CN116485191A - 基于拉格朗日扩散模型的环境影响预警方法及系统 - Google Patents
基于拉格朗日扩散模型的环境影响预警方法及系统 Download PDFInfo
- Publication number
- CN116485191A CN116485191A CN202310753703.0A CN202310753703A CN116485191A CN 116485191 A CN116485191 A CN 116485191A CN 202310753703 A CN202310753703 A CN 202310753703A CN 116485191 A CN116485191 A CN 116485191A
- Authority
- CN
- China
- Prior art keywords
- source information
- data
- pollutant
- early warning
- management
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000009792 diffusion process Methods 0.000 title claims abstract description 23
- 230000007613 environmental effect Effects 0.000 title claims abstract description 21
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 74
- 231100000719 pollutant Toxicity 0.000 claims abstract description 74
- 238000012544 monitoring process Methods 0.000 claims abstract description 20
- 230000008569 process Effects 0.000 claims abstract description 19
- 230000000694 effects Effects 0.000 claims abstract description 15
- 238000011156 evaluation Methods 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 14
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 12
- 239000003546 flue gas Substances 0.000 claims description 12
- 238000012805 post-processing Methods 0.000 claims description 12
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 10
- 239000001301 oxygen Substances 0.000 claims description 10
- 229910052760 oxygen Inorganic materials 0.000 claims description 10
- 238000004088 simulation Methods 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 239000012855 volatile organic compound Substances 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 5
- 239000000779 smoke Substances 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000003908 quality control method Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 230000035945 sensitivity Effects 0.000 claims description 3
- 238000003915 air pollution Methods 0.000 abstract description 5
- 230000010485 coping Effects 0.000 abstract description 2
- 238000007726 management method Methods 0.000 description 35
- 238000004590 computer program Methods 0.000 description 6
