CN116307268B - 一种基于污染场地修复过程中的碳排放预测方法及系统 - Google Patents
一种基于污染场地修复过程中的碳排放预测方法及系统 Download PDFInfo
- Publication number
- CN116307268B CN116307268B CN202310541237.XA CN202310541237A CN116307268B CN 116307268 B CN116307268 B CN 116307268B CN 202310541237 A CN202310541237 A CN 202310541237A CN 116307268 B CN116307268 B CN 116307268B
- Authority
- CN
- China
- Prior art keywords
- carbon emission
- site
- emission data
- pollution
- data
- 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
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 250
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 250
- 238000000034 method Methods 0.000 title claims abstract description 56
- 230000008569 process Effects 0.000 title claims abstract description 32
- 238000011156 evaluation Methods 0.000 claims description 60
- 238000009792 diffusion process Methods 0.000 claims description 54
- 230000008439 repair process Effects 0.000 claims description 45
- 238000012544 monitoring process Methods 0.000 claims description 43
- 238000012549 training Methods 0.000 claims description 18
- 238000012360 testing method Methods 0.000 claims description 16
- 238000005067 remediation Methods 0.000 claims description 10
- 238000013135 deep learning Methods 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000011109 contamination Methods 0.000 claims description 6
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 12
- 229910002092 carbon dioxide Inorganic materials 0.000 description 6
- 239000001569 carbon dioxide Substances 0.000 description 6
- 230000000737 periodic effect Effects 0.000 description 6
- 238000003900 soil pollution Methods 0.000 description 6
- GQPLMRYTRLFLPF-UHFFFAOYSA-N Nitrous Oxide Chemical compound [O-][N+]#N GQPLMRYTRLFLPF-UHFFFAOYSA-N 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 4
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 4
- 239000002689 soil Substances 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 229910018503 SF6 Inorganic materials 0.000 description 2
- 238000009412 basement excavation Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- -1 hydrofluorocarbon Chemical compound 0.000 description 2
