The invention provides a pollution source prediction method, device and electronic equipment, which relates to the technical field of pollution prediction, including acquiring mesoscale meteorological prediction data and emission inventory data of the destination to be predicted, recording emission sources corresponding to emissions and emissions in the emission inventory data, and merging the emission sources according to industry types for reference. Emission data, the mesoscale meteorological prediction data and the reference emission data are input into the air quality numerical model, and the air pollution prediction data are obtained. According to the emission inventory data and the air pollution prediction data, the contribution rate of the refined air pollution prediction is calculated. The invention can reduce the calculation amount of air quality numerical model and improve the calculation speed.
【技术实现步骤摘要】
污染来源预测方法、装置及电子设备
本专利技术涉及污染预测
,尤其是涉及一种污染来源预测方法、装置及电子设备。
技术介绍
随着我国经济的持续发展,全国各类污染物的排放量总体较高,以PM2.5为主要污染物的大气污染已经成为目前我国重大的环境问题之一,以京津冀、长三角和成渝城市群为代表的区域性重污染时有发生。对PM2.5重污染进行提前、精准防控的前提是在污染发生前对其来源进行精细化解析,而后再制定有针对性的减排方案。空气质量数值模型是一种常用于PM2.5来源预测的工具,目前主流的模式包括CMAQ-ISAM、CAMx-PSAT和我国自主研制的NAQPMS-OSAM,上述模型以污染排放源清单和WRF中尺度气象预报数据为输入,在模式计算过程中充分考虑了影响PM2.5污染输送、扩散、沉降和化学转化等诸多物理化学过程,支持PM2.5的地区及行业污染来源预测。但是,由于空气质量数值模式的物理化学机制复杂,模式来源预测的计算量较大,一般需要在高性能计算集群上运行数十小时。
技术实现思路
有鉴于此,本专利技术的目的在于提供污染来源预测方法、装置及电子设备,可以降低空气质量数值模型计算量,提高计算速度。第一方面,本专利技术实施例提供了一种污染来源预测方法,包括:获取中尺度气象预测数据和待预测目的地的排放清单数据;所述排放清单数据中记载有排放物和排放物对应的排放源;按照行业类型,对所述排放源进行合并处理,得到参考排放数据;将所述中尺度气象预测数据和所述参考排放数据输入到空气质量数值模型中,得到空气污染预测数据;根据排放清单数据和所述空气污染预测数据,计算空气污染精细化预测贡献率; ...
【技术保护点】
1.一种污染来源预测方法,其特征在于,包括:获取中尺度气象预测数据和待预测目的地的排放清单数据;所述排放清单数据中记载有排放物和排放物对应的排放源;按照行业类型,对所述排放源进行合并处理,得到参考排放数据;将所述中尺度气象预测数据和所述参考排放数据输入到空气质量数值模型中,得到空气污染预测数据;根据排放清单数据和所述空气污染预测数据,计算空气污染精细化预测贡献率;空气污染精细化预测贡献率为所述排放清单数据中记载的每个排放源贡献的目标污染物的多种组成成分中的每一种组成成分对造成空气污染目标污染物的预测贡献率。
【技术特征摘要】
1.一种污染来源预测方法,其特征在于,包括:获取中尺度气象预测数据和待预测目的地的排放清单数据;所述排放清单数据中记载有排放物和排放物对应的排放源;按照行业类型,对所述排放源进行合并处理,得到参考排放数据;将所述中尺度气象预测数据和所述参考排放数据输入到空气质量数值模型中,得到空气污染预测数据;根据排放清单数据和所述空气污染预测数据,计算空气污染精细化预测贡献率;空气污染精细化预测贡献率为所述排放清单数据中记载的每个排放源贡献的目标污染物的多种组成成分中的每一种组成成分对造成空气污染目标污染物的预测贡献率。2.根据权利要求1所述的污染来源预测方法,其特征在于,所述获取中尺度气象预测数据的步骤,包括:获取气象预测基础数据,其中,所述气象预测基础数据包括待预测目的地的背景场的气象预测数据和待预测目的地的地理信息数据;将所述气象预测基础数据输入到中尺度气象模型中,得到中尺度气象预测数据;所述中尺度气象模型中包括预先设定的网格配置、物理参数化方案、模拟时长。3.根据权利要求2所述的污染来源预测方法,其特征在于,所述将所述气象预测数据输入到中尺度气象模型中,得到中尺度气象预测数据的步骤之后,所述方法还包括:对所述中尺度气象预测数据进行格式转换,以能够作为空气质量数值模型的输入值。4.根据权利要求2所述的污染来源预测方法,其特征在于,所述按照行业类型,对所述排放源进行合并处理,得到参考排放数据的步骤,包括:将排放清单数据中行业类型相同的排放源进行合并处理,得到初始排放数据;按照中尺度气象模型中的网格配置,对所述初始排放数据进行网格分配,得到网格化的初始排放数据;按照中尺度气象模型中的模拟时长,确定预设时间;按照预设时间,对所述网格化的初始排放数据进行时间分配,得到参考排放数据。5.根据权利要求1所述的污染来源预测方法,其特征在于,所述空气污染预测数据包括目标污染物的多种组成成分的浓度和排放行业对各种组成成分的预测贡献率,所述根据排放清单数据和所述空气污染预测数据,计算空气污染精细化预测贡献率的步骤,包括:确定目标污染物的多种组成成分;逐一对多种组成成分的每种组成成分作为目...
【专利技术属性】
技术研发人员:晏平仲,王文丁,吴剑斌,秦东明,田相桂,魏巍,陈焕盛,张稳定,康明,刘亮,晚军艳,
申请(专利权)人:中科三清科技有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。