System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本公开涉及环境监测,尤其涉及一种ekma曲线图生成方法、装置、电子设备及存储介质。
技术介绍
1、近地面臭氧(简称o3)污染是重要环境问题,对人体健康和生态系统等均有显著地危害。臭氧污染精准防治是环境空气质量热点需求。
2、近地面o3主要是由挥发性有机物(简称vocs)和氮氧化物(简称nox)在光照条件下通过一系列复杂光化学反应生成的二次气态污染物。要降低o3浓度,就必须对其前体物vocs和nox开展有效控制。o3生成与其前体物之间存在复杂的非线性关系,对前体物排放的控制策略不当可能会导致臭氧浓度不降反升。因此,实现对臭氧污染的有效预防和控制,应当量化两种主要前体物在臭氧生成中的作用,明确优先控制的前体物,以制定有效的管控措施。
3、在o3污染的成因分析和管控研究中,通常采用ekma(empirical kineticsmodeling approach)曲线图来表征vocs和nox生成o3的复杂关系。通过ekma曲线图可以快速、直观地识别目标地区的o3主控前体物并确定vocs、nox的减排比例,指导制定有效的o3污染管控策略和措施。ekma曲线图通常以vocs和nox为坐标轴,o3等值曲线可以包括多条近似等高线的“l”型曲线,连接不同o3等值线的拐点可以形成一条“脊线”,在脊线上方,nox相对vocs过量,称为vocs控制区,o3防控以控制vocs排放为主;在脊线下方,vocs相对nox过量,称为nox控制区,o3防控以控制nox为主。在vocs控制区,vocs排放保持不变,减排nox,o3浓度有可能上
4、相关技术中,通常利用大气化学箱模式(box model)制作ekma曲线图。大气化学箱模式比较完整地考虑了大气中的主要光化学反应,可用于模拟光化学污染的发生、演变过程,研究臭氧的生成机制和进行敏感性分析,探讨前体物排放对光化学污染的影响。基于大气化学箱模式,扰动o3前体物vocs和nox的排放或浓度,开展大量(通常不低于200组)o3生成敏感性试验,基于该试验模拟结果即可以绘制出o3生成的ekma曲线图。
5、基于大气化学箱模式制作ekma曲线时,开展大量大气化学模拟需要耗费大量的高性能计算资源,并且在计算资源充足的条件下,制作一张ekma曲线图仍至少需要30分钟,难以满足管控决策时效性要求;vocs组分监测数据是大气化学箱模式的重要输入数据,常出现部分组分数据缺失或异常,导致大气化学箱模式模拟计算不稳定,出现运行中断或输出结果异常等问题。
技术实现思路
1、针对相关技术中ekma曲线图绘制耗时较大、运行中断或输出异常的技术问题,本公开实施例提供一种ekma曲线图生成方法、装置、电子设备及存储介质。
2、根据本公开实施例的一方面,提供了一种ekma曲线图生成方法,包括:
3、获取目标时次预设的p种vocs组分和nox组分的浓度数据,p为正整数;
4、在p种vocs组分的浓度值有部分缺失的情况下,将缺失的vocs组分的浓度值设置为缺失标识,得到基准情景的vocs组分和nox组分的浓度数据;
5、对基准情景的vocs组分和nox组分的浓度数据进行扰动,得到多个扰动情景的vocs组分和nox组分的浓度数据;
6、使用预先训练的神经网络模型,基于基准情景和多个扰动情景的vocs组分和nox组分的浓度数据,生成每个情景对应的o3浓度数据;
7、基于基准情景和多个扰动情景的vocs组分和nox组分的浓度数据以及o3浓度数据生成ekma曲线图。
8、可选地,上述神经网络模型的训练方法包括:
9、获取n个时次对应的n个浓度数据项,其中,一个浓度数据项包括一个时次的p种vocs组分和nox组分的浓度数据以及o3浓度数据;
10、从n个浓度数据项中选择m个浓度数据项,针对m个浓度数据项中每个浓度数据项:随机将p种vocs组分中的q种vocs组分的浓度值去除并设置为缺失标识,得到m个缺失浓度数据项;
11、使用大气化学箱模式模拟vocs组分浓度为0时o3与nox组分的浓度对应关系,得到l个模拟浓度数据项,其中,一个模拟浓度数据项中vocs组分浓度为0,且o3与nox组分浓度由模拟得到;
