【技術實現步驟摘要】
本專利技術屬于測量數據處理，尤其涉及一種基于園區大氣濃度監測的大氣污染物微尺度溯源方法。
技術介紹
1、工業園區空間范圍內的強排放源對周邊區域環境空氣質量和人居健康產生重要影響，許多相關大氣污染治理管控工作都要以污染源溯源為前提。
2、現有通用的大氣污染物溯源方法主要包括：
3、污染源解析模型：利用污染物濃度分布和變化趨勢，結合地理信息系統（gis）數據，推斷處污染源的位置和可能的來源。這種方法依賴于對監測數據的熟讀分析和模式識別。
4、同位素示蹤技術：利用穩定同位素或放射性同位素的分布特征，追蹤污染物在大氣中的運移和來源，從而確定污染源的位置和性質。
5、氣象和數學模型溯源：通過氣象觀測和臺站等監測手段，結合氣象模型對污染物在規定區域內的傳輸、轉化和積累進行模擬，為溯源研究提供物理模型基礎。利用統計方法對大氣污染物的時空分布進行建模和分析，通過相關性分析和回歸分析等方法，識別可能的污染源位置和特征。
6、產物方法溯源：通過對氣溶膠顆粒和nox等大氣污染物的物化特征和形成過程進行分析來確定污染源的類型和污染物的濃度，同時采用各種技術手段對污染物的物質特征和同位素等基本參數進行檢測和分析，但污染物在大氣中的各類反應均較為復雜。可見，現有溯源方法均存在一定的局限性。
7、cn116258101a中提出一種基于氣體濃度監測數據快速計算排放源強的方法，通過重新定位風場測站點的位置數據，獲取風場數據進行風場同化，獲取濃度數據，并結合風場同化結果進行濃度場同化，基于訂正
技術實現思路
1、為解決現有技術中存在的不足，本專利技術的目的在于，提供一種基于園區大氣濃度監測的大氣污染物微尺度溯源方法。
2、為實現本專利技術的目的，本專利技術所采用的技術方案是：
3、一種基于園區大氣濃度監測的大氣污染物微尺度溯源方法，包括步驟：
4、步驟一，對大氣污染物濃度監測數據進行時間維度的統計標準化，采用異常區域數據訂正算法進行數據篩選，篩選異常高值區域，并標記為“可能區域”；
5、步驟二，以局部異常高值區域和污染物濃度均值的標準差為判據，判別特定風向下可能的強排放源所在位置的概率密度空間分布樣本；
6、步驟三，對不同風向背景下的數據樣本進行去趨勢化處理，去除由于區域風向頻率的概率分布而引發的排放源位置的概率密度偏歧；
7、步驟四，對去趨勢化之后的所有概率密度空間分布樣本進行概率求和，以濃度為權重函數，得到針對多風向情景的總體的園區近地面排放強度的概率密度分布空間函數；
8、步驟五，將將網格化的疊加概率密度空間分布概率圖投影映射到企業地圖上，結合企業運作和工藝實際情況，定位排放源的位置。
9、進一步地，步驟一，對大氣污染物濃度監測數據進行時間維度的統計標準化，具體為，
10、將數據減去均值并除以標準差，從而使得數據分布近似為標準正態分布，其定義為：
11、
12、其中，為污染物濃度均值的標準差，為任意變量，為變量均值。
13、進一步地，步驟一，采用異常區域數據訂正算法進行數據篩選，具體為，
14、其中，為在第j個時刻，第i個空間格點處經過標準化統計分析后的監測數據；c是未經上述處理的生數據矩陣，detc是對c矩陣進行向量行列式運算的結果，其意義在于求得c矩陣的模長，用來作為整個算式的歸一化判據；k為進行時間維數據標準化的變量腳標，其范圍為1到m，m是進行時間維數據標準化的窗口寬度，其值大于1且小于數據時間序列總長度的1/2；是對于第j時刻以及第k個數據標準化時間窗口內的質控閾值函數，其取值為1或者0，當以k為窗口寬度時，所涉及的任意第j時刻和第i個空間格點處的和為正交關系時，；
15、是生數據在第j個時刻處的值以k窗口進行時間維同化時得到的訂正矩陣，?是生數據在第i個空間格點處的值以k窗口進行空間維同化時得到的訂正矩陣，是第j個時刻，第i個空間格點處的生數據值。