- 239000001272 nitrous oxide Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000000779 smoke Substances 0.000 description 2
- SFZCNBIFKDRMGX-UHFFFAOYSA-N sulfur hexafluoride Chemical compound FS(F)(F)(F)(F)F SFZCNBIFKDRMGX-UHFFFAOYSA-N 0.000 description 2
- 229960000909 sulfur hexafluoride Drugs 0.000 description 2
- TXEYQDLBPFQVAA-UHFFFAOYSA-N tetrafluoromethane Chemical compound FC(F)(F)F TXEYQDLBPFQVAA-UHFFFAOYSA-N 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/84—Greenhouse gas [GHG] management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Biomedical Technology (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Operations Research (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于污染场地修复过程中的碳排放预测方法及系统，根据目标污染场地进行场地模型搭建，得到场地地图模型，根据场地地图模型进行区域划分，得到多个子区域，基于无人机空气监测模块，采集多个子区域中的碳排放含量，并得到子区域碳排放数据，将子区域碳排放数据导入预测模型进行碳排放预测得到预测碳排放数据，根据预测碳排放数据对污染场地修复进行二次污染评估，得到二次污染评估信息，基于二次污染评估信息对污染场地区域进行二次污染调控分析，并得到调控方案。通过本发明，能够有效对污染场地修复过程中的碳排放进行精准监测与预测，进一步对实现污染场地修复过程中的二次污染调控。
Description
技术领域
本发明涉及深度学习预测领域，更具体的，涉及一种基于污染场地修复过程中的碳排放预测方法及系统。
背景技术
近年来，由于二氧化碳温室气体的大量排放，导致全球气候变暖，海平面上升，给全球带来了严重的生态危机。而在一些污染场地修复过程中，需要消耗大量的能源，比如热能、电能，这些能源的消耗都会伴随较高浓度的二氧化碳排放，导致污染修复的二次污染。因此，建立有效的方法对污染场地修复过程中的碳排放量进行预测与碳排放的调控是非常有必要的。而在目前污染修复过程中，还没有相关的碳排放预测方法，因此，现在亟需一种基于污染场地修复过程中的碳排放预测方法。
发明内容
本发明克服了现有技术的缺陷，提出了一种基于污染场地修复过程中的碳排放预测方法及系统。
本发明第一方面提供了一种基于污染场地修复过程中的碳排放预测方法，包括：
根据目标污染场地进行场地模型搭建，得到场地地图模型；
根据场地地图模型进行区域划分，得到多个子区域，基于无人机空气监测模块，采集多个子区域中的碳排放含量，并得到子区域碳排放数据；
将子区域碳排放数据导入预测模型进行碳排放预测得到预测碳排放数据；
根据预测碳排放数据对污染场地修复进行二次污染评估，得到二次污染评估信息；
基于二次污染评估信息对污染场地区域进行二次污染调控分析，并得到调控方案。
本方案中，所述根据目标污染场地进行场地模型搭建，得到场地地图模型，具体为：
获取目标污染场地的面积大小与地图轮廓；
基于所述目标污染场地的面积大小与地图轮廓构建场地地图模型；
获取污染修复点信息，并将所述污染修复点信息导入场地地图模型。
本方案中，所述根据场地地图模型进行区域划分，得到多个子区域，基于无人机空气监测模块，采集多个子区域中的碳排放含量，并得到子区域碳排放数据，具体为：
基于场地地图模型中场地面积大小划分为n个子区域；
每个子区域包括至多一个污染修复点;
基于无人机空气监测模块，获取n个子区域中的碳排放数据并得到子区域碳排放数据；
每个子区域包括至少一个监测点。
本方案中，所述将子区域碳排放数据导入预测模型进行碳排放预测得到预测碳排放数据，之前包括：
构建基于深度学习的预测模型；
获取污染场地中的历史碳排放数据；
将所述历史碳排放数据导入预测模型进行训练与测试，对应训练数据与测试数据比例为预设比例；
获取一个预设周期内的子区域碳排放数据，将所述子区域碳排放数据导入训练后的预测模型进行数据预测，并得到下一个周期的预测碳排放数据。
本方案中，所述根据预测碳排放数据对污染场地修复进行二次污染评估，得到二次污染评估信息，具体为：
