大气污染源识别方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术涉及人工智能，提供一种大气污染源识别方法、装置、计算机设备及存储介质，包括：获取多个污染源的多种大气污染成分并构建污染成分矩阵，初始化第一目标函数为：污染成分矩阵＝污染成分贡献矩阵*污染成分含量矩阵+残差矩阵；通过梯度下降算法迭代计算残差矩阵小于阈值时，根据残差矩阵计算污染成分贡献矩阵和污染成分含量矩阵；根据污染成分矩阵和污染成分含量矩阵计算每个污染源贡献的质量浓度，进而确定每个污染源的源谱；根据污染源的源谱与污染源类型之间的映射关系识别出每个污染源的源谱对应的污染源类型。本发明专利技术能够精准的识别出大气污染成分的各个来源。此外，本发明专利技术还涉及区块链，所述映射关系存储于区块链中。

【技术实现步骤摘要】
大气污染源识别方法、装置、计算机设备及存储介质
本专利技术涉及人工智能
，具体涉及一种大气污染源识别方法、装置、计算机设备及存储介质。
技术介绍
大气污染俨然已成为影响经济社会发展的重大瓶颈制约和潜在风险隐患，是目前最大的短板之一，大气污染受污染源位置和高度、城市地形、大气稳定度、天气以及人口、燃料构成等多方面的影响，对大气污染物的有效预测对于打好“蓝天保卫战”，有效应对重污染天气有重要意义。人工神经网络预测方法是近年来国际上人工智能领域研究的重点，人工神经网络预测方法不需要明确的输入、输出之间的函数关系，主要通过对大量的数据训练、学习来完成模拟过程，并利用训练好的网络来对新输入的数据进行预测。但神经网络只能通过目前的影响因素的状态来预测大气的污染程度，无法有效的预测出污染的来源。因此，有必要提供一种大气污染源识别方法。
技术实现思路
鉴于以上内容，有必要提出一种大气污染源识别方法、装置、计算机设备及存储介质，能够精准的识别出大气污染的来源。本专利技术的第一方面提供一种大气污染源识别方法，所述方法包括：获取监测装置采集的多个污染源在监测时段内的多种大气污染成分，并基于所述多种大气污染成分构建污染成分矩阵；初始化第一目标函数及约束条件，其中，所述第一目标函数为：所述污染成分矩阵＝污染成分贡献矩阵*污染成分含量矩阵+残差矩阵；通过梯度下降算法在所述约束条件下对所述残差矩阵进行迭代计算，并当迭代计算得到的残差矩阵小于预设阈值时，根据所述残差矩阵计算所述污染成分贡献矩阵和所述污染成分含量矩阵；根据所述污染成分矩阵和所述污染成分含量矩阵计算每个污染源贡献的质量浓度，并根据所述每个污染源贡献的质量浓度确定所述每个污染源的源谱；根据预设污染源的源谱与污染源类型之间的映射关系识别出每个污染源的源谱对应的污染源类型。根据本专利技术的一个可选的实施例，所述约束条件为：所述污染成分贡献矩阵及所述污染成分含量矩阵均为非负矩阵，所述通过梯度下降算法在所述约束条件下对所述残差矩阵进行迭代计算包括：初始化所述污染成分贡献矩阵为第一矩阵及初始化所述污染成分含量矩阵为第二矩阵；计算所述第一矩阵和所述第二矩阵的乘积得到第三矩阵；计算所述污染成分矩阵与所述第三矩阵的差值得到残差矩阵；通过梯度下降算法重复上述过程计算所述残差矩阵，直到所述残差矩阵小于所述预设阈值。根据本专利技术的一个可选的实施例，所述根据所述污染成分矩阵和所述污染成分含量矩阵计算每个污染源贡献的质量浓度包括：根据所述污染成分矩阵计算大气污染成分的总质量浓度矩阵；初始化第二目标函数，其中，所述第二目标函数为：大气污染成分的总质量浓度矩阵＝所述污染成分含量矩阵*污染源贡献的质量浓度矩阵；通过梯度下降算法对所述污染源贡献的质量浓度矩阵进行迭代计算，并在迭代计算结果达到局部最优解时得到污染源贡献的质量浓度矩阵；根据所述污染源贡献的质量浓度矩阵计算每个污染源贡献的质量浓度。