- 239000000356 contaminant Substances 0.000 description 5
- 230000009467 reduction Effects 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 239000000443 aerosol Substances 0.000 description 4
- 238000013500 data storage Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 239000011449 brick Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010206 sensitivity analysis Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- PAWQVTBBRAZDMG-UHFFFAOYSA-N 2-(3-bromo-2-fluorophenyl)acetic acid Chemical compound OC(=O)CC1=CC=CC(Br)=C1F PAWQVTBBRAZDMG-UHFFFAOYSA-N 0.000 description 1
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 1
- 229910021529 ammonia Inorganic materials 0.000 description 1
- BFNBIHQBYMNNAN-UHFFFAOYSA-N ammonium sulfate Chemical compound N.N.OS(O)(=O)=O BFNBIHQBYMNNAN-UHFFFAOYSA-N 0.000 description 1
- 229910052921 ammonium sulfate Inorganic materials 0.000 description 1
- 235000011130 ammonium sulphate Nutrition 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 230000003068 static effect Effects 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
-
- 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
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明适用于城市大气污染防治技术领域，尤其涉及基于拉格朗日扩散模型的环境影响预警方法及系统，所述方法包括：采集污染源信息，根据污染源信息构建源信息库；获取气象场数据，根据气象场数据和污染源信息进行模拟，建立重点源预报数据库；建立重点源管控措施库，获取空气质量预报，基于空气质量预报对相应企业进行管控；对管控过程进行监督，并对管控效果进行评价。本发明运用CALPUFF评估了城市重点源对国控点污染物浓度贡献情况并储存相关数据，在城市空气质量预报中出现污染情况，直接调用CALPUFF模型结果，对贡献较大的重点源启动预警；数据的直接调用能够更及时的应对即将到来的大气污染过程，实现了对空气污染的预警和预报。
Description
技术领域
本发明属于城市大气污染防治技术领域，尤其涉及基于拉格朗日扩散模型的环境影响预警方法及系统。
背景技术
城市的发展伴随着重点行业或企业的建设，其排放对城市大气环境质量具有重要影响，针对城市大气污染防治采取了精细化管控政策，其开展的工作通常有污染问题巡查反馈、重点区域走航监测、空气质量预测预报、县区实地调研等，其中关于空气质量预测预报的开展能够有效地指导工作组对污染天气的应对，预报工作中对污染源影响的量化评估和闭环管理尤为重要。
目前关于气象的预测预报主流为WRF、关于空气质量预测预报的模型包括中小尺度模型（AERMOD模型、ADMS模型和CALPUFF模型）、综合区域尺度模型（CMAx模型、CMAQ模型、NAQPMS模型和WRF-Chem模型）和全球尺度模型（MOZART模型和GEOS-Chem模型）；其中，AERMOD模型、ADMS模型和CALPUFF模型均被列为我国《环境影响评价技术导则大气环境》(HJ2.2-2018)中的推荐模型，AERMOD模型、ADMS模型、CALPUFF模型均可模拟挥发性有机物(VOCs)、SO2、NOx一次污染情况，但只有CALPUFF模型可模拟VOCs生成二次有机气溶胶的情况，能够评估二次颗粒物浓度，此外CALPUFF模型在模拟地形复杂情况下污染物的扩散情况也具有优势。
现有技术中无法确定重点源对城市空气质量的影响，且无法对空气质量进行预警和预报。
发明内容
本发明实施例的目的在于提供一种基于拉格朗日扩散模型的环境影响预警方法，旨在解决现有技术中无法确定重点源对城市空气质量的影响，且无法对空气质量进行预警和预报的问题。
