空气污染物溯源方法及装置制造方法及图纸

本发明专利技术公开了一种空气污染物溯源方法及装置，该方法包括：预处理空气污染数据，形成m×n阶监测数据矩阵；确定污染源的数量范围，针对数量范围内每一污染源数量，执行如下迭代方法：根据污染源数量将监测数据矩阵分解，得到分解矩阵，利用分解矩阵和监测数据矩阵构造梯度函数；设定步长，利用步长、梯度函数及分解矩阵进行最小二乘迭代运算，每一次迭代得到一个中间矩阵；根据中间矩阵计算目标函数的函数值；当满足预设条件时停止迭代；在每一次迭代时重新设定步长；根据每一个数量的污染源迭代得到的目标函数的函数值确定目标污染源数量；根据目标污染源数量对应的分解矩阵确定污染源的类型。本发明专利技术可以对城市空气环境进行常态化的溯源分析。

【技术实现步骤摘要】
空气污染物溯源方法及装置
本专利技术涉及环境保护
，尤其涉及一种空气污染物溯源方法及装置。
技术介绍
本部分旨在为权利要求书中陈述的本专利技术实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。空气的污染主要分为有害气体和可吸入颗粒物。有害气体包括：一氧化碳(CO)、氮氧化物(NOx)、碳氢化合物、硫氧化物等。目前，对有害气体主要采用电化学的方法进行检测，技术已相对成熟，在用的空气质量监测站大都具备此项功能。PM10和PM2.5颗粒物已经成为各地常态化的被监测污染物，但PM10(直径10μm的颗粒物)和PM2.5(直径2.5μm的颗粒物)并非一次污染物，它主要是由超细颗粒(直径小于0.1μm的颗粒物)、臭氧以及VOC等气态污染物经过一系列的大气光化学反应形成的二次污染物。一些超细颗粒物可以渗入血液，在人体内沉积，从而引起癌症等一系列疾病，对人体的健康危害更大。为保证空气质量，国家相继出台了多项政策及举措对各地空气质量进行监测管控，真正的查清污染来源及各污染源特点成为一项主要任务。目前的污染物溯源方法主要结合大气化学模式和观测浓度信息来反演污染源的特征，并结合大量的污染源特征信息(先验信息)，期望实现对单个或多个污染源的位置及强度的精确估计，这种方法更适用于应对突发污染事件的发生，更适用于相对独立、面积较小的区域，而对于整个城市这样大面积、非独立性区域的空气质量管控，却无法对城市空气环境进行常态化的溯源分析，导致无法客观了解城市的空气质量变化规律及污染源时间、空间分布态势等，对于城市空气环境的科学管控也缺少数据支撑。
技术实现思路
本专利技术实施例提供一种空气污染物溯源方法，用以对城市空气环境进行常态化的溯源分析，从而客观了解城市的空气质量变化规律及污染源时间、空间分布态势等，为城市空气环境的科学管控提供数据支撑，该方法包括：获取空气污染数据，所述空气污染数据包括可吸入颗粒物浓度、有害气体浓度和气象数据，所述可吸入颗粒物浓度包括粒径小于1μm的颗粒物浓度；对空气污染数据进行预处理，形成m×n阶的监测数据矩阵，其中，m表示空气污染物组分数量，n表示采集空气污染数据的采样次数；根据空气污染物组分数量，确定污染源的数量范围，针对数量范围内每一污染源数量，执行如下迭代方法：根据污染源数量将监测数据矩阵分解，得到分解矩阵，利用分解矩阵和监测数据矩阵构造梯度函数；设定步长，利用步长、梯度函数及分解矩阵进行最小二乘迭代运算，每一次迭代得到一个中间矩阵；根据中间矩阵计算目标函数的函数值；当目标函数的函数值或迭代次数满足预设条件时，停止迭代；其中，设定中间矩阵中各元素非负，并在每一次迭代时重新设定步长；根据每一个数量的污染源迭代得到的目标函数的函数值确定目标污染源数量；根据目标污染源数量对应的分解矩阵，确定污染源的类型。