一种量化小尺度区域内主要源排放变化特征的方法技术

本发明专利技术涉及污染源分析技术领域，尤其涉及一种量化小尺度区域内主要源排放变化特征的方法，通过将目标区域内主要排放源划分为目标源和非目标源，利用两种不同的筛选流程来确定目标源和非目标源的示踪物及指纹谱，将结果进行整合以此来建立多源指纹数据库。最后，在数据库的基础上，通过多种针对性的分析方法从多个维度量化研究区域主要污染源的排放特征，可以对区域内主要污染源的排放变化特征进行量化，从而便于对主要污染源的空间、时间变化特征进行分析、验证和溯源，为污染源的进一步监管和治理提供数据支持。管和治理提供数据支持。管和治理提供数据支持。

【技术实现步骤摘要】
一种量化小尺度区域内主要源排放变化特征的方法


[0001]本专利技术涉及污染源分析
，尤其涉及一种量化小尺度区域内主要源排放变化特征的方法。

技术介绍

[0002]挥发性有机物(VOCs)是大气臭氧及细颗粒物污染的重要前体物，VOCs监测具有目标物种多、不同物种浓度差异大、对监测方法灵敏度要求高等特点，为了对VOCs进行针对性地监管和治理，需要对不同源、不同阶段的VOCs变化特征进行分析，但现有技术中尚缺少一种能够量化小尺度区域内主要源排放变化特征的方法。