本发明实施例是这样实现的，一种基于拉格朗日扩散模型的环境影响预警方法，所述方法包括：
采集污染源信息，根据污染源信息构建源信息库；
获取气象场数据，根据气象场数据和污染源信息进行模拟，建立重点源预报数据库；
建立重点源管控措施库，获取空气质量预报，基于空气质量预报对相应企业进行管控；
对管控过程进行监督，并对管控效果进行评价。
优选的，所述获取气象场数据，根据气象场数据和污染源信息进行模拟，建立重点源预报数据库的步骤，具体包括：
获取气象场数据，通过CALPUFF模块对气象场数据和源信息库中的数据进行模拟，得到模拟结果；
通过CALPOST模块对模拟结果进行后处理，得到后处理结果；
对污染物浓度贡献数据和气象场数据进行评价处理，得到评价处理结果；
绘制污染物分布热图，构建重点源预报数据库，所述后处理结果、评价处理结果以及污染物分布热图均存储于重点源预报数据库中。
优选的，所述后处理结果包括预报时间段内各重点源对国控站点污染物的平均浓度贡献值、小时贡献值和污染物热图绘制所需要的GRD文件。
优选的，所述对污染物浓度贡献数据和气象场数据进行评价处理，得到评价处理结果的步骤，具体包括：读取平均浓度贡献值，提取各重点源污染物浓度贡献值并进行排名，根据污染物浓度贡献值与气象场数据中的风向分析污染物传输的方位敏感性，得到主导风向和时间段，得到评价处理结果。
优选的，所述污染物至少包括SO2、NOx、PM10、PM2.5和VOCs。
优选的，所述重点源管控措施库至少包括行业标准和地方治理措施，所述重点源管控措施库实时更新。
优选的，所述采集污染源信息的步骤包括获取城市大气污染物排放清单或重点源在线监测数据，得到污染源信息，污染源信息至少包括污染源的经纬度、烟囱高度、烟囱直径、烟气温度、烟气流速、污染物排放强度和在线监测数据，所述在线监测数据至少包括污染物排放浓度、烟气量和氧含量。
优选的，采集污染源信息，根据污染源信息构建源信息库的步骤，还包括进行数据预处理、分类和筛选：根据氧含量对异常值进行剔除，通过Python计算程序，根据重点源在线监测数据中污染物浓度和烟气量，对各个污染物小时排放量进行计算，并将污染物排放量单位转换为千克；通过Python数据整合程序对污染源信息进行数据格式的转换，建立符合CALPUFF模型的源信息库。
本发明实施例的另一目的在于提供一种基于拉格朗日扩散模型的环境影响预警系统，所述系统包括：
数据采集模块，用于采集污染源信息，根据污染源信息构建源信息库；
数据模拟模块，用于获取气象场数据，根据气象场数据和污染源信息进行模拟，建立重点源预报数据库；
空气质量管控模块，用于建立重点源管控措施库，获取空气质量预报，基于空气质量预报对相应企业进行管控；
管控评价模块，用于对管控过程进行监督，并对管控效果进行评价。
本发明提出一种基于拉格朗日扩散模型的环境影响预警方法，运用CALPUFF评估了城市重点源对国控点污染物浓度贡献情况并储存相关数据，在城市空气质量预报中出现污染情况时，直接调用CALPUFF模型结果，对贡献较大的重点源启动预警；数据的直接调用能够更及时的应对即将到来的大气污染过程，实现了对空气污染的预警和预报。
附图说明
图1为该发明一种基于拉格朗日扩散模型的环境影响预警方法的流程图。
图2为该发明实施例的重点源预警预报实施流程图。
图3为污染源信息库的建立过程图。
图4为该发明模型结果数据存储模块示意图。
图5为该发明实施例的预警时间段重点源对国控点污染物浓度贡献图。
图6为该发明实施例预警期间电力企业污染物排放量削减图。
图7为该发明实施例预警期间电力企业对国控点污染物浓度贡献值削减图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
CALPUFF是一个非稳态拉格朗日烟团模型系统，可模拟三维流场随时间和空间发生变化时污染物在大气环境中的输送、转化和清除过程；因此，本实施例中，CALPUFF等同于拉格朗日扩散模型，为了便于表述，本实施例中的部分地方用CALPUFF来表示拉格朗日扩散模型。
如图1所示，为该发明一种基于拉格朗日扩散模型的环境影响预警方法的流程图，所述方法包括：
采集污染源信息，根据污染源信息构建源信息库。
在本步骤中，如图3所示，根据大气污染源排放清单或重点源在线监测数据收集CALPUFF所需的污染源信息，运用python语言进行数据预处理、分类和筛选，建立源信息库；
信息收集主要通过城市大气污染物排放清单或重点源在线监测数据，污染源信息主要包括污染源的经纬度、烟囱高度（m）、烟囱直径（m）、烟气温度（K）、烟气流速（m/s）、污染物排放强度（kg/h）；
污染物种类包括SO2、NOx、PM10、PM2.5、VOCs；
所述源信息库的建立依赖于Python语言，污染源信息的收集是运用Python语言进行数据预处理、分类和筛选，建立源信息库，具体包括：
企业在线监测数据的收集，数据信息：污染物排放浓度（毫克/立方米）、烟气量（立方米）、氧含量；
根据颜色标记对异常值进行剔除，异常值剔除中对异常值的判断依据为在线监测数据已显示为黄色异常情况；
