【技术实现步骤摘要】
本专利技术涉及大气污染物溯源，尤其是一种多模型融合的高精度道边移动源排放在线监测方法。
技术介绍
1、空气污染和气候变化对人类健康和环境构成重大威胁，引起了全世界的关注。为了最大限度地发挥控制污染物排放的效益，必须协调空气污染物的控制措施，从根本源头上来进行管控效果最佳。对于道边大气污染源的解析、街道峡谷污染物扩散等方面，国内外很少开展专项研究。主要原因是现有固定站点受布点密度和性能影响，无法监测道边小范围内的污染变化规律，进而实现精准治污管控，因此亟需研发可精确溯源和预警管理的移动源道边大气污染物在线监管技术体系。
2、目前，我国往往用固定站点来测得数据，但很难做到高密度布点。基于固定站点位置的布置问题也存在一些不足，在街谷区域中通常只布置一个站点，获取的数据量较少，并且无法测得污染物在整个空间的分布数据，同时数据误差存在质疑、溯源困难等问题。对于全区域非均匀网格的方式布置站点，无法精准获取道边小区域环境内污染物的平面和立体分布状况。固定站点获取的数据也可以用来进行源解析，只是固定站点布置不密集，测不到全区域的污染物浓度的分布，而且测得的数据量太少，会使得解析结果不准确。
3、大气污染物源解析工作已成为我国各地开展大气污染防治的核心内容之一，并且将在环境监测部门逐渐实现业务化。大气污染物源解析研究方法主要包括源排放清单法、扩散模型法和受体模型法。其中，源排放清单法需要建立排放源的清单，实地探测污染源统计调查需要耗费大量资源，由于源资料的缺乏以及排放因子存在不确定性，该方法往往实现起来比较困难；受体模型法
技术实现思路
1、为解决现有监测方法解析时间过长、运行效率低、解析结果准确性低的问题，本专利技术的目的在于提供一种通过构建三维立体网格，实现污染物的平面和立体分布状况，并且通过混合模型减小了溯源结果误差，得出综合贡献比，识别移动源排放，得到三维污染物浓度分布图，达到对移动源排放实现精准管控的多模型融合的高精度道边移动源排放在线监测方法。
2、为实现上述目的，本专利技术采用了以下技术方案：一种多模型融合的高精度道边移动源排放在线监测方法，该方法包括下列顺序的步骤：
3、(1)根据待研究峡谷区域构建三维立体网格，结合峡谷实际情况，在道路上空运用无人机实时走航，结合无人机测得的遥测数据和微型空气质量监测站监测到的数据，获取道边小区域环境内的污染物的平面和立体分布状况数据；
4、(2)根据步骤(1)得到的污染物的平面和立体分布状况数据，以及基于梯度投影算法的解析模型，计算求得因子谱，通过因子谱内不同因子的特征组分和比例确定对应的污染源，以及污染源对污染物的贡献比即第一贡献比；
5、(3)将步骤(1)得到的污染物的平面和立体分布状况数据导入主成分-绝对主成分-多元线性回归模型中，所述主成分-绝对主成分-多元线性回归模型由主成分分析法和绝对主成分-多元线性回归分析模型组成，通过主成分分析法识别污染源，再通过绝对主成分-多元线性回归分析模型得到污染源对污染物的贡献比即第二贡献比；
6、(4)调整第一贡献比和第二贡献比，将基于梯度投影算法的解析模型和主成分-绝对主成分-多元线性回归模型中各类源所占的权重进行加权平均，得到各类源的综合贡献比，所述各类源包括固定源和移动源；
7、(5)考虑峡谷两侧建筑物高度的影响，通过实验对不同峡谷两侧建筑物的平均高度、实测数据、模拟数据进行拟合，得出和建筑物高度相关的高斯扩散模型；再通过空气质量模型评估方法评估高斯扩散模型的合理性，得到适用于街道峡谷的高斯扩散模型；
8、(6)通过各类源的综合贡献比得到各类移动源的综合贡献比，将各类移动源的综合贡献比和各微型空气质量监测站监测得到的污染物的浓度，再结合适用于街道峡谷的高斯扩散模型，得到各类移动源的源强；将气象数据和各类移动源的源强导入适用于街道峡谷的高斯扩散模型中，生成三维污染物浓度分布图；将移动源的综合贡献比以图表的形式绘制，并与污染物浓度分布图同时在云平台中显示。
9、在步骤(1)中，所述构建三维立体网格具体是指：在峡谷中以路宽为边长构建多个正方体单元网格，在左上角第一个建筑物下方且位于道路旁边的位置处a点布置一个微型空气质量监测站，在a点的路对面的位置处b点布置微型空气质量监测站，在b点的旁边e点布置微型空气质量监测站；a点和b点之间的间距等于b点和e点之间的间距，且均等于路宽；b点和e点位于路的同一侧，b点和e点均位于建筑物下方且均位于道路旁边的位置处，以b点到a点的长度为长，以b点到e点的长度为宽，以b点到c点的长度为高，围成一个正方体，在正方体的各个顶点上放置微型空气质量监测站，依次类推，构建三维立体网格。
10、在步骤(2)中，所述基于梯度投影算法的解析模型为：
11、
12、
13、
14、
