理器801，第一存储器802。该第一电子设备800还可以包括多媒体组件803，第一输入/输出接口804，以及第一通信组件805中的一者或多者。
其中，第一处理器801用于控制该第一电子设备800的整体操作，以完成上述的污染源异常排放确定方法中的全部或部分步骤。第一存储器802用于存储各种类型的数据以支持在该第一电子设备800的操作，这些数据例如可以包括用于在该第一电子设备800上操作的任何应用程序或方法的指令，以及应用程序相关的数据，例如联系人数据、收发的消息、图片、音频、视频等等。该第一存储器802可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器（Static Random Access Memory，简称SRAM），电可擦除可编程只读存储器（Electrically Erasable Programmable Read-OnlyMemory，简称EEPROM），可擦除可编程只读存储器（Erasable Programmable Read-OnlyMemory，简称EPROM），可编程只读存储器（Programmable Read-Only Memory，简称PROM），只读存储器（Read-Only Memory，简称ROM），磁存储器，快闪存储器，磁盘或光盘。多媒体组件803可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在第一存储器802或通过第一通信组件805发送。音频组件还包括至少一个扬声器，用于输出音频信号。第一输入/输出接口804为第一处理器801和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。第一通信组件805用于该第一电子设备800与其他设备之间进行有线或无线通信。无线通信，例如Wi-Fi，蓝牙，近场通信（Near Field Communication，简称NFC），2G、3G、4G、NB-IOT、eMTC、或其他5G等等，或它们中的一种或几种的组合，在此不做限定。因此相应的该第一通信组件805可以包括：Wi-Fi模块，蓝牙模块，NFC模块等等。
在一示例性实施例中，第一电子设备800可以被一个或多个应用专用集成电路（Application Specific Integrated Circuit，简称ASIC）、数字信号处理器（DigitalSignal Processor，简称DSP）、数字信号处理设备（Digital Signal Processing Device，简称DSPD）、可编程逻辑器件（Programmable Logic Device，简称PLD）、现场可编程门阵列（Field Programmable Gate Array，简称FPGA）、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的污染源异常排放确定方法。
在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的污染源异常排放确定方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的第一存储器802，上述程序指令可由第一电子设备800的第一处理器801执行以完成上述的污染源异常排放确定方法。
图9是根据一示例性实施例示出的一种电子设备的框图。例如，第二电子设备900可以被提供为一服务器。参照图9，第二电子设备900包括第二处理器922，其数量可以为一个或多个，以及第二存储器932，用于存储可由第二处理器922执行的计算机程序。第二存储器932中存储的计算机程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，第二处理器922可以被配置为执行该计算机程序，以执行上述的污染源异常排放确定方法。
另外，第二电子设备900还可以包括电源组件926和第二通信组件950，该电源组件926可以被配置为执行第二电子设备900的电源管理，该第二通信组件950可以被配置为实现第二电子设备900的通信，例如，有线或无线通信。此外，该第二电子设备900还可以包括第二输入/输出接口958。第二电子设备900可以操作基于存储在第二存储器932的操作系统。
在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的污染源异常排放确定方法的步骤。例如，该非临时性计算机可读存储介质可以为上述包括程序指令的第二存储器932，上述程序指令可由第二电子设备900的第二处理器922执行以完成上述的污染源异常排放确定方法。
在另一示例性实施例中，还提供一种计算机程序产品，该计算机程序产品包含能够由可编程的装置执行的计算机程序，该计算机程序具有当由该可编程的装置执行时用于执行上述的污染源异常排放确定方法的代码部分。