获取目标场地中的天气数据，从天气数据中提取风向、风力、气温信息；
将风向、风力、气温信息进行模型参数转化，得到气候影响参数；
选定一个子区域，从预测碳排放数据获取该子区域对应的预测数据，并标记为子区域预测碳排放数据；
将子区域预测碳排放数据与气候影响参数导入预测模型进行碳排放污染扩散分析，得到该子区域的污染扩散速率；
对其余子区域进行扩散分析，并得到n个污染扩散速率；
将n个污染扩散速率进行均值计算，得到平均污染扩散速率；
根据预测碳排放数据与平均污染扩散速率，对污染场地进行二次污染评估并得到二次污染评估信息；
将所述二次污染评估信息发送预设终端设备进行显示。
本方案中，所述基于二次污染评估信息对污染场地区域进行二次污染调控分析，并得到调控方案，具体为：
基于二次污染评估信息，判断每个子区域中的子区域预测碳排放数据与污染扩散速率；
若一个子区域中，对应预测碳排放数据中的碳排放浓度大于预设浓度，且对应污染扩散速率大于预设速率，则将该子区域标记为第一污染子区域；
根据第一污染子区域的预测碳排放数据与污染扩散速率进行污染修复调控，并得到调控方案。
本发明第二方面还提供了一种基于污染场地修复过程中的碳排放预测系统，其特征在于，该系统包括：存储器、处理器，所述存储器中包括基于污染场地修复过程中的碳排放预测程序，所述基于污染场地修复过程中的碳排放预测程序被所述处理器执行时实现如下步骤：
根据目标污染场地进行场地模型搭建，得到场地地图模型；
根据场地地图模型进行区域划分，得到多个子区域，基于无人机空气监测模块，采集多个子区域中的碳排放含量，并得到子区域碳排放数据；
将子区域碳排放数据导入预测模型进行碳排放预测得到预测碳排放数据；
根据预测碳排放数据对污染场地修复进行二次污染评估，得到二次污染评估信息；
基于二次污染评估信息对污染场地区域进行二次污染调控分析，并得到调控方案。
本方案中，所述根据目标污染场地进行场地模型搭建，得到场地地图模型，具体为：
获取目标污染场地的面积大小与地图轮廓；
基于所述目标污染场地的面积大小与地图轮廓构建场地地图模型；
获取污染修复点信息，并将所述污染修复点信息导入场地地图模型。
本方案中，所述根据场地地图模型进行区域划分，得到多个子区域，基于无人机空气监测模块，采集多个子区域中的碳排放含量，并得到子区域碳排放数据，具体为：
基于场地地图模型中场地面积大小划分为n个子区域；
每个子区域包括至多一个污染修复点;
基于无人机空气监测模块，获取n个子区域中的碳排放数据并得到子区域碳排放数据；
每个子区域包括至少一个监测点。
本方案中，所述将子区域碳排放数据导入预测模型进行碳排放预测得到预测碳排放数据，之前包括：
构建基于深度学习的预测模型；
获取污染场地中的历史碳排放数据；
将所述历史碳排放数据导入预测模型进行训练与测试，对应训练数据与测试数据比例为预设比例；
获取一个预设周期内的子区域碳排放数据，将所述子区域碳排放数据导入训练后的预测模型进行数据预测，并得到下一个周期的预测碳排放数据。
本发明公开了一种基于污染场地修复过程中的碳排放预测方法及系统，根据目标污染场地进行场地模型搭建，得到场地地图模型，根据场地地图模型进行区域划分，得到多个子区域，基于无人机空气监测模块，采集多个子区域中的碳排放含量，并得到子区域碳排放数据，将子区域碳排放数据导入预测模型进行碳排放预测得到预测碳排放数据，根据预测碳排放数据对污染场地修复进行二次污染评估，得到二次污染评估信息，基于二次污染评估信息对污染场地区域进行二次污染调控分析，并得到调控方案。通过本发明，能够有效对污染场地修复过程中的碳排放进行精准监测与预测，进一步对实现污染场地修复过程中的二次污染调控。
附图说明
图1示出了本发明一种基于污染场地修复过程中的碳排放预测方法的流程图；
图2示出了本发明构建场地地图模型流程图；
图3示出了本发明预测碳排放数据获取流程图；
图4示出了本发明一种基于污染场地修复过程中的碳排放预测系统的框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本发明一种基于污染场地修复过程中的碳排放预测方法的流程图。
如图1所示，本发明第一方面提供了一种基于污染场地修复过程中的碳排放预测方法，包括：
S102，根据目标污染场地进行场地模型搭建，得到场地地图模型；
S104，根据场地地图模型进行区域划分，得到多个子区域，基于无人机空气监测模块，采集多个子区域中的碳排放含量，并得到子区域碳排放数据；
S106，将子区域碳排放数据导入预测模型进行碳排放预测得到预测碳排放数据；
S108，根据预测碳排放数据对污染场地修复进行二次污染评估，得到二次污染评估信息；
S110，基于二次污染评估信息对污染场地区域进行二次污染调控分析，并得到调控方案。
图2示出了本发明构建场地地图模型流程图。
根据本发明实施例，所述根据目标污染场地进行场地模型搭建，得到场地地图模型，具体为：
S202，获取目标污染场地的面积大小与地图轮廓；