本专利技术实施例还提供一种空气污染物溯源装置，用以对城市空气环境进行常态化的溯源分析，从而客观了解城市的空气质量变化规律及污染源时间、空间分布态势等，为城市空气环境的科学管控提供数据支撑，该装置包括：获取模块，用于获取空气污染数据，所述空气污染数据包括可吸入颗粒物浓度、有害气体浓度和气象数据，所述可吸入颗粒物浓度包括粒径小于1μm的颗粒物浓度；数据处理模块，用于对空气污染数据进行预处理，形成m×n阶的监测数据矩阵，其中，m表示空气污染物组分数量，n表示采集空气污染数据的采样次数；迭代模块，用于根据空气污染物组分数量，确定污染源的数量范围，针对数量范围内每一污染源数量，执行如下迭代方法：根据污染源数量将监测数据矩阵分解，得到分解矩阵，利用分解矩阵和监测数据矩阵构造梯度函数；设定步长，利用步长、梯度函数及分解矩阵进行最小二乘迭代运算，每一次迭代得到一个中间矩阵；根据中间矩阵计算目标函数的函数值；当目标函数的函数值或迭代次数满足预设条件时，停止迭代；其中，设定中间矩阵中各元素非负，并在每一次迭代时重新设定步长；确定模块，用于根据每一个数量的污染源迭代得到的目标函数的函数值确定目标污染源数量；确定模块，还用于根据目标污染源数量对应的分解矩阵，确定污染源的类型。本专利技术实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在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空气污染物溯源方法。本专利技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述空气污染物溯源方法的计算机程序。本专利技术实施例中，依赖获取的空气污染数据，如可吸入颗粒物浓度、有害气体浓度和气象数据等，对城市空气环境进行常态化的溯源分析，从而建立数据更为丰富、变化更为明显、特征更为鲜明的空气污染分析样本，后端平台能够对颗粒物排放特征不同的污染源进行有针对性的分析，获取各个污染因素，如交通、工业排放等在污染结果中所占的比重，进而甄别出致使污染超标的主要因素，从而对不同程度的污染采取更有针对性的措施，提高城市对空气污染治理的靶向性、科学性和有效性。并且，相较于现有技术中，只能获取到PM10、PM2.5的浓度信息，数据样本数量太少，即使用来进行溯源分析，也无法得到较为准确的结果，而只能借助气体污染数据从宏观上去分析，而大多污染源并不是直接排出PM10和PM2.5的，因此，在溯源分析中，PM10和PM2.5数据并不能起到直接的作用，本专利技术实施例能够快速检测到空气中粒径较小(小于1μm)的颗粒物浓度变化，能够真实的反映出污染源的变化，从而得到更加准确的溯源结果，还具备以下优点：①、本溯源方法是开放性的，对样本的数量、组分数的数量均没有明确的限制，不同空气质量监测站点获得的空气污染信息均可以用此方法进行溯源分析。②、本溯源方法计算过程对污染源成分谱依赖很小，即无需对监测区域潜在污染源进行成分谱数据收集，也不需要初猜信息，只在监测站获得监测数据后即可进行溯源分析。③、本溯源方法采用了梯度投影的方法，并在每次迭代运算中都重新设置步长，相对于目前应用较广的基于贝叶斯推论的概率溯源分析方法收敛运算速度更快，效率更高。④、目前常用的基于贝叶斯推论的概率溯源分析方法首先需要根据先验信息确定污染源类别数量，若数量分析不准确，则会造成溯源分析结果的偏差。而本方法具备污染源类别自动分析能力，弥补了概率溯源分析方法在这方面的弊端。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例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，下面描述中的附图仅仅是本专利技术的一些实施例，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。在附图中：图1为本专利技术实施例中一种空气污染物溯源方法的流程图；图2为本专利技术实施例中一种凝聚核计数器的结构示意图；图3为本专利技术实施例中一种电迁移计数器的结构示意图；图4为本专利技术实施例中一种DMA的结构示意图；图5为本本文档来自技高网...