根据本专利技术的一个可选的实施例，所述根据预设污染源的源谱与污染源类型之间的映射关系识别出每个污染源的源谱对应的污染源类型包括：计算每个污染源的源谱与预设关系数据库中的每个标准源谱之间的相似度；将最大相似度对应的标准源谱确定为所述污染源的目标源谱，及根据所述映射关系确定所述目标源谱对应的目标污染源类型，并将所述目标污染源类型确定为所述污染源的污染源类型。根据本专利技术的一个可选的实施例，在获取监测装置采集的多个污染源在监测时段内的多种大气污染成分之前，所述方法还包括：获取多种类型的污染源的多种历史大气污染成分；根据所述多种历史大气污染成分计算每种类型的污染源贡献的质量浓度，并根据所述质量浓度和所述多种历史大气污染成分确定每种类型的污染源的标准源谱；建立污染源的标准源谱与污染源类型之间的映射关系。根据本专利技术的一个可选的实施例，所述方法还包括：获取风向传感器采集的所述监测时段内的风向数据；根据所述风向数据计算最大风向频率；确定每个污染源类型对应的污染贡献的质量浓度；关联显示污染贡献的质量浓度最大的污染源类型对应的污染源及所述最大风向频率。根据本专利技术的一个可选的实施例，所述方法还包括：获取每个污染源的地理位置信息；确定所述最大风向频率对应的目标地理位置信息；向所述目标地理位置信息对应的管理者发送警告提示。本专利技术的第二方面提供一种大气污染源识别装置，所述装置包括：获取模块，用于获取监测装置采集的多个污染源在监测时段内的多种大气污染成分，并基于所述多种大气污染成分构建污染成分矩阵；构建模块，用于初始化第一目标函数及约束条件，其中，所述第一目标函数为：所述污染成分矩阵＝污染成分贡献矩阵*污染成分含量矩阵+残差矩阵；迭代模块，用于通过梯度下降算法在所述约束条件下对所述残差矩阵进行迭代计算，并当迭代计算得到的残差矩阵小于预设阈值时，根据所述残差矩阵计算所述污染成分贡献矩阵和所述污染成分含量矩阵；计算模块，用于根据所述污染成分矩阵和所述污染成分含量矩阵计算每个污染源贡献的质量浓度，并根据所述每个污染源贡献的质量浓度确定所述每个污染源的源谱；识别模块，用于根据预设污染源的源谱与污染源类型之间的映射关系识别出每个污染源的源谱对应的污染源类型。本专利技术的第三方面提供一种计算机设备，所述计算机设备包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现所述大气污染源识别方法。本专利技术的第四方面提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现所述大气污染源识别方法。综上所述，本专利技术所述的大气污染源识别方法、装置、计算机设备及存储介质，通过监测装置采集多个污染源在监测时段内的多种大气污染成分，并基于所述多种大气污染成分构建污染成分矩阵，从而计算出污染成分贡献矩阵和污染成分含量矩阵，并根据污染成分矩阵和污染成分含量矩阵计算出每个污染源贡献的质量浓度，从而确定出了每个污染源的源谱，最后根据预设污染源的源谱与污染源类型之间的映射关系识别出每个污染源的源谱对应的污染源类型。本实施能够精准的识别出大气污染的来源，解决了恶臭污染溯源的难题，能更快更省力地在线解析待测点位大气中污染成分的来源情况，具有重要的意义和良好的产业化应用前景。附图说明图1是本专利技术实施例一提供的大气污染源识别方法的流程图。图2是本专利技术实施例提供的不同类型的污染源的标准源谱的示意图。图3是本专利技术实施例提供的污染源在监测时段内的贡献比例的示意图图4是本专利技术实施例二提供的大气污染源识别装置的结构图。图5是本专利技术实施例三提供的计算机设备的结构示意图。具体实施方式为了能够更清楚地理解本专利技术的上述目的、特征和优点，下面结合附图和具体实施例对本专利技术进行详细描述。需要说明的是，本文档来自技高网...

