[发明专利]污染物传输路径的识别方法

说明书

本发明提供了污染物传输路径的识别方法，包括以下步骤：(A1)获得与区域内各点位对应的观测污染数据；(A2)预测各点位在未来时间内的预测污染数据；(A3)将区域网格化，利用观测污染数据和预测污染数据获得每个网格的污染数据；(A4)计算任一网格的风向角度D_i，i＝1,2…N，N＝8；(A5)获得任一网格内的风向D_ave，进而识别出污染物传输路径。本发明具有识别准确等优点。

技术领域

本发明涉及污染监测，特别涉及污染物传输路径的识别方法。

背景技术

环境空气中尤其是工业园区中，大气中的污染物质来源复杂、传输过程复杂，不同点源排放相互干扰，单凭少量点位的观测结果，较难清晰定位污染物的空间点位浓度和实际扩散路径。现有的技术手段是基于单一点位的历史浓度与风向、风速信息，通过高斯扩散模型模拟获得单一点位的污染物传输路径，该路径基本呈现椭圆形，能描述点位周边一定范围内(2km)的污染物水平，但无法描述区域大范围中每个空间网格的扩散浓度和传输方向。

发明内容

为解决上述现有技术方案中的不足，本发明提供了一种污染物传输路径的识别方法。

本发明的目的是通过以下技术方案实现的：

污染物传输路径的识别方法，所述污染物传输路径的识别方法包括以下步骤：

(A1)在所述区域内各点位检测，获得与点位对应的观测污染数据，污染数据包括污染物的浓度；

(A2)预测所述区域内各点位在未来时间内的预测污染数据；

(A3)将所述区域网格化，利用所述观测污染数据和预测污染数据获得所述区域内每个网格的污染数据；

(A4)根据所述网格的污染数据计算任一网格外缘的多个网格的风向角度D_i，i＝1,2···N，N＝8；

(A5)根据所述风向角度D_i获得任一网格内的风向D_ave，进而获得污染物的传输路径。

与现有技术相比，本发明具有的有益效果为：

本发明基于多形式监测数据，通过神经网络预测的污染物浓度，利用反演算法和非参数估计结合验证气象参数的预测准确性；将无界空间连续点源扩散模式方程降维处理，通过网格化反算方程与单位矢量平均法获得区域小尺度精细化网格点中的风向，最终获得高浓度的传输路径及传输路径上任一网格点的污染物浓度水平；

1.通过建立多元方法网和网格化反算方程获取小尺度精细化网格下的传输路径，打破了现有扩散模型的技术壁垒，将小区域模拟(2km)扩大至全区域范围，将大尺度模拟(2km)精细至小尺度网格(1m)，细化污染物传输扩散过程；

2.兼容性强，可融合任何形式和分辨率的监测数据(定点监测、走航监测、异位监测数据)；

3.空间分辨率高，能获取每个网格点的历史浓度、预测浓度和传输风向。

附图说明

参照附图，本发明的公开内容将变得更易理解。本领域技术人员容易理解的是：这些附图仅仅用于举例说明本发明的技术方案，而并非意在对本发明的保护范围构成限制。图中：

图1是根据本发明实施例的污染物传输路径的识别方法的流程图；

图2是根据本发明实施例的污染物扩散路径示意图。

具体实施方式