15、式中，xij为原始矩阵，原始矩阵是由无人机测得的遥测数据和微型空气质量监测站监测到的数据组成的矩阵；g为因子贡献矩阵，f为因子谱矩阵，e为残差矩阵，gik为污染源k对第i个样本的贡献，fkj为污染源k中第j个污染物的浓度，eij为第i个样本中第j个污染物浓度的残差，uij为第i个样本中第j个污染物浓度的不确定度，q为目标函数，t为投影矩阵,a为迭代步长，n为样本数量，m为污染物种类个数，p为污染源数量。
16、在步骤(3)中，所述主成分-绝对主成分-多元线性回归模型为：
17、apcskj＝(az)kj-(a0)j (5)
18、
19、
20、式中，apcskj为绝对主成分得分值，(az)kj为主成分得分值，(a0)j为0值条件下主成分得分值，cj为第j个污染物的总浓度，bj为多元线性回归所得的常数项，为污染物j的所有样本绝对主成分因子得分均值，pckj为污染源k对第j个污染物的贡献比。
21、在步骤(4)中，所述各类源的综合贡献比为：
22、
23、式中，mkj为污染物j对应的污染源k所占的综合贡献比，w1k为基于梯度投影算法的解析模型中污染源k所占的权重，w2k为主成分-绝对主成分-多元线性回归模型中污染源k所占的权重，s1kj为污染物j对应的污染源k所占的第一贡献比，s2kj为污染物j对应的污染源k所占的第二贡献比。
24、在步骤(5)中，所述高斯扩散模型为：
25、
26、式中，c(x,y,z)为空间点任意位置处污染物的浓度，σ本文档来自技高网...
【技术保护点】
1.一种多模型融合的高精度道边移动源排放在线监测方法，其特征在于：该方法包括下列顺序的步骤：
2.根据权利要求1所述的多模型融合的高精度道边移动源排放在线监测方法，其特征在于：在步骤(1)中，所述构建三维立体网格具体是指：在峡谷中以路宽为边长构建多个正方体单元网格，在左上角第一个建筑物下方且位于道路旁边的位置处A点布置一个微型空气质量监测站，在A点的路对面的位置处B点布置微型空气质量监测站，在B点的旁边E点布置微型空气质量监测站；A点和B点之间的间距等于B点和E点之间的间距，且均等于路宽；B点和E点位于路的同一侧，B点和E点均位于建筑物下方且均位于道路旁边的位置处，以B点到A点的长度为长，以B点到E点的长度为宽，以B点到C点的长度为高，围成一个正方体，在正方体的各个顶点上放置微型空气质量监测站，依次类推，构建三维立体网格。
3.根据权利要求1所述的多模型融合的高精度道边移动源排放在线监测方法，其特征在于：在步骤(2)中，所述基于梯度投影算法的解析模型为：
4.根据权利要求1所述的多模型融合的高精度道边移动源排放在线监测方法，其特征在于：在步骤(
5.根据权利要求1所述的多模型融合的高精度道边移动源排放在线监测方法，其特征在于：在步骤(4)中，所述各类源的综合贡献比为：
6.根据权利要求1所述的多模型融合的高精度道边移动源排放在线监测方法，其特征在于：在步骤(5)中，所述高斯扩散模型为：
7.根据权利要求1所述的多模型融合的高精度道边移动源排放在线监测方法，其特征在于：所述步骤(6)具体是指：在待研究峡谷区域中进行单元网格的划分，每个单元网格划分为10m×10m×1m的长方体，并以道路中心点为坐标原点建立适用于街道峡谷的高斯扩散模型，通过混合模型求出综合贡献比，得到各类移动源的综合贡献比，所述混合模型由基于梯度投影算法的解析模型和主成分-绝对主成分-多元线性回归模型组成；通过各微型空气质量监测站获得一段时间内的各种污染物平均浓度结合移动源的综合贡献比Mvj，计算各类移动源对各微型空气质量监测站中各类污染物的平均贡献浓度
...【技术特征摘要】
1.一种多模型融合的高精度道边移动源排放在线监测方法，其特征在于：该方法包括下列顺序的步骤：
2.根据权利要求1所述的多模型融合的高精度道边移动源排放在线监测方法，其特征在于：在步骤(1)中，所述构建三维立体网格具体是指：在峡谷中以路宽为边长构建多个正方体单元网格，在左上角第一个建筑物下方且位于道路旁边的位置处a点布置一个微型空气质量监测站，在a点的路对面的位置处b点布置微型空气质量监测站，在b点的旁边e点布置微型空气质量监测站；a点和b点之间的间距等于b点和e点之间的间距，且均等于路宽；b点和e点位于路的同一侧，b点和e点均位于建筑物下方且均位于道路旁边的位置处，以b点到a点的长度为长，以b点到e点的长度为宽，以b点到c点的长度为高，围成一个正方体，在正方体的各个顶点上放置微型空气质量监测站，依次类推，构建三维立体网格。
3.根据权利要求1所述的多模型融合的高精度道边移动源排放在线监测方法，其特征在于：在步骤(2)中，所述基于梯度投影算法的解析模型为：
4.根据权利要求1所述的多模型融...
【专利技术属性】
技术研发人员：王秀娟，朱亚光，王浩，王焕钦，
申请(专利权)人：合肥工业大学，
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。