一种城市气体危化品泄漏的扩散仿真方法及系统技术方案

本发明专利技术涉及一种城市气体危化品泄漏的扩散仿真方法及系统。通过现场状况、气体类型和天气状况选择相应的气体扩散模型，通过训练得到泄漏气体类型对应的学习器组合，基于气体扩散模型和学习器组合生成泄漏气体扩散仿真。本方法利用机器学习中的集成方法整合各分立气体扩散模型的优势，能够预测真实危险性气体的扩散过程。

【技术实现步骤摘要】
一种城市气体危化品泄漏的扩散仿真方法及系统
本专利技术涉及气体扩散建模领域，具体涉及一种城市气体危化品泄露的扩散仿真方法及系统。
技术介绍
当前，危险性气体泄漏导致的安全事故，始终作为一种潜在威胁影响着广大人民的生命财产安全，会对周边环境、设备等造成极大损害。因此，仿真预测模拟危险性气体的扩散过程，以针对性采取预警消除手段，对于减少危险性气体泄漏危害具有重要意义。针对现有技术存在的缺陷，本专利技术提出的城市气体危化品泄露扩散仿真方法，利用机器学习中的集成方法，有效整合各分立气体扩散模型的优势，对于预测真实危险性气体的扩散具有良好的效果。
技术实现思路
本专利技术提出了一种城市气体危化品泄露的扩散仿真方法及系统，能够在危险品气体泄漏扩散时，选择合适的扩散仿真模型，模拟气体的真实扩散过程。本专利技术的一个目的是提供了一种城市气体危化品泄露的扩散仿真方法，包括以下步骤：(1)根据风向、风向、风力、风速和大气稳定度，确定事发区域实时天气情况；根据存储罐压、泄漏面积、泄漏时间及泄漏形状，确定事发区域现场状况；建立气体扩散模型库，包括静风扩散模型、高斯模型、BM模型、Sutton模型、FEM3模型；确定泄漏危险性气体的类型，危险性气体类型分为三种：轻气、中性气体、重度气体；(2)基于事发区域实时天气情况、现场状况和泄漏气体类型，从气体扩散模型库选择相应的气体扩散模型；(3)通过训练得到泄漏气体类型对应的学习器组合；(4)基于步骤2选择的气体扩散模型，以及步骤3得到的学习器组合，生成最后的泄漏气体扩散仿真。其中，步骤3中通过训练得到泄漏气体类型对应的学习器组合具体如下：(a)建立危化品气体训练集，包括轻气训练集、中性气体训练集、重度气体训练集，具体表示形式如下：Tname＝{(x1，y1)，(x2，y2)，...，(xN，yN)}，name为轻气、中性气体、重度气体，其中xi表示从气体真实扩散空间中选取的一点位置，yi表示该点位置的气体浓度，i＝1...N；(b)根据不同的气体类型，选择相应的气体扩散模型，作为危化品气体训练集的基本学习器；(c)根据不同的气体，初始化训练数据的权值分布其中，w1i是选取危化品气体训练集中(xi，yi)的概率，N是危化品气体训练集中的数据量；(d)每种气体对应的简化扩散模型数为M，每个简化扩散模型为一个基本学习器Gm，m＝1，...，M。比如对于中性气体来说，M为3，扩散模型分别为基本学习器G1、G2、G3；(e)计算Gm(x)在训练数据集上的较大误差率x＝x1，...，xN，其中，较大误差指的是|Gm(xi)-yi|＞α，α为yi的百分之一，Wmi对应于(xi，yi)的概率，P(|Gm(xi)-yi|＞α)表示|Gm(xi)-yi|＞α在训练数据集中的比率；(f)计算基本学习器Gm(x)的系数(g)更新训练数据的权值分布其中，Zm是规范化因子，使得Dm+1成为一个概率分布，当m+1＞M时，进入步骤(h)(h)针对不同的气体，构建基本学习器的线性组合进一步的，步骤b中，如果m为中性气体，则从气体扩散模型库中选取高斯模型、Sutton模型、BM模型三种模型，步骤d中M设为3；如果m为轻气体，则选择静风扩散模型、高斯模型，步骤d中M设为2；如果m为重气体，则选择BM、FEM3模型，步骤d中M设为2。此外，步骤4中，生成最后的泄漏气体扩散仿真具体为：基于训练阶段得到的βm，及结合对应的气体扩散模型，利用得到当前气体各点的浓度，从而用于对泄露气体进行扩散仿真。