基于高斯烟羽和质心定位的PM2.5污染源定位方法技术

本发明专利技术提供了基于高斯烟羽和质心定位的PM2.5污染源定位方法，包括步骤S1空气质量监测站点位置数据预处理；S2基于气体扩散模型和加权质心定位算法，计算加权质心定位结果；S3基于改进的差分进化搜索算法，计算精细定位结果；S4以H小时为粒度分析定位结果，计算最终定位结果；S5利用高斯烟羽模型描述PM2.5污染源气体扩散。本发明专利技术方法结合了加权质心定位算法性能高和差分进化搜索算法准确度高的优点，提高了算法整体的性能和准确度。高了算法整体的性能和准确度。高了算法整体的性能和准确度。

【技术实现步骤摘要】
基于高斯烟羽和质心定位的PM2.5污染源定位方法


[0001]本专利技术的技术方案涉及高斯烟羽模型和加权质心定位算法
，特 别是设计到基于高斯烟羽和质心定位的PM2.5污染源定位方法。

技术介绍

[0002]应用计算机技术来进行PM2.5污染源定位的算法可以很好的实时监控 和发现超标排放PM2.5污染源。现今，国内外有很多的团队对污染源定位算 法进行研究。比如：无风情况下的质心定位算法结合遗传算法、粒子滤波算 法等。其中在无风情况下，快速的进行污染源定位以及污染气体扩散的模拟， 质心定位算法性能最好且定位点数据和真实值也较为接近，高斯烟羽模型应 用最为广泛。目前也有有风情况下的加权质心定位算法，但其并不能利用多 条不同时段的数据来进行更为精准的定位，仅通过一个时刻的数据进行计算， 并不能排除数据的偶然性和定位点的精确性。
[0003]现有定位算法的应用，都在模拟环境中进行实验，没有很好的利用现有 大量真实的PM2.5浓度数据，没有实际的应用到PM2.5污染源定位当中去， 本方法解决了以上不足之处。
[0004]
技术实现思路