根据含氧量进行剔除，砖瓦窑行业烟气氧含量>20%、除了砖瓦窑外的其他行业烟气氧含量>18%；
对采集得到的数据中的负值，如含氧量为负值时，对其进行剔除；缺失值的删除（缺失值是空白数据，如采集得到的含氧量数值为空）；为保证污染源信息的完整性和准确性，其筛选需根据各行业/企业的具体工艺过程；
通过Python计算程序，根据重点源在线监测数据中污染物浓度和烟气量，对各个污染物小时排放量进行计算，并将污染物排放量单位转换为千克；
通过Python数据整合程序对污染源信息进行数据格式的转换，建立符合CALPUFF模型的源信息库。
获取气象场数据，根据气象场数据和污染源信息进行模拟，建立重点源预报数据库。
在本步骤中，调用源信息库中的源信息，并基于WRF-CALWRF-CALMET生成的气象场数据，运行CALPUFF，并运用CALPOST模块对CALPUFF的结果进行后处理，得到重点源对国控点污染物浓度的小时/天贡献，并通过Python程序对评价时间段内的污染物浓度贡献数据和气象场数据进行处理，运用surfer软件进行绘图并将预报的结果储存，建立重点源预报数据库；
所述的调用源信息库中的源信息，信息调用通过Python程序实现。
所述的WRF-CALWRF-CALMET具体包括：（1）基于美国全球预报系统的GFS数据集中的全球气象预报数据，通过在WRF模式中的WPS模块中执行geogrid、ungrib和metgrib程序以及WRF模块中的real和wrf程序得到WRF气象场数据wrfout_；最后通过CALWRF读取气象场数据wrfout_并生成CALMET可读取的3D.dat数据；（2）CALMET模块读取CALWRF生成的3D.dat数据，生成CALPUFF模块需要的CALMET.dat。
所述运行CALPUFF模型需要根据评价的污染物种类选取合适的化学机制，CALPUFF包括MESOPUFF II、RIVAD、RIVAD+ISORROPIA、SOA、RIVAD+ISORROPIA+CalTechSOA这5种化学机制，现用得较多的是MESOPUFF II机制，该机制考虑了二次无机气溶胶（硫酸铵、硝酸铵），若同时考虑二次无机和有机气溶胶的生成，则选择RIVAD+ISORROPIA+CalTechSOA机制。
所述运行CALPUFF模型充分考虑了模型中默认参数的本地化处理，如臭氧和氨的背景浓度值，使预测结果更加准确。
所述的CALPUFF结果文件为各重点源评价时间段的浓度场文件。
所述的运用CALPOST模块对CALPUFF结果进行后处理，后处理结果包括预报时间段内各重点源对国控站点污染物（SO2、NOx、PM10、PM2.5）平均浓度贡献值（.DAT文件）、小时浓度贡献值（.DAT文件）和污染物热图绘制所需要的GRD文件。
所述的通过Python程序对评价时间段内的污染物浓度贡献数据和气象场数据进行处理，包括：（1）读取平均浓度贡献值（.DAT文件），提取各重点源污染物浓度贡献值并进行排名；（2）对小时贡献.DAT文件中逐小时污染物浓度贡献值与气象场数据中的风向结合来综合分析污染物传输的方位敏感性，得到浓度贡献值较大的主导风向及时间段。
所述的运用surfer软件进行绘图是通过CALPOST模块得到的GRD文件进行污染物分布热图的绘制。
所述的预报结果储存，通过Python命令实现。
所述的建立重点源预报数据库，里面包括了未来几天各重点源对国控站点污染物（SO2、NOx、PM10、PM2.5）平均浓度贡献值（.DAT文件）、小时浓度贡献值（.DAT文件）、污染物热图绘制所需要的GRD文件、污染物热图以及方位敏感性分析的结果图表。
建立重点源管控措施库，获取空气质量预报，基于空气质量预报对相应企业进行管控。
在本步骤中，根据行业标准或地方已有的治理措施，建立重点源管控措施库；所述重点源管控措施库是基于行业标准或该城市已有的关于重点源大气污染物排放管控措施（如达标排放、停产、限产、分级管控等），将其存入管控措施库中，所述管控措施库会及时更新和不断补充；
根据相关空气质量预报，当预报显示未来几天将出现污染过程时，从数据库中调用预报数据，对污染物贡献较大的企业启动预警；
所述空气质量预报是指城市未来几天空气质量指数AQI和首要污染物情况；
所述预报数据包括CALPUFF模型结果中各重点源对国控点污染物浓度贡献值排名、小时/天平均浓度贡献值以及根据小时风向和小时污染物浓度贡献值得到的方位敏感性分析结果，明确未来几天主导风向下的贡献情况以及污染物浓度贡献较大的时间段；
所述重点源对国控点污染物浓度贡献值的调取需要根据未来几天首要污染物的情况（SO2、NOx、PM10、PM2.5）进行调取；
本发明实施例中根据空气质量预报对某市某电力企业启动预警，该电力企业对国控点污染物的贡献较大，且在特定风向下对国控点的污染物浓度产生重要影响，如图5所示风向偏北风情况下该电力企业对国控点污染物浓度贡献值的预测，发现在偏北风方向其污染物浓度贡献值较大。
调用相应的管控措施并实施；
所述调用相应的管控措施需要基于管控措施库，根据重点源类别或名称在管控措施库中调取相应的管控措施。