16、進一步地，步驟二，具體實現為，獲得任一背景風向的時段內的區域近地面濃度的站點空間分布數據，將污染物濃度均值的標準差作為置信判據，以歸一化后的濃度分布作為強排放源區域的概率密度空間分布樣本，將極值區域判別為概率較高的排放源位置強相關區域。
17、進一步地，步驟三，去趨勢化具體實現為，從園區長時間序列濃度監測數據中挑選出不同主導風向情景時段，對各時段的濃度數據樣本進行歸一化，去除由于區域主導風向的分布譜而引發的概率密度偏歧。
18、進一步地，步驟四，總體的園區近地面排放強度的概率密度分布空間函數，具體計算為，
19、計算風頻分布概率密度：
20、
21、其中，?是經過篩選之后的數據的局域變頻平均值；是抽樣樣本在所在時空局域的標準差；n為樣本容量大小，用于表達置信水平；z*是以z-score方式定義的標準分數；
22、計算各風向場格點的高排放區概率：
23、
24、其中，表示在任一空間x,y點處，在第j個風向下的風頻分布概率密度；為該點的當時污染物濃度，作為加和權重函數；
25、將每個網格的概率疊加并構建其總體的概率密度空間分布函數：
26、
27、其中，為最終場的高排放區概率，?為風向頻率分布函數，定義為特定風向的陣風次數與測量全時段內陣風總次數；?為風向類別總數；??為各風向場格點的高排放區概率。
28、本專利技術的有益效果在于，與現有技術相比，本專利技術所通過對大氣污染物濃度數據進行多維度分析和處理，利用概率密度分布求和等方法，能夠更加準確的識別和定位強排放源的位置，從而減少了干擾提高溯源的準確性。對不同氣象情景下的污染物數據進行歸一化處理，去除由于區域主導風向的分布譜而引發的概率密度偏歧，可以更加全面的評估排放源的影響范圍，提高了溯源結果的可信度。通過標準化處理和概率分析的組合，可以構建工業園區內部強排放源的分布概率圖，這一方法在強排放源的定位和分析方面具有很大的潛力，為環境保護提供了一種新的、有效的工具。
本文檔來自技高網...【技術保護點】
1.一種基于園區大氣濃度監測的大氣污染物微尺度溯源方法，其特征在于，包括步驟：
2.根據權利要求1所述的基于園區大氣濃度監測的大氣污染物微尺度溯源方法，其特征在于，步驟一，對大氣污染物濃度監測數據進行時間維度的統計標準化，具體為，
3.根據權利要求1所述的基于園區大氣濃度監測的大氣污染物微尺度溯源方法，其特征在于，步驟一，采用異常區域數據訂正算法進行數據篩選，具體為，
4.根據權利要求1所述的基于園區大氣濃度監測的大氣污染物微尺度溯源方法，其特征在于，步驟二，具體實現為，獲得任一背景風向的時段內的區域近地面濃度的站點空間分布數據，將污染物濃度均值的標準差作為置信判據，以歸一化后的濃度分布作為強排放源區域的概率密度空間分布樣本，將極值區域判別為概率較高的排放源位置強相關區域。
5.根據權利要求1所述的基于園區大氣濃度監測的大氣污染物微尺度溯源方法，其特征在于，步驟三，去趨勢化具體實現為，從園區長時間序列濃度監測數據中挑選出不同主導風向情景時段，對各時段的濃度數據樣本進行歸一化，去除由于區域主導風向的分布譜而引發的概率密度偏歧。
...【技術特征摘要】
1.一種基于園區大氣濃度監測的大氣污染物微尺度溯源方法，其特征在于，包括步驟：
2.根據權利要求1所述的基于園區大氣濃度監測的大氣污染物微尺度溯源方法，其特征在于，步驟一，對大氣污染物濃度監測數據進行時間維度的統計標準化，具體為，
3.根據權利要求1所述的基于園區大氣濃度監測的大氣污染物微尺度溯源方法，其特征在于，步驟一，采用異常區域數據訂正算法進行數據篩選，具體為，
4.根據權利要求1所述的基于園區大氣濃度監測的大氣污染物微尺度溯源方法，其特征在于，步驟二，具體實現為，獲得任一背景風向的時段內的區域近地面濃度的站點空間分布數據，將污...
【專利技術屬性】
技術研發人員：李海妮，李雄偉，米君睿，劉振鑫，蔣慕賢，郭赟，
申請(專利權)人：無錫零碳環境管理有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。