S204，基于所述目标污染场地的面积大小与地图轮廓构建场地地图模型。
S206，获取污染修复点信息，并将所述污染修复点信息导入场地地图模型。
需要说明的是，所述污染修复点信息具体为在目标污染场地内的具体修复地点，如土壤污染修复中，对土壤污染处理所涉及的土壤地点。所述污染修复点包括一个或多个点，具体由污染场地修复方案决定。
根据本发明实施例，所述根据场地地图模型进行区域划分，得到多个子区域，基于无人机空气监测模块，采集多个子区域中的碳排放含量，并得到子区域碳排放数据，具体为：
基于场地地图模型中场地面积大小划分为n个子区域；
每个子区域包括至多一个污染修复点;
基于无人机空气监测模块，获取n个子区域中的碳排放数据并得到子区域碳排放数据；
每个子区域包括至少一个监测点。
需要说明的是，所述n的大小具体由场地面积大小决定，面积越大，n越大。所述无人机空气监测模块包括多台无人机与空气监测设备组成，所述空气监测设备可放置于无人机中进行实时监测，一个监测点至少包括1台无人机与1台空气监测设备。所述碳排放数据中，主要包括二氧化碳、甲烷、氧化亚氮、氢氟碳化物、全氟化碳和六氟化硫等温室气体的排放浓度与排放量数据，其中，二氧化碳为主要监测对象。通过无人机进行空气监测，能够更加快速与方便地实时监测较大区域的碳排放。
图3示出了本发明预测碳排放数据获取流程图。
根据本发明实施例，所述将子区域碳排放数据导入预测模型进行碳排放预测得到预测碳排放数据，之前包括：
S302，构建基于深度学习的预测模型；
S304，获取污染场地中的历史碳排放数据；
S306，将所述历史碳排放数据导入预测模型进行训练与测试，对应训练数据与测试数据比例为预设比例；
S308，获取一个预设周期内的子区域碳排放数据，将所述子区域碳排放数据导入训练后的预测模型进行数据预测，并得到下一个周期的预测碳排放数据。
需要说明的是，所述预测模型为通过基于深度学习的CNN神经网络架构进行搭建的，具有数据自动训练、测试与数据预测功能，另外，所述预测模型采用AlexNet、VGG、GoogLeNet、ResNet等神经网络算法。所述对应训练数据与测试数据比例为预设比例中，所述预设比例一般为7:3，且数据主要以训练作用为主。其中，每个子区域对应一个预测碳排放数据。所述预测碳排放数据可以通过场地地图模型进行查看，通过场地地图模型，能够对每个子区域的碳排放预测数据更为直观地展示。
根据本发明实施例，所述根据预测碳排放数据对污染场地修复进行二次污染评估，得到二次污染评估信息，具体为：
获取目标场地中的天气数据，从天气数据中提取风向、风力、气温信息；
将风向、风力、气温信息进行模型参数转化，得到气候影响参数；
选定一个子区域，从预测碳排放数据获取该子区域对应的预测数据，并标记为子区域预测碳排放数据；
将子区域预测碳排放数据与气候影响参数导入预测模型进行碳排放污染扩散分析，得到该子区域的污染扩散速率；
对其余子区域进行扩散分析，并得到n个污染扩散速率；
将n个污染扩散速率进行均值计算，得到平均污染扩散速率；
根据预测碳排放数据与平均污染扩散速率，对污染场地进行二次污染评估并得到二次污染评估信息；
将所述二次污染评估信息发送预设终端设备进行显示。
需要说明的是，所述二次污染具体为在污染场地进行污染修复时产生碳排放的二次污染。所述二次污染评估信息中具体为根据预测碳排放数据中碳排放浓度大小与平均污染扩散速率进行评估，碳排放浓度越大或污染扩散速率越大，则代表二次污染越严重。所述预设终端设备包括计算机终端设备与移动终端设备。
根据本发明实施例，所述基于二次污染评估信息对污染场地区域进行二次污染调控分析，并得到调控方案，具体为：
基于二次污染评估信息，判断每个子区域中的子区域预测碳排放数据与污染扩散速率；
若一个子区域中，对应预测碳排放数据中的碳排放浓度大于预设浓度，且对应污染扩散速率大于预设速率，则将该子区域标记为第一污染子区域；
根据第一污染子区域的预测碳排放数据与污染扩散速率进行污染修复调控，并得到调控方案。
需要说明的是，所述第一污染子区域一般包括一个或多个，不同的第一污染子区域对应的调控方案存在差异，所述调控方案包括对污染场地进行污染修复作业时的作业污染调控，例如，在土壤污染修复过程中，由于需要对土壤进行开挖、装卸等作业，若施工作业不规范或施工作业频率较高，就容易导致碳排放的二次污染，此时，调控方案则包括降低施工作业频率、设置烟尘过滤装置等。
根据本发明实施例，还包括：
在进行污染场地修复后，基于多个预设周期内，通过无人机空气监测模块监测各个子区域的碳排放数据，得到修复后的子区域碳排放数据；
每个预设周期对应一个子区域碳排放数据；
选定一个子区域，将对应的多个周期内的子区域碳排放数据进行基于时间维度的碳排放浓度变化分析，得到周期性碳浓度波动数据；
计算分析所有子区域的周期性碳浓度波动数据；
将所有子区域的周期性碳浓度波动数据导入预测模型，并基于目标碳浓度，计算出每个子区域的预测碳释放时间；
将所有预测碳释放时间进行均值计算得到平均预测碳释放时间；
根据平均预测碳释放时间作为修复后二次污染影响度。