【技术保护点】
1.一种大气污染源识别方法，其特征在于，所述方法包括：/n获取监测装置采集的多个污染源在监测时段内的多种大气污染成分，并基于所述多种大气污染成分构建污染成分矩阵；/n初始化第一目标函数及约束条件，其中，所述第一目标函数为：所述污染成分矩阵＝污染成分贡献矩阵*污染成分含量矩阵+残差矩阵；/n通过梯度下降算法在所述约束条件下对所述残差矩阵进行迭代计算，并当迭代计算得到的残差矩阵小于预设阈值时，根据所述残差矩阵计算所述污染成分贡献矩阵和所述污染成分含量矩阵；/n根据所述污染成分矩阵和所述污染成分含量矩阵计算每个污染源贡献的质量浓度，并根据所述每个污染源贡献的质量浓度确定所述每个污染源的源谱；/n根据预设污染源的源谱与污染源类型之间的映射关系识别出每个污染源的源谱对应的污染源类型。/n

【技术特征摘要】
1.一种大气污染源识别方法，其特征在于，所述方法包括：
获取监测装置采集的多个污染源在监测时段内的多种大气污染成分，并基于所述多种大气污染成分构建污染成分矩阵；
初始化第一目标函数及约束条件，其中，所述第一目标函数为：所述污染成分矩阵＝污染成分贡献矩阵*污染成分含量矩阵+残差矩阵；
通过梯度下降算法在所述约束条件下对所述残差矩阵进行迭代计算，并当迭代计算得到的残差矩阵小于预设阈值时，根据所述残差矩阵计算所述污染成分贡献矩阵和所述污染成分含量矩阵；
根据所述污染成分矩阵和所述污染成分含量矩阵计算每个污染源贡献的质量浓度，并根据所述每个污染源贡献的质量浓度确定所述每个污染源的源谱；
根据预设污染源的源谱与污染源类型之间的映射关系识别出每个污染源的源谱对应的污染源类型。


2.如权利要求1所述的大气污染源识别方法，其特征在于，所述约束条件为：所述污染成分贡献矩阵及所述污染成分含量矩阵均为非负矩阵，所述通过梯度下降算法在所述约束条件下对所述残差矩阵进行迭代计算包括：
初始化所述污染成分贡献矩阵为第一矩阵及初始化所述污染成分含量矩阵为第二矩阵；
计算所述第一矩阵和所述第二矩阵的乘积得到第三矩阵；
计算所述污染成分矩阵与所述第三矩阵的差值得到残差矩阵；
通过梯度下降算法重复上述过程计算所述残差矩阵，直到所述残差矩阵小于所述预设阈值。


3.如权利要求1所述的大气污染源识别方法，其特征在于，所述根据所述污染成分矩阵和所述污染成分含量矩阵计算每个污染源贡献的质量浓度包括：
根据所述污染成分矩阵计算大气污染成分的总质量浓度矩阵；
初始化第二目标函数，其中，所述第二目标函数为：大气污染成分的总质量浓度矩阵＝所述污染成分含量矩阵*污染源贡献的质量浓度矩阵；
通过梯度下降算法对所述污染源贡献的质量浓度矩阵进行迭代计算，并在迭代计算结果达到局部最优解时得到污染源贡献的质量浓度矩阵；
根据所述污染源贡献的质量浓度矩阵计算每个污染源贡献的质量浓度。


4.如权利要求1所述的大气污染源识别方法，其特征在于，所述根据预设污染源的源谱与污染源类型之间的映射关系识别出每个污染源的源谱对应的污染源类型包括：
计算每个污染源的源谱与预设关系数据库中的每个标准源谱之间的相似度；
将最大相似度对应的标准源谱确定为所述污染源的目标源谱，及根据所述映射关系确定所述目标源谱对应的目标污染源类型，并将所述目标污染源类型确定为所述污染源的污染源类...

【专利技术属性】
技术研发人员：林剑，
申请(专利权)人：平安国际智慧城市科技股份有限公司，
类型：发明
国别省市：广东;44