本专利技术的另一个目的是提供一种城市气体危化品泄露的扩散仿真系统，系统包括以下模块：气体扩散模型库，用于存储气体扩散模型，包括静风扩散模型、高斯模型、BM模型、Sutton模型、FEM3模型；气体扩散模型库选择模块，用于根据事发区域实时天气情况、现场状况和泄漏气体类型，从气体扩散模型库选择相应的气体扩散模型，并将选择结果发送给泄漏气体扩散仿真模块；学习器组合训练模块，用于训练泄漏气体类型对应的学习器组合，并将训练结果发送给泄漏气体扩散仿真模块；气体扩散模型生成模块，用于根据气体扩散模型库选择模块选择的气体扩散模型和学习器组合训练模块训练得到的学习器组合，生成最后的泄漏气体扩散仿真。其中，气体扩散模型库选择模块包括实时天气情况确定、现场状况确定和泄漏气体类型确定三个子单元，其中，实时天气情况确定子单元用于根据风向、风向、风力、风速和大气稳定度，确定事发区域实时天气情况；现场状况确定子单元用于根据存储罐压、泄漏面积、泄漏时间及泄漏形状，确定事发区域现场状况；泄漏气体类型确定子单元用于确定泄漏危险性气体的类型，危险性气体类型分为三种：轻气、中性气体、重度气体。进一步的，学习器组合训练模块通过训练得到泄漏气体类型对应的学习器组合具体为：(a)建立危化品气体训练集，包括轻气训练集、中性气体训练集、重度气体训练集，具体表示形式如下：Tname＝{(x1，y1)，(x2，y2)，...，(xN，yN)}，name为轻气、中性气体、重度气体，其中xi表示从气体真实扩散空间中选取的一点位置，yi表示该点位置的气体浓度，i＝1...N；(b)根据不同的气体类型，选择相应的气体扩散模型，作为危化品气体训练集的基本学习器；(c)根据不同的气体，初始化训练数据的权值分布D1＝(w11，...，w1i，...，w1N)，i＝1，2，...，N，其中，w1i是选取危化品气体训练集中(xi，yi)的概率，N是危化品气体训练集中的数据量；(d)每种气体对应的扩散模型数为M，每个扩散模型为一个基本学习器Gm，m＝1，...，M；(e)计算Gm(x)在训练数据集上的较大误差率x＝x1，...，xN，其中，较大误差指的是|Gm(xi)-yi|＞α，α为yi的百分之一，Wmi对应于(xi，yi)的概率，P(|Gm(xi)-yi|＞α)表示|Gm(xi)-yi|＞α在训练数据集中的比率；(f)计算基本学习器Gm(x)的系数(g)更新训练数据的权值分布其中，Zm是规范化因子，使得Dm+1成为一个概率分布，(h)针对不同的气体，构建基本学习器的线性组合本专利技术提出的城市气体危化品泄露扩散仿真方法及系统，利用机器学习中的集成方法，有效整合各分立气体扩散模型的优势，选择合适的扩散仿真模型，模拟气体的真实扩散过程，对于预测真实危险性气体的扩散具有良好的效果。附图说明图1示出了本专利技术的城市气体危化品泄露扩散仿真方法流程示意图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术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用以解释本专利技术，并不用于限定本专利技术。现在将详细参考本专利技术的实施例，这些实施例的示例在附图中示出。元件的后缀“模块”和“单元”在此用于方便描述，并且因此可以可交换地被使用，而且没有任何可区别的意义或功能。虽然构成本专利技术的实施例的所有元件或单元被描述为结合到单个元件中或被操作为单个元件或单元，但是本专利技术不一定局限于此种实施例。根据实施例，在本专利技术的目的和范围内所有的元件可以选择性地结合到一个或多个元件并且被操作为一个或多个元件。本专利技术的一个实施例中的城市气体危化品泄露扩散仿真方法具体包括：(1)根据风向、风向、风力、风速和大气稳定度，确定事发区本文档来自技高网...