【技术保护点】
1.一种空气污染物溯源方法，其特征在于，所述方法包括：/n获取空气污染数据，所述空气污染数据包括可吸入颗粒物浓度、有害气体浓度和气象数据，所述可吸入颗粒物浓度包括粒径小于1μm的颗粒物浓度；/n对空气污染数据进行预处理，形成m×n阶的监测数据矩阵，其中，m表示空气污染物组分数量，n表示采集空气污染数据的采样次数；/n根据空气污染物组分数量，确定污染源的数量范围，针对数量范围内每一污染源数量，执行如下迭代方法：/n根据污染源数量将监测数据矩阵分解，得到分解矩阵，利用分解矩阵和监测数据矩阵构造梯度函数；/n设定步长，利用步长、梯度函数及分解矩阵进行最小二乘迭代运算，每一次迭代得到一个中间矩阵；根据中间矩阵计算目标函数的函数值；当目标函数的函数值或迭代次数满足预设条件时，停止迭代；其中，设定中间矩阵中各元素非负，并在每一次迭代时重新设定步长；/n根据每一个数量的污染源迭代得到的目标函数的函数值确定目标污染源数量；/n根据目标污染源数量对应的分解矩阵，确定污染源的类型。/n

【技术特征摘要】
1.一种空气污染物溯源方法，其特征在于，所述方法包括：
获取空气污染数据，所述空气污染数据包括可吸入颗粒物浓度、有害气体浓度和气象数据，所述可吸入颗粒物浓度包括粒径小于1μm的颗粒物浓度；
对空气污染数据进行预处理，形成m×n阶的监测数据矩阵，其中，m表示空气污染物组分数量，n表示采集空气污染数据的采样次数；
根据空气污染物组分数量，确定污染源的数量范围，针对数量范围内每一污染源数量，执行如下迭代方法：
根据污染源数量将监测数据矩阵分解，得到分解矩阵，利用分解矩阵和监测数据矩阵构造梯度函数；
设定步长，利用步长、梯度函数及分解矩阵进行最小二乘迭代运算，每一次迭代得到一个中间矩阵；根据中间矩阵计算目标函数的函数值；当目标函数的函数值或迭代次数满足预设条件时，停止迭代；其中，设定中间矩阵中各元素非负，并在每一次迭代时重新设定步长；
根据每一个数量的污染源迭代得到的目标函数的函数值确定目标污染源数量；
根据目标污染源数量对应的分解矩阵，确定污染源的类型。


2.根据权利要求1所述的方法，其特征在于，对空气污染数据进行预处理，包括：
根据预设的各项空气污染数据的数值范围，筛选出在数值范围之外的异常空气污染数据；
根据空气污染数据的采样时间及采样间隔，校验空气污染数据的采样是否连续；
利用插值法得到空气污染数据，替换异常空气污染数据，补全采样不连续的空气污染数据。


3.根据权利要求1所述的方法，其特征在于，在每一次迭代得到一个中间矩阵之后，所述方法还包括：
计算利用同一个污染源数量迭代得到的目标函数的函数值的均值及均方根误差；
根据每一个数量的污染源迭代得到的目标函数的函数值确定目标污染源数量，包括：
从得到的所有均方根误差中筛选在设定范围内的均方根误差；
将设定范围内的均方根误差对应的目标函数的均值中，最小均值对应的污染源数量确定为目标污染源数量。


4.根据权利要求1至3任一项所述的方法，其特征在于，
构造的梯度函数为
其中，表示梯度算子；G表示第一分解矩阵第一分解矩阵为m×P阶因子贡献矩阵；F表示第二分解矩阵，第二分解矩阵为P×n阶因子谱矩阵；P表示污染源的数量；V表示监测数据矩阵；T表示转置运算。


5.根据权利要求4所述的方法，其特征在于，利用步长、梯度函数及分解矩阵进行最小二乘迭代运算，包括：
利用公式进行最小二乘迭代运算，得到第k次迭代的中间矩阵xk+1；
其中，第一次迭代利用的αk表示第k次迭代的步长。


6.根据权利要求5所述的方法，其特征在于，
根据公式计算目标函数的函数值Q；
其中，xij为监测数据矩阵中第i行第j列的元素；gik和fkj分别为分解矩阵G、F中第i行第j列的元素；uij为误差矩阵中第i行第j列的元素，误差矩阵由监测数据矩阵中每个元素的误差量构成。


7.根据权利要求1所述...

【专利技术属性】
技术研发人员：张英志，王敬明，张达，李兆胜，郭绍禹，
申请(专利权)人：淄博青禾检测科技有限公司，
类型：发明
国别省市：山东;37