技术实现思路

[0003]有鉴于此，本专利技术的目的在于提出一种量化小尺度区域内主要源排放变化特征的方法，以解决现有技术中缺少对应方法的问题。
[0004]基于上述目的，本专利技术提供了一种量化小尺度区域内主要源排放变化特征的方法，包括以下步骤：
[0005]将目标区域内主要排放源划分为目标源和非目标源；
[0006]对于目标源的监测数据，通过数据筛选的方式得到最能代表目标源污染特征的目标源数据集；
[0007]根据变化趋势对目标源数据集进行识别，得到数据集中目标源的示踪物及指纹谱；
[0008]对非目标源的监测数据，挑选出具有明确排放源识别特征的VOCs物种数据进行相关性分析，得到非目标源的潜在排放源的示踪物及指纹谱；
[0009]将得到的目标源和非目标源的示踪物和指纹谱结果整合，建立多源指纹数据库；
[0010]利用多源指纹数据库，选用对应的分析方法量化分析区域内主要污染源的排放特征。
[0011]优选地，通过数据筛选的方式得到最能代表目标源污染特征的目标源数据集包括：
[0012]通过K
‑
means聚类将目标源的监测数据划分为预定义数量的簇，通过迭代最小化从每个成员到其簇心的欧几里得距离的平方和来完成聚类，得到多个VOCs物种簇；
[0013]根据目标源和监测点的相对位置关系，选择风向与相对位置关系最符合的若干个VOCs物种簇的数据，作为最能代表目标源污染特征的数据集。
[0014]优选地，根据变化趋势对目标源数据集进行识别，得到数据集中目标源的示踪物及指纹谱包括：
[0015]分析各VOCs物种在VOCs总浓度中的占比变化，识别出环比上升幅度或环比下降幅度差值在设定范围的VOCs物种，得到数据集中目标源的示踪物及指纹谱。
[0016]优选地，进行相关性分析，得到非目标源的潜在排放源的示踪物及指纹谱包括：
[0017]计算VOCs物种之间的皮尔逊相关系数，对彼此之间的皮尔逊相关系数高于0.5的VOCs物种进行分类，得到非目标源的潜在排放源的示踪物及指纹谱。
[0018]优选地，选用对应的分析方法量化分析区域内主要污染源的排放特征包括：
[0019]选用三元图结合得到的示踪物，对不同源排放在不同阶段内的变化特征进行量化分析。
[0020]优选地，选用对应的分析方法量化分析区域内主要污染源的排放特征包括：
[0021]利用浓度风玫瑰图，分析不同源排放在不同阶段内的空间分布变化情况。
[0022]本专利技术的有益效果：本专利技术通过将目标区域内主要排放源划分为目标源和非目标源，利用两种不同的筛选流程来确定目标源和非目标源的示踪物及指纹谱，将结果进行整合以此来建立多源指纹数据库。最后，在数据库的基础上，通过多种针对性的分析方法从多个维度量化研究区域主要污染源的排放特征，可以对区域内主要污染源的排放变化特征进行量化，从而便于对主要污染源的空间、时间变化特征进行分析、验证和溯源，为污染源的进一步监管和治理提供数据支持。
附图说明
[0023]为了更清楚地说明本专利技术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，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。
[0024]图1为本专利技术实施例的方法流程示意图；
[0025]图2为本专利技术实施例的K
‑
means聚类结果示意图；
[0026]图3为本专利技术实施例的VOCs物种各阶段浓度占比示意图；
[0027]图4为本专利技术实施例的VOCs物种各阶段浓度占比环比下降示意图；
[0028]图5为本专利技术实施例的VOCs物种相关性分析示意图；
[0029]图6为本专利技术实施例的阶段2燃烧源、化学挥发源和填埋源比值三元图；
[0030]图7为本专利技术实施例的乙炔、乙烯、乙烷比值三元图；
[0031]图8为本专利技术实施例的不同源排放的在不同阶段内的空间分布变化情况浓度风玫瑰图。
具体实施方式
[0032]为使本专利技术的目的、技术方案和优点更加清楚明白，以下结合具体实施例，对本专利技术进一步详细说明。
[0033]需要说明的是，除非另外定义，本专利技术使用的技术术语或者科学术语应当为本专利技术所属领域内具有一般技能的人士所理解的通常意义。本专利技术中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该
相对位置关系也可能相应地改变。
[0034]如图1所示，本说明书实施例提供一种量化小尺度区域内主要源排放变化特征的方法，包括以下步骤：
[0035]将目标区域内主要排放源划分为目标源和非目标源；
[0036]举例来说，可以通过前期对目标区域初步调查的方式，来划分目标源和非目标源。
[0037]对于目标源的监测数据，通过数据筛选的方式得到最能代表目标源污染特征的目标源数据集；
[0038]作为一种实施方式，可以通过K
‑
means聚类的方式，将目标源的监测数据划分为预定义数量的簇，通过迭代最小化从每个成员到其簇心的欧几里得距离的平方和来完成聚类，得到多个VOCs物种簇，如图2为阶段I的数据通过K
‑
means聚类的结果，之后根据目标源和监测点的相对位置关系，选择风向与相对位置关系最符合的若干个VOCs物种簇的数据，作为最能代表目标源污染特征的数据集，即选择风向与目标源到检测点的方向较为一致的。
[0039]根据变化趋势对目标源数据集进行识别，得到数据集中目标源的示踪物及指纹谱；
[0040]作为一种实施方式，分析各VOCs物种在VOCs总浓度中的占比变化，识别出环比上升幅度或环比下降幅度差值在设定范围的VOCs物种，得到数据集中目标源的示踪物及指纹谱，如图3示出的是各VOCs物种在不同阶段在VOCs总浓度中的占比，图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种量化小尺度区域内主要源排放变化特征的方法，其特征在于，所述方法包括以下步骤：将目标区域内主要排放源划分为目标源和非目标源；对于目标源的监测数据，通过数据筛选的方式得到最能代表目标源污染特征的目标源数据集；根据变化趋势对目标源数据集进行识别，得到数据集中目标源的示踪物及指纹谱；对非目标源的监测数据，挑选出具有明确排放源识别特征的VOCs物种数据进行相关性分析，得到非目标源的潜在排放源的示踪物及指纹谱；将得到的目标源和非目标源的示踪物和指纹谱结果整合，建立多源指纹数据库；利用多源指纹数据库，选用对应的分析方法量化分析区域内主要污染源的排放特征。2.根据权利要求1所述的量化小尺度区域内主要源排放变化特征的方法，其特征在于，所述通过数据筛选的方式得到最能代表目标源污染特征的目标源数据集包括：通过K
‑
means聚类将目标源的监测数据划分为预定义数量的簇，通过迭代最小化从每个成员到其簇心的欧几里得距离的平方和来完成聚类，得到多个VOCs物种簇；根据目标源和监测点的相对位置关系，选择风向与相对位置关系最符合的若干个VOCs物种簇的数据，作为最能代表目标源污染特征的数据集。3...

【专利技术属性】
技术研发人员：高松，葛祥，焦龙文，羊泽恺，宁珠凯，蔡云飞，
申请(专利权)人：上大合肥产业技术创新中心有限公司，
类型：发明
国别省市：