以上结合附图详细描述了本公开的优选实施方式，但是，本公开并不限于上述实施方式中的具体细节，在本公开的技术构思范围内，可以对本公开的技术方案进行多种简单变型，这些简单变型均属于本公开的保护范围。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，为了避免不必要的重复，本公开对各种可能的组合方式不再另行说明。
此外，本公开的各种不同的实施方式之间也可以进行任意组合，只要其不违背本公开的思想，其同样应当视为本公开所公开的内容。
Claims (8)
1.一种污染源异常排放确定方法，其特征在于，所述方法包括：
获取监管区域内多个污染源中每个污染源的污染物排放数据和指定时间段内的气象预报数据；
根据所述污染物排放数据和所述气象预报数据预测所述监管区域内多个监测站点中每个所述监测站点在第一时刻的指定污染物浓度的预测值；
获取每个监测站点在所述第一时刻的所述指定污染物浓度的监测值；
在根据第一监测站点的所述预测值和所述监测值确定所述第一监测站点存在所述指定污染物浓度异常的情况下，从所述多个污染源中确定包括一个或多个目标污染源的第一污染源集合，所述目标污染源对所述第一监测站点的所述指定污染物浓度的贡献量大于对所述多个监测站点中除所述第一监测站点之外的其他监测站点的贡献量，所述第一监测站点为所述监管区域内所述多个监测站点中的一个；
根据所述第一污染源集合确定待排查污染源；
其中，所述第一时刻为目标时间段内多个时刻中的一个，所述根据所述污染物排放数据和所述气象预报数据预测所述监管区域内多个监测站点中每个所述监测站点在第一时刻的指定污染物浓度的预测值，包括：
将每个污染源的所述污染物排放数据和所述气象预报数据输入预设空气质量模型，以获取所述预设空气质量模型输出的每个污染源对所述多个监测站点中每个监测站点在所述目标时间段内多个时刻的所述指定污染物浓度的贡献量；
根据所述监管区域内多个污染源中每个污染源对每个监测站点在所述第一时刻的所述指定污染物浓度的贡献量确定每个监测站点在所述第一时刻的指定污染物浓度的所述预测值；所述根据所述监管区域内多个污染源中每个污染源对每个监测站点在所述第一时刻的所述指定污染物浓度的贡献量确定每个监测站点在所述第一时刻的指定污染物浓度的所述预测值，包括：针对每个监测站点，确定所述多个污染源中每个污染源对所述监测站点在所述第一时刻的所述指定污染物浓度的贡献量的目标和值；将所述目标和值作为所述监测站点在所述第一时刻的指定污染物浓度的所述预测值；
从所述多个污染源中确定包括一个或多个目标污染源的第一污染源集合，包括：
在确定所述第一时刻不存在除所述第一监测站点之外的其他监测站点存在异常的情况下，依次确定对所述第一监测站点的贡献量大于对第二监测站点的贡献量的待定污染源的第二污染源集合，所述第二监测站点为所述多个监测站点中除所述第一监测站点之外的其他监测站点中的一个；
确定所述多个监测站点中除所述第一监测站点之外的其他监测站点对应的多个所述第二污染源集合的交集，以得到所述第一污染源集合。
2.根据权利要求1所述的方法，其特征在于，根据第一监测站点的所述预测值和所述监测值确定所述第一监测站点存在所述指定污染物浓度异常，包括：
在所述第一监测站点的所述监测值与所述预测值的差值大于预设差值阈值的情况下，确定所述第一监测站点存在所述指定污染物浓度异常。
3.根据权利要求1所述的方法，其特征在于，所述根据所述第一污染源集合确定待排查污染源，包括：
按照预设顺序对所述第一污染源集合中的目标污染源排序，以得到目标顺序的目标污染源序列；
根据所述目标污染源序列确定所述待排查污染源。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
确定第二时刻所述指定污染物浓度存在异常的第二监测站点，所述第二时刻为所述第一时刻的下一预测时刻；
从所述第一污染源集合中确定目标待排查污染源，所述目标待排查污染源为在所述第二时刻对第二监测站点的所述指定污染物浓度的贡献量大于在所述第一时刻对第二监测站点的所述指定污染物浓度的贡献量的目标污染源。
5.根据权利要求1所述的方法，其特征在于，从所述多个污染源中确定包括一个或多个目标污染源的第一污染源集合，包括：
在确定所述第一时刻存在除所述第一监测站点之外的其他监测站点存在异常的情况下，依次确定对所述第一监测站点的贡献量大于对非异常的第三监测站点的贡献量的污染源的第三污染源集合，所述第三监测站点为所述多个监测站点中除存在异常的监测站点之外的其他监测站点中的一个；
确定所述多个监测站点中除存在异常的监测站点之外的其他监测站点对应的多个所述第三污染源集合的交集，以得到所述第一污染源集合。
6.一种污染源异常排放确定装置，其特征在于，所述装置包括：
第一获取模块，被配置为获取监管区域内多个污染源中每个污染源的污染物排放数据和指定时间段内的气象预报数据；
预测模块，被配置为根据所述污染物排放数据和所述气象预报数据预测所述监管区域内多个监测站点中每个所述监测站点在第一时刻的指定污染物浓度的预测值；
第二获取模块，被配置为获取每个监测站点在所述第一时刻的所述指定污染物浓度的监测值；
