污染来源预测方法、装置及电子设备制造方法及图纸

本发明专利技术提供了一种污染来源预测方法、装置及电子设备，涉及污染预测的技术领域，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。本发明专利技术可以降低空气质量数值模型计算量，提高计算速度。

Pollution Source Prediction Method, Device and Electronic Equipment

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；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。结合第一方面，本专利技术实施例提供了第一方面的第一种可能的实施方式，其中，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。结合第一方面，本专利技术实施例提供了第一方面的第二种可能的实施方式，其中，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。结合第一方面，本专利技术实施例提供了第一方面的第三种可能的实施方式，其中，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。结合第一方面，本专利技术实施例提供了第一方面的第四种可能的实施方式，其中，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标组成成分，且对所述排放清单数据中记载的每个排放源作为目标排放源进行如下步骤：计算目标排放源在所述目标排放源对应的排放行业中贡献的目标组成成分的第一占比；计算目标组成成分的浓度与目标污染物的浓度的第二占比；根据所述第一占比、第二占比和目标排放源对应的排放行业对目标组成成分的预测贡献率，计算目标排放源贡献的目标组成成分对造成空气污染目标污染物的预测贡献率。结合第一方面，本专利技术实施例提供了第一方面的第五种可能的实施方式，其中，所述方法还包括：根据所述第一占比和目标排放源对应的排放行业对目标组成成分的预测贡献率，计算目标排放源对目标组成成分的贡献率。第二方面，本专利技术实施例还提供一种污染来源预测装置，包括：获取模块，用于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；合并模块，用于按照行业类型，对所述排放源进行合并处理，得到参考排放数据；预测模块，用于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；精细化预测模块，用于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。结合第二方面，本专利技术实施例提供了第二方面的第一种可能的实施方式，其中，所述获取模块，包括：基础数据获取子模块，用于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；处理子模块，用于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。第三方面，本专利技术实施例还提供一种电子设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述实施例任一项所述的方法的步骤。第四方面，本专利技术实施例还提供一种具有处理器可执行的非易失的程序代码的计算机可读介质，所述程序代码使所述处理器执行所述实施例任一所述方法。本专利技术实施例带来了以下有益效果：可以通过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，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，然后将中尺度气象预测数据和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空气污染预测数据，计算空气污染精细化预测贡献率，本专利技术将输入到空气质量数值模型中的排放源进行合并处理后作为输入，得到一个以行业类型为单位的空气污染预测数据，然后在根据排放清单数据进行细化，避免在空气质量数值模型计算量大的问题，提高了计算速率。本专利技术的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的污染来源预测方法的流程图；图2为本专利技术实施例提供的污染来源预测方法的工作流程图；图3为本专利技术实施例提供的污染来源预测装置的结构框图；图4为本专利技术实施例提供的污染来源预测装置中的合本文档来自技高网...

【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