【技术实现步骤摘要】
本专利技术涉及环境保护，具体为一种基于受体模型和大数据联用的环境污染溯源系统。
技术介绍
1、污染溯源对于污染管理有着十分重要的导向作用，可以帮助污染管理者更好地发现污染问题，制定更加精准的治理对策。现有的通过受体模型进行污染溯源的技术由于在使用过程中建立污染源数据需要耗费大量的人力物力。
2、但是，该方法只能判别处污染物来自某一类别的污染源，不能实现地理空间来源判别，通过使用大数据以及无人机采样、扩散模型与其结合的方式逐渐将溯源范围由某一类污染源精确到某一个具体的污染点，实现高效、快速、精准的污染溯源，而且无法快速定位各种类型污染源在城市区域内的分布以及各自对环境污染的贡献率。
技术实现思路
1、(一)解决的技术问题
2、针对现有技术的不足，提供一种基于受体模型和大数据联用的污染源溯源方法，充分利用现有的数据资源以及大数据计算能力，结合受体模型、扩散模型及无人机实地定位，不断缩小溯源范围，快速定位各种类型污染源在城市区域内的分布以及各自对环境污染的贡献率，为大气防治管理者提供精准可靠的污染源数据，为大气防治方案的制定以及应急方案的实施提供依据和方向。
3、(二)技术方案
4、为实现以上目的，本专利技术通过以下技术方案予以实现：一种基于受体模型和大数据联用的污染源溯源方法，包括以下步骤：
5、步骤一，采用互联网大数据技术可快速获取各基站监测点位、微站点、企业在线排放监测点位、气象监测点位、施工地监测点位、餐饮排放点位，空气
6、步骤二，对已获取的数据进行本地储存、筛选、管理进行不间断更新上传，并对相关数据进行标签处理。
7、步骤三，对所述步骤二储存的数据进行分类，建立污染排放源数据库，并实时更新动态。
8、步骤四，结合污染源数据库，以及空间地理信息、交通流量数据、污染监测数据区域地理空间位置进行污染区块划分。
9、步骤五，在被污染大气中设置无人机矩阵，进行无人机大气采样。
10、步骤六，采用受体模型对步骤五采集样品进行源解析确定污染来源。
11、步骤七，使用污染扩散模型结合监测数据和气象数据确定受体区域污染来源传输路径。
12、步骤八，使用无人机矩阵对污染传输路径进行采样并与污染源解析结果，污染源数据库比对，生成溯源报告完成溯源。
13、优选的，在所述步骤一中，监测站点和微站点所获取的数据为基本六项参数、气象站点数据主要包括温度、湿度、风速、风向、地面气压；企业在线监测数据和餐饮排放数据，主要包含排放污染物种类、排放流量、排放周期；工地监测数据主要包含pm10和pm2.5以及相对湿度。
14、优选的，在所述步骤二中，所进行标签处理的数据主要为各污染监测站点、企业排放监测数据、工地监测数据、餐饮排放数据、气象数据、交通流量数据主要用于数据的分类。
15、优选的，在所述步骤三中，各个标记数据按照采集时间、地理信息、环境信息、污染因子监测信息、采集过程信息、交通流量信息进行分类，并进行交叉生成污染源排放数据库。
16、污染排放数据库数据包含污染源具体地理位置、排放流量、排放污染物主要物质种类，并对污染排放数据按照污染排放时间序列统计分析。
17、优选的，在所述步骤四中，使用w一种基于受体模型和大数据联用的环境污染溯源系统f模型计算各个监测数据的亲和度，再使用k-me一种基于受体模型和大数据联用的环境污染溯源系统ns聚类法进行大气污染区域划分。
18、k-me一种基于受体模型和大数据联用的环境污染溯源系统ns聚类法主要算法流程：
19、随机选择c个类别初始中心或根据实际场景规定c个初始中心；在第i次迭代中分别计算任意一个样本点到c个类别中心的距离，这样可以得到该样本在本次迭代中的分类结果：与其自身距离最短的中心所在的类，更新对应类的中心值，方法包括求取类内均值等；
20、对于所有的c个类别中心，如果根据步骤二、3的方式进行更新后，类别中心仍保持不变，则本次聚类结束，否则不断重复步骤前两步，直至聚类中心值收敛。
21、优选的，在所述步骤五中，优选的，在所述步骤五中，无人机搭载sds021粉尘传感器以及singo一种基于受体模型和大数据联用的环境污染溯源系统n模组作为监测模块，使用gt-u7gps模块和小型bmp180气压传感器作为精准定位模块；通过不同高度形成无人机矩阵，按照高度划分对同一区域受体大气进行多次样品采集。
22、优选的，在所述步骤六中，通过nkcmb1.0受体模型软件进行污染物的分析，计算各污染物的浓度以及贡献率，进行技术诊断。
23、cmb受体模型计算方法如下：
24、
25、其中：c为受体大气颗粒物的总质量浓度，单位为μg/㎡；sj为j类源贡献的质量浓度，单位为μg/㎡；j为源类的数目，j＝1，2，…，j。
26、如果受体颗粒物的化学组分i的浓度为ci，那么计算方法为：
27、