【技术保护点】
一种危化品气体泄漏扩散模型生成方法，其特征在于，包括以下步骤：(1)根据风向、风向、风力、风速和大气稳定度，确定事发区域实时天气情况；根据存储罐压、泄漏面积、泄漏时间及泄漏形状，确定事发区域现场状况；建立气体扩散模型库，包括静风扩散模型、高斯模型、BM模型、Sutton模型、FEM3模型；确定泄漏危险性气体的类型，危险性气体类型分为三种：轻气、中性气体、重度气体；(2)基于事发区域实时天气情况、现场状况和泄漏气体类型，从气体扩散模型库选择相应的气体扩散模型；(3)通过训练得到泄漏气体类型对应的学习器组合；(4)基于步骤2选择的气体扩散模型，以及步骤3得到的学习器组合，生成最后的泄漏气体扩散仿真。

【技术特征摘要】
1.一种危化品气体泄漏扩散模型生成方法，其特征在于，包括以下步骤：(1)根据风向、风向、风力、风速和大气稳定度，确定事发区域实时天气情况；根据存储罐压、泄漏面积、泄漏时间及泄漏形状，确定事发区域现场状况；建立气体扩散模型库，包括静风扩散模型、高斯模型、BM模型、Sutton模型、FEM3模型；确定泄漏危险性气体的类型，危险性气体类型分为三种：轻气、中性气体、重度气体；(2)基于事发区域实时天气情况、现场状况和泄漏气体类型，从气体扩散模型库选择相应的气体扩散模型；(3)通过训练得到泄漏气体类型对应的学习器组合；(4)基于步骤2选择的气体扩散模型，以及步骤3得到的学习器组合，生成最后的泄漏气体扩散仿真。2.根据权利要求1所述的方法，其特征在于，步骤3中通过训练得到泄漏气体类型对应的学习器组合具体如下：(a)建立危化品气体训练集，包括轻气训练集、中性气体训练集、重度气体训练集，具体表示形式如下：Tname＝{(x1，y1)，(x2，y2)，...，(xN，yN)}，name为轻气、中性气体、重度气体，其中xi表示从气体真实扩散空间中选取的一点位置，yi表示该点位置的气体浓度，i＝1...N；(b)根据不同的气体类型，选择相应的气体扩散模型，作为危化品气体训练集的基本学习器；(c)根据不同的气体，初始化训练数据的权值分布其中，w1i是选取危化品气体训练集中(xi，yi)的概率，N是危化品气体训练集中的数据量；(d)每种气体对应的简化扩散模型数为M，每个简化扩散模型为一个基本学习器Gm，m＝1，...，M，比如对于中性气体来说，M为3，扩散模型分别为基本学习器G1、G2、G3；(e)计算Gm(x)在训练数据集上的较大误差率其中，较大误差指的是|Gm(xi)-yi|＞α，α为yi的百分之一，wmi对应于(xi，yi)的概率，P(|Gm(xi)-yi|＞α)表示|Gm(xi)-yi|＞α在训练数据集中的比率；(f)计算基本学习器Gm(x)的系数(g)更新训练数据的权值分布其中，Zm是规范化因子，使得Dm+1成为一个概率分布，当m+1＞M时，进入步骤(h)(h)针对不同的气体，构建基本学习器的线性组合3.根据权利要求2所述的方法，其特征在于，步骤b中，如果m为中性气体，则从气体扩散模型库中选取高斯模型、Sutton模型、BM模型三种模型，步骤d中M设为3；如果m为轻气体，则选择静风扩散模型、高斯模型，步骤d中M设为2；如果m为重气体，则选择BM、FEM3模型，步骤d中M设为2。4.根据权利要求3所述的方法，其特征在于，步骤4中，生成最后的泄漏气体扩散仿真具体为：基于训练阶段得到的...

【专利技术属性】
技术研发人员：潘维，孙亭，李毅，陈思，叶云，沈自然，
申请(专利权)人：中国电子科技集团公司第二十八研究所，
类型：发明
国别省市：江苏,32