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】
本专利技术涉及计算机,尤其涉及一种点源排放预测方法、装置、存储介质及电子设备。
技术介绍
1、目前,点源排放预测已被广泛关注,所谓的点源排放预测可以指的是反演点源(即排放点)在单位时长内的污染排放量(即排放速率),如一个小时内的排放量等。但相关技术通常通过拉格朗日随机模型(lagrangian stochastic model,lsm)进行粒子扩散模拟,以计算模拟浓度,导致计算量较大、耗时较长,难以满足实时反演需求。基于此,如何便捷地进行点源排放预测,以提高点源排放预测效率目前尚未具有较好的解决方案。
技术实现思路
1、有鉴于此,本专利技术实施例提供了一种点源排放预测方法、装置、存储介质及电子设备,以解决相关技术计算量较大、耗时较长,难以满足实时反演需求等问题;也就是说,本专利技术实施例可便捷地进行点源排放预测,并提高点源排放预测效率。
2、根据本专利技术的一方面,提供了一种点源排放预测方法,所述方法包括:
3、获取目标排放污染关系模型,以及获取污染物浓度预测数据集和目标污染物在目标点源下的排放速率集合,所述目标排放污染关系模型用于指示污染物浓度与排放速率之间的关系,且所述污染物浓度预测数据集包括:m个观测点中各个观测点在目标时间范围中的各个观测时段内的气象观测数据,m为正整数;
4、基于所述污染物浓度预测数据集,确定预测迭代数据集,所述预测迭代数据集包括:所述各个观测点在h个迭代时段中各个迭代时段内的预测迭代数据,一个预测迭代数据包括相应观测点
5、基于所述目标排放污染关系模型、所述预测迭代数据集以及所述排放速率集合,确定所述排放速率集合中各个排放速率的目标预测概率;
6、基于所述各个排放速率的目标预测概率,确定目标排放速率,并将所述目标排放速率作为所述目标污染物在所述目标点源及所述目标时间范围下的排放速率。
7、根据本专利技术的另一方面,提供了一种点源排放预测装置,所述装置包括:
8、获取单元,用于获取目标排放污染关系模型,以及获取污染物浓度预测数据集和目标污染物在目标点源下的排放速率集合,所述目标排放污染关系模型用于指示污染物浓度与排放速率之间的关系,且所述污染物浓度预测数据集包括:m个观测点中各个观测点在目标时间范围中的各个观测时段内的气象观测数据,m为正整数;
9、处理单元,用于基于所述污染物浓度预测数据集,确定预测迭代数据集,所述预测迭代数据集包括:所述各个观测点在h个迭代时段中各个迭代时段内的预测迭代数据,一个预测迭代数据包括相应观测点在相应迭代时段中各个观测时段内的气象观测数据,h为正整数;
10、所述处理单元,还用于基于所述目标排放污染关系模型、所述预测迭代数据集以及所述排放速率集合,确定所述排放速率集合中各个排放速率的目标预测概率;
11、所述处理单元,还用于基于所述各个排放速率的目标预测概率,确定目标排放速率,并将所述目标排放速率作为所述目标污染物在所述目标点源及所述目标时间范围下的排放速率。
12、根据本专利技术的另一方面,提供了一种电子设备,所述电子设备包括处理器、以及存储程序的存储器,其中,所述程序包括指令,所述指令在由所述处理器执行时使所述处理器执行上述所提及的方法。
13、根据本专利技术的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使计算机执行上述所提及的方法。
14、本专利技术实施例可在获取到目标排放污染关系模型,以及获取到污染物浓度预测数据集和目标污染物在目标点源下的排放速率集合后,基于污染物浓度预测数据集,确定预测迭代数据集,目标排放污染关系模型用于指示污染物浓度与排放速率之间的关系,且污染物浓度预测数据集包括:m个观测点中各个观测点在目标时间范围中的各个观测时段内的气象观测数据,预测迭代数据集包括:各个观测点在h个迭代时段中各个迭代时段内的预测迭代数据,一个预测迭代数据包括相应观测点在相应迭代时段中各个观测时段内的气象观测数据。然后,可基于目标排放污染关系模型、预测迭代数据集以及排放速率集合,确定排放速率集合中各个排放速率的目标预测概率;进一步的,可基于各个排放速率的目标预测概率,确定目标排放速率,并将目标排放速率作为目标污染物在目标点源及目标时间范围下的排放速率。可见,本专利技术实施例可通过目标排放污染关系模型,便捷地进行点源排放预测,从而有效提高点源排放预测效率。
本文档来自技高网...【技术保护点】
1.一种点源排放预测方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述获取目标排放污染关系模型,包括:
3.根据权利要求2所述的方法,其特征在于,一个训练数据对中的训练输入特征数据包括相应观测点的风速值和位置信息,一个观测点的位置信息包括相应观测点相对于相应点源的横坐标值和纵坐标值,所述对所述初始训练数据对集合进行过滤,得到目标训练数据对集合,包括:
4.根据权利要求2所述的方法,其特征在于,所述采用所述目标训练数据对集合,对初始排放污染关系模型进行模型训练,得到目标排放污染关系模型,包括:
5.根据权利要求1-4任一项所述的方法,其特征在于,一个气象观测数据包括相应观测点在相应观测时段内的风向和风速值;所述基于所述目标排放污染关系模型、所述预测迭代数据集以及所述排放速率集合,确定所述排放速率集合中各个排放速率的目标预测概率,包括:
6.根据权利要求5所述的方法,其特征在于,所述基于所述多个主导风速值和所述主导风向,确定待整合输入特征数据,包括:
7.根据权利要求5所述的方法,其特征在于
8.根据权利要求1-4任一项所述的方法,其特征在于,所述基于所述各个排放速率的目标预测概率,确定目标排放速率,包括:
9.一种点源排放预测装置,其特征在于,所述装置包括:
10. 一种电子设备,其特征在于,包括:
11.一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1-8中任一项所述的方法。
...【技术特征摘要】
1.一种点源排放预测方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述获取目标排放污染关系模型,包括:
3.根据权利要求2所述的方法,其特征在于,一个训练数据对中的训练输入特征数据包括相应观测点的风速值和位置信息,一个观测点的位置信息包括相应观测点相对于相应点源的横坐标值和纵坐标值,所述对所述初始训练数据对集合进行过滤,得到目标训练数据对集合,包括:
4.根据权利要求2所述的方法,其特征在于,所述采用所述目标训练数据对集合,对初始排放污染关系模型进行模型训练,得到目标排放污染关系模型,包括:
5.根据权利要求1-4任一项所述的方法,其特征在于,一个气象观测数据包括相应观测点在相应观测时段内的风向和风速值;所述基于所述目标排放污染关系模型、所述预测迭代数据集以及所述排放速率...
【专利技术属性】
技术研发人员:段玉森,肖林鸿,赵月,陈焕盛,蔡云飞,车祥,吴剑斌,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。