[0005]有鉴于此，本专利技术旨在提出基于高斯烟羽和质心定位的PM2.5污染源定 位方法，以提供一种基于气体湍流扩散模型的加权质心定位的PM2.5污染源 定位方法，气体湍流模型是一种简化的高斯烟羽模型，克服了现有高斯烟羽 模型的计算复杂性的缺点；提供一种基于改进的差分进化搜索方法进行精确 定位以及多粒度分析的定位方法，克服了质心定位的缺陷；提供一种基于高 斯烟羽扩散模型的方法描述PM2.5的污染源扩散分布。
[0006]为达到上述目的，本专利技术的技术方案是这样实现的：
[0007]在基于气体湍流扩散模型的加权质心定位的基础上，基于改进的差分进 化搜索方法进行精确定位并从小时、天等多个粒度分析定位结果，最后基于 高斯烟羽扩散模型描述气体扩散，具体步骤如下：
[0008]第一步，空气质量监测站点位置数据预处理：
[0009](1.1)空气质量监测站点经纬度坐标转换为笛卡尔平面坐标：
[0010]使用米勒投影法利用公式(1)和公式(2)实现地球经纬度坐标转换为笛卡 尔平面坐标(x，y)，
[0011]x＝(W/2)+(W/2π)
×
L1×
π/180
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)，
[0012]y＝(H/2)
‑
(H/2m)
×
1.25
×
ln tan(0.25π+0.4L2×
π/180)
ꢀꢀꢀꢀꢀ
(2)，
[0013]其中L1和L2分别为经度和维度，W和H分别为地球的周长和地球周 长的一半，m为米勒投影常数，大约在正负2.3之间，(x，y)为笛卡尔平面坐 标。由此完成对空气质量监测站点经纬度坐标到笛卡尔平面坐标的转换。
[0014](1.2)空气质量监测站点笛卡尔平面坐标转换：
[0015]得到上述(1.1)步的空气质量监测站点笛卡尔平面坐标，然后根据风向数 据以正北方向逆时针旋转的角度，对空气质量监测站点的笛卡尔平面坐标做 变换，使x轴的正方向为正北方向。由此完成对空气质量监测站点笛卡尔平 面坐标的转换。
[0016]至此完成空气质量监测站点位置数据预处理，得到预处理后的空气监测 站点笛卡尔平面坐标，以下简称为站点坐标；
[0017]第二步，基于气体扩散模型和加权质心定位算法，计算加权质心定位结 果：
[0018](2.1)坐标转换，建立以风向为x轴正方向的新坐标系：
[0019]利用公式(3)对站点坐标进行坐标转换，
[0020][0021]其中θ是风向与正北方向所形成的夹角。
[0022]由此完成建立以风向为x轴正方向的新坐标系。
[0023](2.2)基于气体扩散模型计算加权质心定位算法的权值因子：
[0024]在上述(2.1)步所建立的新坐标系下，根据气体湍流扩散模型，利用公式 (4)计算加权质心定位算法的权值因子q
x
(i)和q
y
(i)，
[0025][0026]其中C(i)是第i个监测站点的监测浓度，C(l)是监测站点中的最大监测 浓度，v是风速，k是扩散参数，α和β是指定参数。
[0027]由此完成加权质心定位算法的权值因子q
x
(i)和q
y
(i)的计算。
[0028](2.3)基于加权质心定位算法计算初始定位坐标：
[0029]在上述(2.1)步所建立的新的坐标系下，根据加权质心定位算法，利用公 式(5)计算初始定位坐标x0’
和y0’
，
[0030][0031]由此完成在上述(2.1)步所建立的新坐标系的初始定位坐标(x0’
,y0’
)的计 算。
[0032](2.4)坐标转换，将新坐标系的初始定位坐标转换为原坐标系的初始定位 坐标(x0,y0)：
[0033]利用公式(6)将上述(2.3)的初始定位坐标转换回上述(1.2)步的坐标系，
[0034][0035]由此完成在上述(1.2)步的坐标系的初始定位坐标(x0,y0)的计算。
[0036]至此完成加权质心定位结果的计算，以下简称为初始定位坐标；
[0037]第三步，基于改进的差分进化搜索算法，计算精细定位结果
[0038](3.1)初始化，计算第一代群体G1：
[0039]以初始定位结果为中心，取十分之一站点坐标最大横纵坐标值为边长， 生成N个均匀分布的第一代个体x
i
(1)组成第一代群体G1。
[0040](3.2)变异，通过差分策略计算变异群体G1’
：
[0041]对上述(3.1)步计算的第一代群体G1中随机的选取两个个体，将其向量 差进行缩放后与随机选择的第三个个体求和产生变异个体，利用公式(7)计算，
[0042]v
i
(g+1)＝x
r1
(g)+F
×
(x
r2
(g)
‑
x
r3
(g))
ꢀꢀ
(7),
[0043]其中r1，r2，r3是三个互不相等的随机数，取值范围是[1,N]。F是缩放 因子，g是进化代数。在进化过程中，保证变异个体不超出站点坐标的边界。
[0044]由此完成由变异个体v
i
(1)组成的变异群体G1
’
的计算。
[0045](3.3)交叉，将个体与变异个体进行交叉操作，计算交叉群体G
1”:
[0046]对上述(3.1)步计算的第一代群体G1与上述(3.2)步计算的交叉群体G1’
进 行交叉操作，利用公式(8)计算，
[0047][0048]其中CR是交叉概率本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于高斯烟羽和质心定位的PM2.5污染源定位方法，其特征在于：包括以下步骤：S1、空气质量监测站点位置数据预处理：S101、空气质量监测站点经纬度坐标转换为笛卡尔平面坐标：使用米勒投影法利用公式(1)和公式(2)实现地球经纬度坐标转换为笛卡尔平面坐标(x，y)，x＝(W/2)+(W/2π)
×
L1×
π/180
ꢀꢀꢀꢀ
(1)，y＝(H/2)
‑
(H/2m)
×
1.25
×
ln tan(0.25π+0.4L2×
π/180)
ꢀꢀꢀꢀ
(2)，其中L1和L2分别为经度和维度，W和H分别为地球的周长和地球周长的一半，m为米勒投影常数，大约在正负2.3之间，(x，y)为笛卡尔平面坐标；由此完成对空气质量监测站点经纬度坐标到笛卡尔平面坐标的转换；S102、空气质量监测站点笛卡尔平面坐标转换：得到上述S101步的空气质量监测站点笛卡尔平面坐标，然后根据风向数据是以正北方向逆时针旋转的角度，对空气质量监测站点的笛卡尔平面坐标做变换，使x轴的正方向为正北方向；由此完成对空气质量监测站点笛卡尔平面坐标的转换；至此完成空气质量监测站点位置数据预处理，得到预处理后的空气监测站点笛卡尔平面坐标，以下简称为站点坐标；S2、基于气体扩散模型和加权质心定位算法，计算加权质心定位结果：S201、坐标转换，建立以风向为x轴正方向的新坐标系：利用公式(3)对站点坐标进行坐标转换，其中θ是风向与正北方向所形成的夹角；由此完成建立以风向为x轴正方向的新坐标系；S202、基于气体扩散模型计算加权质心定位算法的权值因子：在上述S201步所建立的新坐标系下，根据气体湍流扩散模型，利用公式(4)计算加权质心定位算法的权值因子q
x
(i)和q
y
(i)，其中C(i)是第i个监测站点的监测浓度，C(l)是监测站点中的最大监测浓度，v是风速，k是扩散参数，α和β是指定参数；由此完成加权质心定位算法的权值因子q
x
(i)和q
y
(i)的计算；S203、基于加权质心定位算法计算初始定位坐标：在上述S201步所建立的新的坐标系下，根据加权质心定位算法，利用公式(5)计算初始定位坐标x0’
和y0’
，
由此完成在上述S201步所建立的新坐标系的初始定位坐标(x0’
，y0’
)的计算；S204、坐标转换，将新坐标系的初始定位坐标转换为原坐标系的初始定位坐标(x0，y0)：利用公式(6)将上述S203的初始定位坐标转换回上述S102步的坐标系，由此完成在上述S102步的坐标系的初始定位坐标(x0，y0)的计算；至此完成加权质心定位结果的计算，以下简称为初始定位坐标；S3、基于改进的差分进化搜索算法，计算精细定位结果：S301、初始化，计算第一代群体G1：以初始定位结果为中心，取十分之一站点坐标最大横纵坐标值为边长，生成N个均匀分布的第一代个体x
i
(1)组成第一代群体G1；S302、变异，通过差分策略计算变异群体G1’
：对上述S301步计算的第一代群体G1中随机的选取两个个体，将其向量差进行缩放后与随机选择的第三个个体求和产生变异个体，利用公式(7)计算，v
i
(g+1)＝x
r1
(g)+F
×
(x
r2
(g)
‑
x
r3
(g))
ꢀꢀꢀꢀ
(7)，其中r1，r2，r3是三个互不相等的随机数，取值范围是[1，...

【专利技术属性】
技术研发人员：董永峰，贾文玉，王利琴，李佳伟，王振，
申请(专利权)人：河北工业大学，
类型：发明
国别省市：