需要说明的是，在进行污染场地修复后，受场地持续作业的影响，场地对应的碳污染浓度在短期内依然保持较高水平，对碳污染的释放还需要一定时间，本发明通过对子区域的空气监测与数据预测，得到对应场地区域的平均预测碳释放时间，从而对当前污染修复后的碳排放影响进行科学评估，有助于后续对场地污染修复方案进行改进。
图4示出了本发明一种基于污染场地修复过程中的碳排放预测系统的框图。
本发明第二方面还提供了一种基于污染场地修复过程中的碳排放预测系统4，该系统包括：存储器41、处理器42，所述存储器中包括基于污染场地修复过程中的碳排放预测程序，所述基于污染场地修复过程中的碳排放预测程序被所述处理器执行时实现如下步骤：
根据目标污染场地进行场地模型搭建，得到场地地图模型；
根据场地地图模型进行区域划分，得到多个子区域，基于无人机空气监测模块，采集多个子区域中的碳排放含量，并得到子区域碳排放数据；
将子区域碳排放数据导入预测模型进行碳排放预测得到预测碳排放数据；
根据预测碳排放数据对污染场地修复进行二次污染评估，得到二次污染评估信息；
基于二次污染评估信息对污染场地区域进行二次污染调控分析，并得到调控方案。
根据本发明实施例，所述根据目标污染场地进行场地模型搭建，得到场地地图模型，具体为：
获取目标污染场地的面积大小与地图轮廓；
基于所述目标污染场地的面积大小与地图轮廓构建场地地图模型。
获取污染修复点信息，并将所述污染修复点信息导入场地地图模型。
需要说明的是，所述污染修复点信息具体为在目标污染场地内的具体修复地点，如土壤污染修复中，对土壤污染处理所涉及的土壤地点。所述污染修复点包括一个或多个点，具体由污染场地修复方案决定。
根据本发明实施例，所述根据场地地图模型进行区域划分，得到多个子区域，基于无人机空气监测模块，采集多个子区域中的碳排放含量，并得到子区域碳排放数据，具体为：
基于场地地图模型中场地面积大小划分为n个子区域；
每个子区域包括至多一个污染修复点;
基于无人机空气监测模块，获取n个子区域中的碳排放数据并得到子区域碳排放数据；
每个子区域包括至少一个监测点。
需要说明的是，所述n的大小具体由场地面积大小决定，面积越大，n越大。所述无人机空气监测模块包括多台无人机与空气监测设备组成，所述空气监测设备可放置于无人机中进行实时监测，一个监测点至少包括1台无人机与1台空气监测设备。所述碳排放数据中，主要包括二氧化碳、甲烷、氧化亚氮、氢氟碳化物、全氟化碳和六氟化硫等温室气体的排放浓度与排放量数据，其中，二氧化碳为主要监测对象。通过无人机进行空气监测，能够更加快速与方便地实时监测较大区域的碳排放。
根据本发明实施例，所述将子区域碳排放数据导入预测模型进行碳排放预测得到预测碳排放数据，之前包括：
构建基于深度学习的预测模型；
获取污染场地中的历史碳排放数据；
将所述历史碳排放数据导入预测模型进行训练与测试，对应训练数据与测试数据比例为预设比例；
获取一个预设周期内的子区域碳排放数据，将所述子区域碳排放数据导入训练后的预测模型进行数据预测，并得到下一个周期的预测碳排放数据。
需要说明的是，所述预测模型为通过基于深度学习的CNN神经网络架构进行搭建的，具有数据自动训练、测试与数据预测功能，另外，所述预测模型采用AlexNet、VGG、GoogLeNet、ResNet等神经网络算法。所述对应训练数据与测试数据比例为预设比例中，所述预设比例一般为7:3，且数据主要以训练作用为主。其中，每个子区域对应一个预测碳排放数据。所述预测碳排放数据可以通过场地地图模型进行查看，通过场地地图模型，能够对每个子区域的碳排放预测数据更为直观地展示。
根据本发明实施例，所述根据预测碳排放数据对污染场地修复进行二次污染评估，得到二次污染评估信息，具体为：
获取目标场地中的天气数据，从天气数据中提取风向、风力、气温信息；
将风向、风力、气温信息进行模型参数转化，得到气候影响参数；
选定一个子区域，从预测碳排放数据获取该子区域对应的预测数据，并标记为子区域预测碳排放数据；
将子区域预测碳排放数据与气候影响参数导入预测模型进行碳排放污染扩散分析，得到该子区域的污染扩散速率；
对其余子区域进行扩散分析，并得到n个污染扩散速率；
将n个污染扩散速率进行均值计算，得到平均污染扩散速率；
根据预测碳排放数据与平均污染扩散速率，对污染场地进行二次污染评估并得到二次污染评估信息；
将所述二次污染评估信息发送预设终端设备进行显示。
需要说明的是，所述二次污染具体为在污染场地进行污染修复时产生碳排放的二次污染。所述二次污染评估信息中具体为根据预测碳排放数据中碳排放浓度大小与平均污染扩散速率进行评估，碳排放浓度越大或污染扩散速率越大，则代表二次污染越严重。所述预设终端设备包括计算机终端设备与移动终端设备。
根据本发明实施例，所述基于二次污染评估信息对污染场地区域进行二次污染调控分析，并得到调控方案，具体为：
基于二次污染评估信息，判断每个子区域中的子区域预测碳排放数据与污染扩散速率；