第一确定模块，被配置为在根据第一监测站点的所述预测值和所述监测值确定所述第一监测站点存在所述指定污染物浓度异常的情况下，从所述多个污染源中确定包括一个或多个目标污染源的第一污染源集合，所述目标污染源对所述第一监测站点的所述指定污染物浓度的贡献量大于对所述多个监测站点中除所述第一监测站点之外的其他监测站点的贡献量，所述第一监测站点为所述监管区域内所述多个监测站点中的一个；
第二确定模块，被配置为根据所述第一污染源集合确定待排查污染源；
所述第一时刻为目标时间段内多个时刻中的一个，所述预测模块，被配置为：将每个污染源的所述污染物排放数据和所述气象预报数据输入预设空气质量模型，以获取所述预设空气质量模型输出的每个污染源对所述多个监测站点中每个监测站点在所述目标时间段内多个时刻的所述指定污染物浓度的贡献量；根据所述监管区域内多个污染源中每个污染源对每个监测站点在所述第一时刻的所述指定污染物浓度的贡献量确定每个监测站点在所述第一时刻的指定污染物浓度的所述预测值；所述预测模块，被配置为：针对每个监测站点，确定所述多个污染源中每个污染源对所述监测站点在所述第一时刻的所述指定污染物浓度的贡献量的目标和值；将所述目标和值作为所述监测站点在所述第一时刻的指定污染物浓度的所述预测值；
所述第一确定模块，被配置为在确定所述第一时刻不存在除所述第一监测站点之外的其他监测站点存在异常的情况下，依次确定对所述第一监测站点的贡献量大于对第二监测站点的贡献量的待定污染源的第二污染源集合，所述第二监测站点为所述多个监测站点中除所述第一监测站点之外的其他监测站点中的一个；确定所述多个监测站点中除所述第一监测站点之外的其他监测站点对应的多个所述第二污染源集合的交集，以得到所述第一污染源集合。
7.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-5中任一项所述方法的步骤。
8.一种电子设备，其特征在于，包括：
存储器，其上存储有计算机程序；
处理器，用于执行所述存储器中的所述计算机程序，以实现权利要求1-5中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310510708.0A CN116307258B (zh) | 2023-05-08 | 2023-05-08 | 污染源异常排放确定方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310510708.0A CN116307258B (zh) | 2023-05-08 | 2023-05-08 | 污染源异常排放确定方法、装置、存储介质及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116307258A CN116307258A (zh) | 2023-06-23 |
| CN116307258B true CN116307258B (zh) | 2023-08-11 |
Family
ID=86790823
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310510708.0A Active CN116307258B (zh) | 2023-05-08 | 2023-05-08 | 污染源异常排放确定方法、装置、存储介质及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116307258B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110428104A (zh) * | 2019-08-01 | 2019-11-08 | 软通动力信息技术有限公司 | 一种污染贡献率确定方法、装置、电子设备及存储介质 |
| CN110531030A (zh) * | 2019-08-16 | 2019-12-03 | 北京慧辰资道资讯股份有限公司 | 一种基于物联网大数据大气污染物分析的方法及装置 |
| 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 |
| CN115293360A (zh) * | 2022-07-12 | 2022-11-04 | 中国环境科学研究院 | 一种大气污染物浓度分析方法、装置及存储介质 |
| CN115965510A (zh) * | 2022-12-07 | 2023-04-14 | 天津同阳科技发展有限公司 | 污染物实时溯源方法、装置及电子设备 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10725008B2 (en) * | 2017-04-24 | 2020-07-28 | International Business Machines Corporation | Automatic siting for air quality monitoring stations |