对管控过程进行监督，并对管控效果进行评价。
在本步骤中，跟进措施的实施过程，运用CALPUFF模型评价预警期间管控效果，包括：（1）重点源污染物排放量的削减情况；（2）重点源对国控点污染物浓度贡献值的削减情况。
在本发明实施例中，所述运用CALPUFF模型评价预警期间管控效果是将预警期间该电力企业更新的源信息和WRF-CALWRF-CALMET气象数据重新输入到CALPUFF模型中，再评估该企业对国控点污染物浓度贡献。管控效果的评价指标首先是实行达标排放前后该电力企业污染物排放量的削减情况，如图6所示；其次是对国控点污染物浓度贡献值的削减情况，如图7所示。
基于CALPUFF模型，从预警的启动、管控措施库的建立与预警期间的管控效果评价着手，实现从重点源预警到重点源管控再到预警效果反馈的城市重点源闭环管理。
本发明实施例中根据行业标准，针对启动预警的电力企业采用达标排放的管理措施。
该发明的数据存储及数据处理分析依附于一种可读存储介质，即数据存储模块，针对该存储介质的操作是通过Python命令来实现，其结构如图4所示，将模型评估模块的结果与管控措施存储在存储器中，通过计算机程序1，实现数据的分析，并以图表形式输出，再存储到服务器中；用户可通过计算机程序2，对数据或管控措施进行调用。
如图2所示，为本发明实施例的重点源预警预报实施流程图，具体包括：
源排放信息（即源污染信息）包括污染源的经纬度、烟囱高度（m）、烟囱直径（m）、烟气温度（K）、烟气流速（m/s）、污染物排放强度（kg/h）；
将源排放信息输入到CALPUFF模型中运行；
将模型结果通过CALPOST后处理模块处理后得到未来几天各重点源对国控点的污染物浓度贡献值；
各重点源对国控点污染物浓度贡献结果存储；
基于行业标准或该城市已有的关于重点源大气污染物排放管控措施建立重点源管控措施库；
判断是否即将迎来污染过程，若是，则筛选出未来几天对国控点污染物浓度贡献较大的企业并调用相应的管理措施；
输入更新后的源信息和气象数据，评价预警期间的管控效果。
作为本发明的一个优选实施例，提供了一种基于拉格朗日扩散模型的环境影响预警系统，所述系统包括：
数据采集模块，用于采集污染源信息，根据污染源信息构建源信息库；
数据模拟模块，用于获取气象场数据，根据气象场数据和污染源信息进行模拟，建立重点源预报数据库；
空气质量管控模块，用于建立重点源管控措施库，获取空气质量预报，基于空气质量预报对相应企业进行管控；
管控评价模块，用于对管控过程进行监督，并对管控效果进行评价。
在一个实施例中，提出了一种计算机设备，所述计算机设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
采集污染源信息，根据污染源信息构建源信息库；
获取气象场数据，根据气象场数据和污染源信息进行模拟，建立重点源预报数据库；
建立重点源管控措施库，获取空气质量预报，基于空气质量预报对相应企业进行管控；
对管控过程进行监督，并对管控效果进行评价。
在一个实施例中，提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时，使得处理器执行以下步骤：
采集污染源信息，根据污染源信息构建源信息库；
获取气象场数据，根据气象场数据和污染源信息进行模拟，建立重点源预报数据库；
建立重点源管控措施库，获取空气质量预报，基于空气质量预报对相应企业进行管控；
对管控过程进行监督，并对管控效果进行评价。
应该理解的是，虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
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。
以上所述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发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于拉格朗日扩散模型的环境影响预警方法，其特征在于，所述方法包括：
采集污染源信息，根据污染源信息构建源信息库；
获取气象场数据，根据气象场数据和污染源信息进行模拟，建立重点源预报数据库；
建立重点源管控措施库，获取空气质量预报，基于空气质量预报对相应企业进行管控；
对管控过程进行监督，并对管控效果进行评价。
2.根据权利要求1所述的基于拉格朗日扩散模型的环境影响预警方法，其特征在于，所述获取气象场数据，根据气象场数据和污染源信息进行模拟，建立重点源预报数据库的步骤，具体包括：
获取气象场数据，通过CALPUFF模块对气象场数据和源信息库中的数据进行模拟，得到模拟结果；
通过CALPOST模块对模拟结果进行后处理，得到后处理结果；
对污染物浓度贡献数据和气象场数据进行评价处理，得到评价处理结果；
绘制污染物分布热图，构建重点源预报数据库，所述后处理结果、评价处理结果以及污染物分布热图均存储于重点源预报数据库中。
3.根据权利要求2所述的基于拉格朗日扩散模型的环境影响预警方法，其特征在于，所述后处理结果包括预报时间段内各重点源对国控站点污染物的平均浓度贡献值、小时贡献值和污染物热图绘制所需要的GRD文件。