若一个子区域中，对应预测碳排放数据中的碳排放浓度大于预设浓度，且对应污染扩散速率大于预设速率，则将该子区域标记为第一污染子区域；
根据第一污染子区域的预测碳排放数据与污染扩散速率进行污染修复调控，并得到调控方案。
需要说明的是，所述第一污染子区域一般包括一个或多个，不同的第一污染子区域对应的调控方案存在差异，所述调控方案包括对污染场地进行污染修复作业时的作业污染调控，例如，在土壤污染修复过程中，由于需要对土壤进行开挖、装卸等作业，若施工作业不规范或施工作业频率较高，就容易导致碳排放的二次污染，此时，调控方案则包括降低施工作业频率、设置烟尘过滤装置等。
根据本发明实施例，还包括：
在进行污染场地修复后，基于多个预设周期内，通过无人机空气监测模块监测各个子区域的碳排放数据，得到修复后的子区域碳排放数据；
每个预设周期对应一个子区域碳排放数据；
选定一个子区域，将对应的多个周期内的子区域碳排放数据进行基于时间维度的碳排放浓度变化分析，得到周期性碳浓度波动数据；
计算分析所有子区域的周期性碳浓度波动数据；
将所有子区域的周期性碳浓度波动数据导入预测模型，并基于目标碳浓度，计算出每个子区域的预测碳释放时间；
将所有预测碳释放时间进行均值计算得到平均预测碳释放时间；
根据平均预测碳释放时间作为修复后二次污染影响度。
需要说明的是，在进行污染场地修复后，受场地持续作业的影响，场地对应的碳污染浓度在短期内依然保持较高水平，对碳污染的释放还需要一定时间，本发明通过对子区域的空气监测与数据预测，得到对应场地区域的平均预测碳释放时间，从而对当前污染修复后的碳排放影响进行科学评估，有助于后续对场地污染修复方案进行改进。
本发明公开了一种基于污染场地修复过程中的碳排放预测方法及系统，根据目标污染场地进行场地模型搭建，得到场地地图模型，根据场地地图模型进行区域划分，得到多个子区域，基于无人机空气监测模块，采集多个子区域中的碳排放含量，并得到子区域碳排放数据，将子区域碳排放数据导入预测模型进行碳排放预测得到预测碳排放
数据，根据预测碳排放数据对污染场地修复进行二次污染评估，得到二次污染评估信息，基于二次污染评估信息对污染场地区域进行二次污染调控分析，并得到调控方案。通过本发明，能够有效对污染场地修复过程中的碳排放进行精准监测与预测，进一步对实现污染场地修复过程中的二次污染调控。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机、服务器、或者网络设备等）执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (8)
1.一种基于污染场地修复过程中的碳排放预测方法，其特征在于，包括：
根据目标污染场地进行场地模型搭建，得到场地地图模型；
根据场地地图模型进行区域划分，得到多个子区域，基于无人机空气监测模块，采集多个子区域中的碳排放含量，并得到子区域碳排放数据；
将子区域碳排放数据导入预测模型进行碳排放预测得到预测碳排放数据；
根据预测碳排放数据对污染场地修复进行二次污染评估，得到二次污染评估信息；
基于二次污染评估信息对污染场地区域进行二次污染调控分析，并得到调控方案;
其中，所述根据预测碳排放数据对污染场地修复进行二次污染评估，得到二次污染评估信息，具体为：
获取目标场地中的天气数据，从天气数据中提取风向、风力、气温信息；
将风向、风力、气温信息进行模型参数转化，得到气候影响参数；
选定一个子区域，从预测碳排放数据获取该子区域对应的预测数据，并标记为子区域预测碳排放数据；
将子区域预测碳排放数据与气候影响参数导入预测模型进行碳排放污染扩散分析，得到该子区域的污染扩散速率；
对其余子区域进行扩散分析，并得到n个污染扩散速率；
将n个污染扩散速率进行均值计算，得到平均污染扩散速率；
根据预测碳排放数据与平均污染扩散速率，对污染场地进行二次污染评估并得到二次污染评估信息；
将所述二次污染评估信息发送预设终端设备进行显示；
其中，所述基于二次污染评估信息对污染场地区域进行二次污染调控分析，并得到调控方案，具体为：
基于二次污染评估信息，判断每个子区域中的子区域预测碳排放数据与污染扩散速率；
若一个子区域中，对应预测碳排放数据中的碳排放浓度大于预设浓度，且对应污染扩散速率大于预设速率，则将该子区域标记为第一污染子区域；
根据第一污染子区域的预测碳排放数据与污染扩散速率进行污染修复调控，并得到调控方案。
2.根据权利要求1所述的一种基于污染场地修复过程中的碳排放预测方法，其特征在于，所述根据目标污染场地进行场地模型搭建，得到场地地图模型，具体为：
获取目标污染场地的面积大小与地图轮廓；
基于所述目标污染场地的面积大小与地图轮廓构建场地地图模型；
获取污染修复点信息，并将所述污染修复点信息导入场地地图模型。
3.根据权利要求1所述的一种基于污染场地修复过程中的碳排放预测方法，其特征在于，所述根据场地地图模型进行区域划分，得到多个子区域，基于无人机空气监测模块，采集多个子区域中的碳排放含量，并得到子区域碳排放数据，具体为：