-
2023
- 2023-05-08 CN CN202310510708.0A patent/CN116307258B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110428104A (zh) * | 2019-08-01 | 2019-11-08 | 软通动力信息技术有限公司 | 一种污染贡献率确定方法、装置、电子设备及存储介质 |
| CN110531030A (zh) * | 2019-08-16 | 2019-12-03 | 北京慧辰资道资讯股份有限公司 | 一种基于物联网大数据大气污染物分析的方法及装置 |
| 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 |
| CN115293360A (zh) * | 2022-07-12 | 2022-11-04 | 中国环境科学研究院 | 一种大气污染物浓度分析方法、装置及存储介质 |
| CN115965510A (zh) * | 2022-12-07 | 2023-04-14 | 天津同阳科技发展有限公司 | 污染物实时溯源方法、装置及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116307258A (zh) | 2023-06-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113138865A (zh) | 环境监测方法、系统、平台以及存储介质 | |
| RU2380729C1 (ru) | Система экологического мониторинга атмосферного воздуха промышленного региона | |
| CN108489875B (zh) | 一种基于时段统计分析的污染物溯源系统及方法 | |
| CN110426493B (zh) | 空气质量监测数据校准方法、装置、设备和存储介质 | |
| CN116227749A (zh) | 污染物排放量的确定方法、装置、存储介质及电子设备 | |
| CN113777236B (zh) | 基于排放源的空气质量监控方法和装置 | |
| CN113393058B (zh) | 污染物管控方法、预测管控方法、实时管控方法及装置 | |
| CN114329245A (zh) | 一种空气污染的溯源方法、装置、服务器及存储介质 | |
| CN110427573A (zh) | 一种未知污染源区域的确定方法、装置、设备及存储介质 | |
| CN109799193A (zh) | 污染分布立体监测方法及系统 | |
| CN116228501B (zh) | 排污超标区域行业确定方法、装置、存储介质及电子设备 | |
| CN116087421A (zh) | 大气污染物监测溯源方法、装置、计算机设备和存储介质 | |
| CN116626233A (zh) | 基于多源数据融合的大气污染溯源方法、终端及存储介质 | |
| CN116757366B (zh) | 高污染排放污染源选址的方法、装置、介质及电子设备 | |
| CN108414692A (zh) | 一种污染源的监测点设置方法及其相关设备 | |
| CN110988259A (zh) | 一种污染源定位方法、装置、系统及存储介质 | |
| CN116307258B (zh) | 污染源异常排放确定方法、装置、存储介质及电子设备 | |
| CN116739388A (zh) | 减排措施评估方法、装置及存储介质 | |
| CN110688678A (zh) | 一种应用于区块链的数据处理方法、装置及设备 | |
| Bao | Cloud connection oriented real‐time monitoring system for atmospheric particles | |
| US11102091B2 (en) | Analyzing SCADA systems | |
| 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 | |
| CN117610895B (zh) | 重点污染源管控时间的确定方法、装置、电子设备及介质 | |
| Meissen et al. | WIND-A meteorological early warning system and its extensions towards mobile services. | |
| CN113763221A (zh) | 一种大气污染的溯源方法、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 |