4.根据权利要求3所述的基于拉格朗日扩散模型的环境影响预警方法，其特征在于，所述对污染物浓度贡献数据和气象场数据进行评价处理，得到评价处理结果的步骤，具体包括：读取平均浓度贡献值，提取各重点源污染物浓度贡献值并进行排名，根据污染物浓度贡献值与气象场数据中的风向分析污染物传输的方位敏感性，得到主导风向和时间段，得到评价处理结果。
5.根据权利要求1所述的基于拉格朗日扩散模型的环境影响预警方法，其特征在于，所述污染物至少包括SO2、NOx、PM10、PM2.5和VOCs。
6.根据权利要求1所述的基于拉格朗日扩散模型的环境影响预警方法，其特征在于，所述重点源管控措施库至少包括行业标准和地方治理措施，所述重点源管控措施库实时更新。
7.根据权利要求1所述的基于拉格朗日扩散模型的环境影响预警方法，其特征在于，所述采集污染源信息的步骤包括获取城市大气污染物排放清单或重点源在线监测数据，得到污染源信息，污染源信息至少包括污染源的经纬度、烟囱高度、烟囱直径、烟气温度、烟气流速、污染物排放强度和在线监测数据，所述在线监测数据至少包括污染物排放浓度、烟气量和氧含量。
8.根据权利要求7所述的基于拉格朗日扩散模型的环境影响预警方法，其特征在于，采集污染源信息，根据污染源信息构建源信息库的步骤，还包括进行数据预处理、分类和筛选：根据氧含量对异常值进行剔除，通过Python计算程序，根据重点源在线监测数据中污染物浓度和烟气量，对各个污染物小时排放量进行计算，并将污染物排放量单位转换为千克；通过Python数据整合程序对污染源信息进行数据格式的转换，建立符合CALPUFF模型的源信息库。
9.一种基于拉格朗日扩散模型的环境影响预警系统，其特征在于，所述系统包括：
数据采集模块，用于采集污染源信息，根据污染源信息构建源信息库；
数据模拟模块，用于获取气象场数据，根据气象场数据和污染源信息进行模拟，建立重点源预报数据库；
空气质量管控模块，用于建立重点源管控措施库，获取空气质量预报，基于空气质量预报对相应企业进行管控；
管控评价模块，用于对管控过程进行监督，并对管控效果进行评价。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310753703.0A CN116485191A (zh) | 2023-06-26 | 2023-06-26 | 基于拉格朗日扩散模型的环境影响预警方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310753703.0A CN116485191A (zh) | 2023-06-26 | 2023-06-26 | 基于拉格朗日扩散模型的环境影响预警方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116485191A true CN116485191A (zh) | 2023-07-25 |
Family
ID=87223628
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310753703.0A Pending CN116485191A (zh) | 2023-06-26 | 2023-06-26 | 基于拉格朗日扩散模型的环境影响预警方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116485191A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116860839A (zh) * | 2023-09-04 | 2023-10-10 | 深圳市酷斯达科技有限公司 | 基于大数据的气溶胶生产监测管理系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114155129A (zh) * | 2021-11-29 | 2022-03-08 | 中科三清科技有限公司 | 一种基于工业园区的大气环境溯评方法和系统 |
| CN114169574A (zh) * | 2021-11-11 | 2022-03-11 | 国网冀北电力有限公司唐山供电公司 | 一种通过工业运行电力指数进行大气污染预测的方法 |
| CN116187095A (zh) * | 2023-04-19 | 2023-05-30 | 安徽中科蓝壹信息科技有限公司 | 一种道路交通扬尘环境影响评价方法及装置 |
-
2023
- 2023-06-26 CN CN202310753703.0A patent/CN116485191A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114169574A (zh) * | 2021-11-11 | 2022-03-11 | 国网冀北电力有限公司唐山供电公司 | 一种通过工业运行电力指数进行大气污染预测的方法 |