12、基于n个浓度数据项、m个缺失浓度数据项和l个模拟浓度数据项,训练神经网络模型,以使该神经网络模型基于目标时次的p种vocs组分和nox组分的浓度数据生成对应的o3浓度数据;
13、其中,l、m、n、p、q为正整数,且p>q。
14、可选地,获取n个时次对应的n个浓度数据项,包括:如果一天中预设时间段内云量小于第一预设值且风速小于第二预设值,获取该天该预设时间段内的p种vocs组分和nox组分的浓度数据以及o3浓度数据,得到至少一个时次的浓度数据项。
15、可选地,上述方法还包括:
16、对上述n个浓度数据项中的o3浓度进行离散化得到多个o3浓度范围,并统计每个o3浓度范围内浓度数据项的个数;基于每个o3浓度范围内浓度数据项的个数,确定待扩增o3浓度范围;从每个待扩增o3浓度范围中随机抽取多个浓度数据项;
17、针对抽取的每个浓度数据项:
18、对该浓度数据项的o3浓度进行s次扰动,得到s个扩增o3浓度;其中,s次扰动的扰动值符合第一正态分布,第一正态分布的均值为0、且标准差为第一预设值;以及
19、针对每个扩增o3浓度:
20、基于该扩增o3浓度对应扰动比例和每个组分的反应活性,确定对相应浓度数据项的vocs组分和nox组分中每个组分进行扰动的分布均值,其中,每个组分对应的分布均值为该扩增o3浓度对应扰动比例、该组分的浓度、该组分的反应活性三者的乘积;
21、对vocs组分和nox组分中每个组分分别进行t次扰动,得到每个组分的t个扩增组分浓度;其中,每个组分的t次扰动符合第二正态分布,所述第二正态分布的均值为该组分对应的分布均值、且标准差为第二预设值;
22、从每个组分的t个扩增组分浓度中随机抽取一个扩增组分浓度;以及
23、将该扩增o3浓度与vocs组分和nox组分中每个组分随机抽取得到的一个扩增组分浓度作为一个扩增浓度数据项;
24、将扰动得到的扩增浓度数据项作为训练所述神经网络模型的浓度数据项;
25、其中,s、t为正整数。
26、可选地,上述方法还包括:基于检出难度、臭氧生成潜势、以及不同监测仪器的共性组分,从多种vocs组分中选出p种vocs组分。
27、可选地,上述p种vocs组分包括:正己烷、甲苯、乙苯、对/间二甲苯、邻二甲苯、1,3,5-三甲基苯、1,2,4-三甲基苯、1,2,3三甲基苯、乙烷,以及乙烯;丙烷、丙烯、异丁烷、正丁烷、反式-2-丁烯、顺式-2-丁烯、异戊烷、正戊烷、异戊二烯,以及二甲基戊烷。
28、根据本公开实施例的另一方面,提供了本文档来自技高网...
【技术保护点】
1.一种EKMA曲线图生成方法,其特征在于,包括:
2.如权利要求1所述的方法,其特征在于,还包括:按照以下方法训练所述神经网络模型:
3.如权利要求2所述的方法,其特征在于,所述获取N个时次对应的N个浓度数据项,包括:
4.如权利要求2所述的方法,其特征在于,还包括:
5.如权利要求1至4任一项所述的方法,其特征在于,还包括:
6.如权利要求5所述的方法,其特征在于,所述P种VOCs组分包括:
7.一种EKMA曲线图生成装置,其特征在于,包括:
8.如权利要求7所述的装置,其特征在于,还包括:训练模块,用于:
9.如权利要求8所述的装置,其特征在于,所述训练模块获取N个时次对应的N个浓度数据项,具体包括:
10.如权利要求8所述的装置,所述训练模块还用于:
11. 一种电子设备,包括:
12.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使计算机执行根据权利要求1-6中任一项所述的方法。
【技术特征摘要】
1.一种ekma曲线图生成方法,其特征在于,包括:
2.如权利要求1所述的方法,其特征在于,还包括:按照以下方法训练所述神经网络模型:
3.如权利要求2所述的方法,其特征在于,所述获取n个时次对应的n个浓度数据项,包括:
4.如权利要求2所述的方法,其特征在于,还包括:
5.如权利要求1至4任一项所述的方法,其特征在于,还包括:
6.如权利要求5所述的方法,其特征在于,所述p种vocs组分包括:
7.一种...
【专利技术属性】
技术研发人员:陈焕盛,肖林鸿,杨文夷,王自发,王文丁,吴剑斌,魏巍,边玉山,秦东明,
申请(专利权)人:中科三清科技有限公司,
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。