[发明专利]一种基于卡尔曼滤波的土壤污染物监测方法

说明书

本发明公开了一种基于卡尔曼滤波的土壤污染物监测方法，包括：获取待修复土壤的可测量数据；将所述待修复土壤的可测量数据输入土壤污染物监测模型，进行实时估计，得到所述待修复土壤的污染物浓度；所述土壤污染物监测模型以输出土壤污染物浓度为目标与以可测量数据为输入数据，并基于卡尔曼滤波算法构建。本发明与现有技术相比较，通过卡尔曼滤波算法，对土壤污染物浓度进行实时迭代更新，使得在修复过程中，便于根据更新后的污染物浓度，调整土壤修复的进程；同时对土壤污染物浓度的实时监测，有助于提高土壤修复效率。

技术领域

本发明属于环境治理领域，涉及一种基于卡尔曼滤波的土壤污染物监测方法。

背景技术

土壤原位修复过程中，土壤污染程度的不同，处理的程度也不同。比如热脱附修复中，不同浓度，不同类型的污染物，加热所需的温度和加热时间都不相同。此外，随着修复的进行，土壤中所含污染物逐渐减少，在这个过程中，为了确定土壤被修复的程度，需要对土壤污染物进行实时监测。

传统监测手段往往是对土壤进行间断监测，即每修复一段时间，进行一次检测，检测频率较高。这大大影响了土壤修复效率，同时也加大了能源损耗。因此，土壤污染物的实时监测成为土壤原位修复技术中亟需解决的问题。

发明内容

针对现有技术中存在的问题，本发明的目的在于提供一种基于卡尔曼滤波的土壤污染物监测方法，至少部分解决上述技术问题。

本发明实施例提供了一种基于卡尔曼滤波的土壤污染物监测方法，包括：

获取待修复土壤的可测量数据；

将所述待修复土壤的可测量数据输入土壤污染物监测模型，进行实时估计，得到所述待修复土壤的污染物浓度；所述土壤污染物监测模型以输出土壤污染物浓度为目标与以可测量数据为输入数据，并基于卡尔曼滤波算法构建。

进一步地，所述土壤污染物监测模型的构建过程，包括：

获取已修复土壤样本的历史数据；所述已修复土壤样本与所述待修复土壤具有相同或者相似的污染源；所述历史数据包括土壤不同污染物浓度数据和所述可测量数据；

对所述已修复土壤样本的历史数据进行主成分分析，建立土壤污染物浓度与可测量的数据相关性方程；

将所述数据相关性方程转换为状态观测方程；

将所述状态观测方程的输出数据作为卡尔曼滤波算法的参数，构建所述土壤污染物监测模型。

进一步地，对所述已修复土壤样本的历史数据进行主成分分析，建立土壤污染物浓度与可测量的数据相关性方程，包括：

对所述已修复土壤样本的历史数据进行主成分分析，得到不相关主成分数据；

利用Pearson相关系数对所述不相关主成分数据进行相关性强弱衡量，得到相关性强弱数据；

根据所述相关性强弱数据，建立土壤污染物浓度与可测量的数据相关性方程。

进一步地，所述数据相关性方程的计算表达式，包括：假设土壤污染物浓度与可测量的数据之间的关系是线性的，设所述数据相关性方程为线性回归方程；

c＝a₁x₁+b₁

c＝a₂x₂+b₂

式中，c为某种污染物浓度；a₁和a₂为不同相关系数；x₁和x₂为土壤不同可测量数据；b₁和b₂为所述不同可测量数据下某种污染物浓度的初始浓度。