| CN114155129A (zh) * | 2021-11-29 | 2022-03-08 | 中科三清科技有限公司 | 一种基于工业园区的大气环境溯评方法和系统 |
| CN116187095A (zh) * | 2023-04-19 | 2023-05-30 | 安徽中科蓝壹信息科技有限公司 | 一种道路交通扬尘环境影响评价方法及装置 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116860839A (zh) * | 2023-09-04 | 2023-10-10 | 深圳市酷斯达科技有限公司 | 基于大数据的气溶胶生产监测管理系统 |
| CN116860839B (zh) * | 2023-09-04 | 2023-11-21 | 深圳市酷斯达科技有限公司 | 基于大数据的气溶胶生产监测管理系统 |
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 | |
| Stirnberg et al. | Meteorology-driven variability of air pollution (PM 1) revealed with explainable machine learning | |
| CN111368401A (zh) | 污染源的溯源方法、装置和存储介质 | |
| KR102324392B1 (ko) | 지역별 미세먼지 농도 예측방법 및 시스템 | |
| CN114661849B (zh) | 污染溯源方法及装置 | |
| CN116187095B (zh) | 一种道路交通扬尘环境影响评价方法及装置 | |
| CN111798928B (zh) | 大气颗粒物污染源解析方法和装置 | |
| CN110716512A (zh) | 一种基于燃煤电站运行数据的环保装备性能预测方法 | |
| CN116485191A (zh) | 基于拉格朗日扩散模型的环境影响预警方法及系统 | |
| CN114707831A (zh) | 臭氧污染防治的动态决策方法及装置 | |
| Pepe et al. | Enhanced CAMx source apportionment analysis at an urban receptor in Milan based on source categories and emission regions | |
| CN114155129A (zh) | 一种基于工业园区的大气环境溯评方法和系统 | |
| Henneman et al. | Accountability assessment of regulatory impacts on ozone and PM 2.5 concentrations using statistical and deterministic pollutant sensitivities | |
| CN112991132B (zh) | Pm2.5和臭氧协同管控区域识别方法及装置 | |
| CN111753426A (zh) | 颗粒物污染的源解析方法和装置 | |
| CN113720972A (zh) | 大气污染物的源解析方法及装置 | |
| CN115099451A (zh) | 一种基于污染精准溯源预报技术的企业敏感性识别方法 | |
| CN118114165A (zh) | 污染源贡献浓度的确定方法与装置 | |
| Sonu et al. | Linear regression based air quality data analysis and prediction using python | |
| CN117058549B (zh) | 一种多行业二次污染动态来源解析系统及解析方法 | |
| Alloghani | Harnessing AI for Sustainability: Applied AI and Machine Learning Algorithms for Air Quality Prediction | |
| Frey | Quantification of uncertainty in emission factors and inventories | |
| CN114896952B (zh) | 一种大气污染源排放清单编制方法及装置 | |
| CN114974452B (zh) | 一种确定二次转化来源的管控目标的方法和装置 | |
| Maduri et al. | Air Pollution Index Prediction: A Machine Learning Approach |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230725 |
|
| RJ01 | Rejection of invention patent application after publication |