基于场地地图模型中场地面积大小划分为n个子区域；
每个子区域包括至多一个污染修复点;
基于无人机空气监测模块，获取n个子区域中的碳排放数据并得到子区域碳排放数据；
每个子区域包括至少一个监测点。
4.根据权利要求1所述的一种基于污染场地修复过程中的碳排放预测方法，其特征在于，所述将子区域碳排放数据导入预测模型进行碳排放预测得到预测碳排放数据，之前包括：
构建基于深度学习的预测模型；
获取污染场地中的历史碳排放数据；
将所述历史碳排放数据导入预测模型进行训练与测试，对应训练数据与测试数据比例为预设比例；
获取一个预设周期内的子区域碳排放数据，将所述子区域碳排放数据导入训练后的预测模型进行数据预测，并得到下一个周期的预测碳排放数据。
5.一种基于污染场地修复过程中的碳排放预测系统，其特征在于，该系统包括：存储器、处理器，所述存储器中包括基于污染场地修复过程中的碳排放预测程序，所述基于污染场地修复过程中的碳排放预测程序被所述处理器执行时实现如下步骤：
根据目标污染场地进行场地模型搭建，得到场地地图模型；
根据场地地图模型进行区域划分，得到多个子区域，基于无人机空气监测模块，采集多个子区域中的碳排放含量，并得到子区域碳排放数据；
将子区域碳排放数据导入预测模型进行碳排放预测得到预测碳排放数据；
根据预测碳排放数据对污染场地修复进行二次污染评估，得到二次污染评估信息；
基于二次污染评估信息对污染场地区域进行二次污染调控分析，并得到调控方案;
其中，所述根据预测碳排放数据对污染场地修复进行二次污染评估，得到二次污染评估信息，具体为：
获取目标场地中的天气数据，从天气数据中提取风向、风力、气温信息；
将风向、风力、气温信息进行模型参数转化，得到气候影响参数；
选定一个子区域，从预测碳排放数据获取该子区域对应的预测数据，并标记为子区域预测碳排放数据；
将子区域预测碳排放数据与气候影响参数导入预测模型进行碳排放污染扩散分析，得到该子区域的污染扩散速率；
对其余子区域进行扩散分析，并得到n个污染扩散速率；
将n个污染扩散速率进行均值计算，得到平均污染扩散速率；
根据预测碳排放数据与平均污染扩散速率，对污染场地进行二次污染评估并得到二次污染评估信息；
将所述二次污染评估信息发送预设终端设备进行显示；
其中，所述基于二次污染评估信息对污染场地区域进行二次污染调控分析，并得到调控方案，具体为：
基于二次污染评估信息，判断每个子区域中的子区域预测碳排放数据与污染扩散速率；
若一个子区域中，对应预测碳排放数据中的碳排放浓度大于预设浓度，且对应污染扩散速率大于预设速率，则将该子区域标记为第一污染子区域；
根据第一污染子区域的预测碳排放数据与污染扩散速率进行污染修复调控，并得到调控方案。
6.根据权利要求5所述的一种基于污染场地修复过程中的碳排放预测系统，其特征在于，所述根据目标污染场地进行场地模型搭建，得到场地地图模型，具体为：
获取目标污染场地的面积大小与地图轮廓；
基于所述目标污染场地的面积大小与地图轮廓构建场地地图模型；
获取污染修复点信息，并将所述污染修复点信息导入场地地图模型。
7.根据权利要求5所述的一种基于污染场地修复过程中的碳排放预测系统，其特征在于，所述根据场地地图模型进行区域划分，得到多个子区域，基于无人机空气监测模块，采集多个子区域中的碳排放含量，并得到子区域碳排放数据，具体为：
基于场地地图模型中场地面积大小划分为n个子区域；
每个子区域包括至多一个污染修复点;
基于无人机空气监测模块，获取n个子区域中的碳排放数据并得到子区域碳排放数据；
每个子区域包括至少一个监测点。
8.根据权利要求5所述的一种基于污染场地修复过程中的碳排放预测系统，其特征在于，所述将子区域碳排放数据导入预测模型进行碳排放预测得到预测碳排放数据，之前包括：
构建基于深度学习的预测模型；
获取污染场地中的历史碳排放数据；
将所述历史碳排放数据导入预测模型进行训练与测试，对应训练数据与测试数据比例为预设比例；
获取一个预设周期内的子区域碳排放数据，将所述子区域碳排放数据导入训练后的预测模型进行数据预测，并得到下一个周期的预测碳排放数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310541237.XA CN116307268B (zh) | 2023-05-15 | 2023-05-15 | 一种基于污染场地修复过程中的碳排放预测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310541237.XA CN116307268B (zh) | 2023-05-15 | 2023-05-15 | 一种基于污染场地修复过程中的碳排放预测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116307268A CN116307268A (zh) | 2023-06-23 |
| CN116307268B true CN116307268B (zh) | 2023-07-21 |
