一种针对未知泄漏源位置的气体浓度预测方法技术

本发明专利技术公开了一种针对未知泄漏源位置的气体浓度预测方法

【技术实现步骤摘要】
一种针对未知泄漏源位置的气体浓度预测方法


[0001]本专利技术属于深度学习领域，具体涉及一种针对未知泄漏源位置的气体浓度预测方法
。

技术介绍

[0002]随着工业规模的扩大，越来越多化学园区的建立，工业气体的储存变得更加重要
。
但由于工厂数量增加和安全意识不足，化学泄漏事件频繁发生，一些毒性剧烈的化学气体可在短时间内致人死亡
。
易燃易爆气体还可能引发爆炸或者火灾等安全事故，进而产生大量的有害气体，造成空气污染
。
[0003]预测是一项常见的数据科学任务，可以帮助组织进行能力规划
、
目标设置和异常检测
。
对于化学园区内泄漏的污染物气体，进行准确的浓度预测有助于应急人员有所侧重的开展防护措施，以最大限度地减小人员伤亡和财产损失
。
传统的气体扩散预测模型有
AFTOX
模型和
SLAB
模型等，二者是我国环境风险评价导则
HJ 169—2018《
建设项目环境风险评价技术导则
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种针对未知泄漏源位置的气体浓度预测方法，其特征在于，包括如下步骤：步骤
(1)
在化工园区不同位置部署多个浓度监测点，记录各个浓度监测点的空间相对位置；在发生气体泄露时，各个监测点分别记录当前位置的气体浓度，获取多个浓度时序，用于后续的浓度预测；步骤
(2)
依据各个浓度站点间的空间相对位置及当前场景下的风速和风向，构建后续模型所用到的反映监测点浓度扩散难易程度的邻接矩阵，利用当前场景下的风速和风向对两两浓度监测点的实际距离进行修正，以获得拓扑距离保存在邻接矩阵中，使得邻接矩阵包含相对位置
、
风速与风向与信息；步骤
(3)
通过获取的浓度时序和构建的邻接矩阵，对气体浓度预测模型进行训练；步骤
(4)
根据训练好的气体浓度预测模型，得到所有未来时刻各个浓度监测点的浓度预测值
Y
，绘制各个浓度监测点的未来浓度变化曲线图
。2.
根据权利要求1所述的一种针对未知泄漏源位置的气体浓度预测方法，其特征在于，步骤
(3)
具体方法如下所述的气体浓度预测模型采用
T
‑
GCN
模型，对
T
‑
GCN
的训练过程进行改进，初始训练过程中存在预测浓度不准确的情况，如果把这些不准确的预测浓度加入的下一次的预测当中，会导致预测误差增大；因此将训练样本分为前后两段对
T
‑
GCN
模型进行训练，前一段训练中不进行邻接矩阵的浓度修正，在后一段训练中，每轮的训练都使用前一轮浓度预测结果来修正当前的邻接矩阵，使其包含信息有风速
、
相对位置和最新的浓度信息；将此邻接矩阵经过
T
‑
GCN
中图卷积模块
GCN
和预测模块
GRU
后，获得更加准确
、
有效的浓度预测值
。3.
根据权利要求1所述的一种针对未知泄漏源位置的气体浓度预测方法，其特征在于，所述步骤
(2)
中邻接矩阵反映了两两浓度监测点空间上的关系，对于两个监测点来说，其距离越大，则在邻接矩阵上所对应的值越小；气体顺风向扩散，故对于上风向的浓度监测点
P
和下风向的浓度监测点
Q
来说，
P
的气体更容易到达
Q
，而
Q
点的气体不容易到达
P
；因此
P
到
B
的拓扑距离小于
Q
到
P
的拓扑距离，转化到邻接矩阵上后
P
到
Q
对应的值大于
Q
到
P
对应的值，也即
P
点的气体向
Q
的扩散的能力大于
Q
点的气体向
P
点扩散的能力
。4.
根据权利要求3所述的一种针对未知泄漏源位置的气体浓度预测方法，其特征在于，所述邻接矩阵中第
P
行第
Q
列对应的值即
P
到
Q
的边属性值，所述的邻接矩阵用如下公式表达：其中，
e
PQ
指的是
P
到
Q
的拓扑距离
D
PQ
经过转化后的特征值，
e
PQ
∈[0,1]
，其值越大反映
P
点处的气体越容易扩散到
Q
，
PQ
相等时这个值为1，即认为某监测点的气体到达监测点自身的能力是最大的，其能力值为1；
range
P
表示以浓度监测点
P
为起点，沿风向移动
v
，
v
为当前风速；以移动后的点为中心，
R
为半径设置的圆的范围即为
range
P
，其中，
R
取
20
倍风速；在
range
P
范围内的所有浓度监测点都是<...

【专利技术属性】
技术研发人员：刘鹏，潘智乐，周奕，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：