28、其中：ci为受体大气颗粒物中化学组分i的浓度测量值，单位为μg/㎡；fij为第j类源的颗粒物中化学组分i的浓度测量值，单位为g/g；sj为第j类源的浓度计算值；i为化学组分的数目。只有当i≧j时，上述方有解，源类j的贡献率为：
29、ηi＝si/c×100％
30、优选的，在所述步骤七中，采用hysplit-4后向轨迹模型分析污染物后向轨迹，计算空气气团轨迹、模拟气团扩散沉降过程，处理不同污染物排放源的输送情况，结合气象条件计算模拟多种物理过程。使用meteoinfo进行聚类分析，分析气流轨迹来源以及来源传输远近距离，并对不同高度的后向轨迹进行聚类得到分析结果。采用大数据深度学习的方式对于所生成的污染物传输轨迹周期进行模型生成，对不同气象条件下，不同季节下的污染传输路径进行积累生成特征模型。
31、优选的，在所述步骤八中，控制无人机进行污染传输路径溯源主要使用爬山算法进行污染溯源。溯源报告主要以污染热力图，污染扩散动态图的形式，做溯源解释。
32、爬山算法主要原理：模拟爬山过程随机选取污染路径上的某个空间位置作为登山起点；每次将探测范围内的相邻点与当前点进行比较，取两者中较优者作为登山下一步，确保每一步向着更优方向移动；重复上述步骤直至该点周围不再有比其更加大的点。
33、本专利技术的有益效果是：充分利用大数据技术快速建立污染源数据库，结合受体模型、hysplit-4后向轨迹模型、无人机采样溯源，以污染受体大气为溯源出发点由面到线再到点不断缩小溯源范围达到精准溯源的目的。建设环境污染监管系统，辅助监管层在环境污染发生后快速对污染企业、污染餐饮店、污染工地及时进行管控，有效防控污染影响的持续扩大。提高环保部门对突发环境污染事件的综合能力，为环保部门进行环境污染管控做科学依据，提供环境本文档来自技高网...
【技术保护点】
1.一种基于受体模型和大数据联用的污染源溯源方法其特征在于：包含以下步骤：
2.根据权利要求1所述一种基于受体模型和大数据联用的污染源溯源方法其特征在于：在所述步骤一中包括信息采集中心采用互联网大数据的方式快速获取数据，采集数据包括：基站监测数据、微站点数据、气象站点数据、企业在线监测数据、施工地监测信息、餐饮排放监测数据。
3.根据权利要求1所述一种基于受体模型和大数据联用的污染源溯源方法其特征在于，在所述步骤二中：信息存储方式包括由储存设备将气象监测仪和污染物监测仪监测到的图文数据进行存储后并实时导入信息标记设备，给不同类别数据进行标记，其中标签数据包括：监测因子、浓度、风速、温度、湿度、气压、采集时间、入库时间、设备编号、地理信息、交通流量。
4.根据权利要求1所述一种基于受体模型和大数据联用的污染源溯源方法其特征在于，在所述步骤三中对各个标记数据包括时间数据、地理信息、环境信息、污染因子监测信息、采集过程信息，进而生成污染源排放数据库。
5.根据权利要求1所述一种基于受体模型和大数据联用的污染源溯源方法其特征在于，在所述步骤
6.根据权利要求1所述一种基于受体模型和大数据联用的污染源溯源方法其特征在于，在所述步骤中5中无人机包括粉尘采集模块、精准定位模块，空气吸入装置以及多个空气质量传感器。
7.根据权利要求1所述一种基于受体模型和大数据联用的污染源溯源方法其特征在于，在所述步骤六中对采集样品源解析包括以下步骤：
8.根据权利要求1所述一种基于受体模型和大数据联用的污染源溯源方法其特征在于；在所述步骤七中，污染扩散路径的生成包括以下步骤：
9.根据权利要求1所述一种基于受体模型和大数据联用的污染源溯源方法其特征在于；在所述步骤八中，无人机溯源及溯源报告的生成包括以下步骤：
...【技术特征摘要】
1.一种基于受体模型和大数据联用的污染源溯源方法其特征在于：包含以下步骤：
2.根据权利要求1所述一种基于受体模型和大数据联用的污染源溯源方法其特征在于：在所述步骤一中包括信息采集中心采用互联网大数据的方式快速获取数据，采集数据包括：基站监测数据、微站点数据、气象站点数据、企业在线监测数据、施工地监测信息、餐饮排放监测数据。
3.根据权利要求1所述一种基于受体模型和大数据联用的污染源溯源方法其特征在于，在所述步骤二中：信息存储方式包括由储存设备将气象监测仪和污染物监测仪监测到的图文数据进行存储后并实时导入信息标记设备，给不同类别数据进行标记，其中标签数据包括：监测因子、浓度、风速、温度、湿度、气压、采集时间、入库时间、设备编号、地理信息、交通流量。
4.根据权利要求1所述一种基于受体模型和大数据联用的污染源溯源方法其特征在于，在所述步骤三中对各个标记数据包括时间数据、地理信...
【专利技术属性】
技术研发人员：许益超，邵振华，邓秀琼，李支静，
申请(专利权)人：碧空环境科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。