一种毒害气体快速预测方法及系统技术方案

本发明专利技术公开了一种毒害气体快速预测方法，包括：基于实际工况情况构建全场景工况的CFD数据集，在整个模拟空间中密集设置采样点，在采样点处设置全量探测器，全量探测器用于对实际工况情况中的所有特征进行探测；基于构建的CFD数据集中的特征数据，采用时空注意力机制与其他深度学习模型结合，输出毒害气体的时间和空间分布浓度的预测模型；基于实际应用时现场探测器的真实数据，对该模型进行校正和标定。本发明专利技术还公开了一种毒害气体快速预测系统。本发明专利技术由于构建了全面工况的CFD数据集、引入时空注意力机制的深度学习模型、利用现场探测器的真实数据进行标定，可以做到快速、准确预测毒害气体的时空分布浓度。预测毒害气体的时空分布浓度。预测毒害气体的时空分布浓度。

【技术实现步骤摘要】
一种毒害气体快速预测方法及系统


[0001]本专利技术属于气体监测领域，尤其涉及一种毒害气体快速预测方法及系统。

技术介绍

[0002]在工业生产中产生的毒害气体，如氟化氢、氯气、甲烷、二氧化硫等，一旦泄漏，将威胁工厂及周边地区的人身安全和环境安全。目前对于毒害气体泄漏扩散规律的研究方法主要有：
[0003]1、基于各种气体扩散模型，如高斯模型、BM模型、箱模型等，这些模型的精度较差，在各种复杂气象环境条件和实际地表环境(如泄漏区域分布着各种建筑物)下的准确性不符合预期。比如高斯扩散模型是大气扩散预测中使用最广泛的模型，该模型计算简单，易于理解；近似反映了气体浓度的变化过程，但主要适用于开阔空间，受周围建筑物和风速风向的影响，高浓度区间的预测误差较大。
[0004]2、基于计算流体力学(CFD)模型：基于流体力学的基本方程——N
‑
S方程(纳维
‑
斯托克斯方程)；由于运算量巨大，为了兼顾时间效率与准确性，常使用大涡模拟，对N
‑
S方程进行过滤，只计算大尺度的湍流，对于小于过滤本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种毒害气体快速预测方法，其特征在于：所述方法包括以下步骤：步骤一：基于实际工况情况构建全场景工况的CFD数据集，在整个模拟空间中密集设置采样点，在采样点处设置全量探测器，全量探测器用于对实际工况情况中的所有特征进行探测；步骤二：基于构建的CFD数据集中的特征数据，采用时空注意力机制与其他深度学习模型结合，输出毒害气体的时间和空间分布浓度的预测模型；步骤三：基于实际应用时现场探测器的真实数据，对该模型进行校正和标定。2.根据权利要求1所述的一种毒害气体快速预测方法，其特征在于：所述步骤一中实际工况情况具体包括气体种类、气体泄漏情况、天气要素、周围建筑物位置坐标，气体泄漏情况包括气体泄漏源位置、气体泄漏速率，天气要素包括气温、湿度、气压、风速、风向、大气稳定度。3.根据权利要求1所述的一种毒害气体快速预测方法，其特征在于：所述步骤一中构建全场景工况的CFD数据集具体包括：设工况的特征数量为n个，每个特征有m
i
个典型值来反映该特征值的变化情况，则总计有种工况；在整个模拟空间中密集设置采样点，在采样点处设置全量探测器，全量探测器用于对实际工况情况中的所有特征进行探测：设模拟空间的长宽高分别是a，b，c，在长宽高3个方向上每隔Δ距离设置一个采样点，每个采样点处有d种探测器，则每种工况有个探测器，整个全面工况的CFD数据集有个探测器；设每种工况的CFD模拟平均耗时为t，则构建CFD数据集的总耗时为经过CFD模拟后，得到全场景工况下空间所有采样点处全量探测器的数据。4.根据权利要求1所述的一种毒害气体快速预测方法，其特征在于：所述步骤二中采用时空注意力机制时与LSTM模型、或GRU模型、或TCN模型相结合。5.根据权利要求1所述的一种毒害气体快速预测方法，其特征在于：所述步骤二中时空注意力机制从特征中学习权重分布，然后把该权重分布作用于原特征，改变原特征的分布，具体包括空间注意力机制和时间注意力机制，空间注意力机制用于获取空间不同坐标点的空间相关性，时间注意力机制用于获取不同时间的时间相关性。6.一种毒害气体快速预测系统，其特征在于：包括特征采集及构建模块、数据分析模块、...

【专利技术属性】
技术研发人员：冯林，汪箭，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：