[发明专利]一种基于高斯扩散模型和深度神经网络的液态危化品挥发浓度估算方法

权利要求书

1.一种基于高斯扩散模型和深度神经网络的液态危化品挥发浓度估算方法，其特征是：首先在待测区域内构建液态危化品挥发物的高斯扩散模型(Gaussian diffusionmodel，GDM)；使用伯努利公式计算泄漏源强，得到液相源强，再通过相变公式将液相源强转变为气相源强；然后，通过传感器阵列数值调整高斯扩散模型的参数；最后使用深度神经网络(Deep Neural Networks，DNN)对模型估值进行数值修正，得到待估区域内各位点的挥发物气体浓度预测值。

2.根据权利要求1所述的方法，其特征是：它包括如下步骤：

步骤1：输入泄漏源参数；

步骤2∶根据伯努利方程计算液相源强；

步骤3：使用相变模型计算液相源强；

步骤4：高斯扩散模型初步计算区域浓度；

步骤5：输入传感器阵列位点的实测浓度；

步骤6：通过气相源强和传感器实测值调整初始扩散模型；

步骤7：将实测浓度输入深度神经网络，调整网络参数，得到预测浓度；

步骤8：将高斯扩散模型和DNN模型结果加权平均，形成最终估算模型；

步骤9：计算待估区域内每个位点，形成浓度估算矩阵。

3.根据权利要求2所述的方法，其特征是：利用泄漏点信息，在建立高斯模型前使用挥发源强代替高斯扩散模型的原源强；计算方法分为两步：

a)是根据伯努利方程计算液相泄漏速度计算液相源强；表达式为：

公式(1)中，V_L为液相泄漏速率，kg/s；C_s为流量系数，无量纲常数；S_s为泄漏孔的面积，m²；ρ_L为液态危化品的密度，kg/m³；P_o为储存容器液体上方压力，Pa；P_at为大气压力，Pa；v为装载施加的压力，N；

b)根据相变模型作为挥发相变模型进行相变转换，液-气间质量传递公式计算气相源强；表达式为：

公式(2)中上式中，T为混合区域单元温度，K；T_sat为饱和温度，K；m_l→v为液相转化为气相的相变率，kg/(m³·s)；m_v→l为气相转化为液相的相变率，kg/(m³·s)；α_l、α_v分别为液相、气相的表面张力，N/m；ρ_l、ρ_v分别为液相、气相的密度，kg/m³；r为控制相变强度的因子，取0.1s^-1。

4.根据权利要求2所述的方法，其特征是：使用传感器阵列采集的数据校正高斯扩散模型参数，其计算方法如下：

a)利用高斯扩散模型计算传感器位点的浓度值，表达式为：

公式(3)中c(x，y，z，H)为扩散物浓度，kg/m³；Q为泄漏源源强，kg/s；为泄漏点的风速，m/s；σ_y、σ_z分别用浓度标准偏差表示的y轴及z轴上的扩散参数；H为泄漏有效高度，m；此处的扩散系数与气流稳定度相关，取：

公式(4)中a，b，c，d的值按照七级气流稳定情况表取得；

b)利用传感器位点采集的数据，计算和调整误差，使其小于可接受误差范围，表达式为：

公式(5)中，∈为可接受误差，c(x_i，y_j)和c′(x_i，y_j)分别为在位点(x_i，y_j)处的模型预测值和传感器实测值。