Family
ID=86783688
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310541237.XA Active CN116307268B (zh) | 2023-05-15 | 2023-05-15 | 一种基于污染场地修复过程中的碳排放预测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116307268B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117094524B (zh) * | 2023-09-13 | 2024-03-19 | 北京化工大学 | 一种基于云平台的碳收集及服务系统 |
| CN117129053B (zh) * | 2023-10-26 | 2024-02-02 | 西安中碳环境科技有限公司 | 基于测量温室气体流量的碳排放计量装置 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB0904710D0 (en) * | 2009-03-19 | 2009-05-06 | Univ Gent | Esstimating transmission signal quality |
| CN114723152A (zh) * | 2022-04-18 | 2022-07-08 | 哈尔滨工业大学 | 一种场地复合污染治理效果综合评估指标体系的构建方法 |
-
2023
- 2023-05-15 CN CN202310541237.XA patent/CN116307268B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN116307268A (zh) | 2023-06-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116307268B (zh) | 一种基于污染场地修复过程中的碳排放预测方法及系统 | |
| 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 | |
| CN116362571B (zh) | 一种基于深度学习的多源污染时空特征分析方法及系统 | |
| CN116168771B (zh) | 一种基于物联网的河流中全氟化合物污染监测方法及系统 | |
| CN116702047B (zh) | 一种地下水实时监测方法、系统及介质 | |
| CN113777236B (zh) | 基于排放源的空气质量监控方法和装置 | |
| CN116029411A (zh) | 一种基于物联网的智慧城市区域管理方法和系统 | |
| CN112863100B (zh) | 一种智能施工安全监测系统及方法 | |
| CN112001520B (zh) | 天气预报方法、装置、计算机设备及存储介质 | |
| CN115375522A (zh) | 智慧城市碳中和数据分析系统 | |
| CN116523272B (zh) | 基于大数据分析的充电桩智能管理方法及系统 | |
| CN115965223B (zh) | 一种基于云平台的智慧能源管理方法及系统 | |
| CN114692926A (zh) | 车用电池的安全评估方法、系统、设备及可读存储介质 | |
| CN117035376B (zh) | 一种应急救援演习动态监测方法、系统及介质 | |
| CN116862081A (zh) | 一种污染治理设备运维方法及系统 | |
| CN117871790B (zh) | 基于多种数据融合的路边监测站数据分析和交通溯源方法 | |
| CN114462828A (zh) | 一种工程施工用安全预警监理系统及其监理方法 | |
| 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 | |
| CN117095353B (zh) | 一种作战演习动态监测方法、系统及介质 | |
| CN112710623A (zh) | 遥感监测有毒有害气体扩散范围和浓度的方法和设备 | |
| CN117055413A (zh) | 一种基于物联网的环保监控系统 | |
| CN110555586A (zh) | 一种基于热点网格的生态监测方法及装置 | |
| CN115147590A (zh) | 一种扬尘降低方法、装置、电子设备及存储介质 | |
| CN113763221A (zh) | 一种大气污染的溯源方法、装置、电子设备及存储介质 | |
| CN115238596A (zh) | 数据处理方法、装置、可读存储介质与电子设备 |
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 |