【技術實現步驟摘要】
本專利技術屬于公共安全預測，具體涉及基于集合卡爾曼濾波對有毒云團進行估計和擴散預測的方法。
技術介紹
1、隨著工業科技的日益發展，化學物質在人類生活的各領域被廣泛運用。盡管這些產品為社會帶來了諸多便利，但它們同時也伴隨著潛在風險。如生產不當、自然災害等原因，可能導致化學物質的泄漏，造成嚴重危害。近年來這類事故屢見不鮮，安全問題日益突出。因此，精準快速地預測有毒云團的泄漏位置、泄漏量和擴散范圍顯得尤為重要，以便及早發出警報，減少事故的影響。然而，在發生有毒氣體泄漏事故后，由于泄漏源參數（如泄漏源位置和泄漏量等）的不精確，會導致預測誤差不斷累積，最終使預測結果與實際情況不符。
2、現有毒氣擴散預測方法多以神經網絡預測為主，利用訓練好的模型對有毒氣體做快速預測，基于神經網絡的預測方法沒有解決氣體擴散模型在迭代過程中的誤差累積問題，最后預測結果仍與真實值之間存在較大偏差。
3、現有技術存在的問題主要如下：
4、第一：有毒氣體泄露突發性強、傳播速度快，所用實際數據量少。
5、第二：影響氣體擴散因素多，誤差不斷累計。
6、第三：誤差不斷累積時，實時糾偏擴散軌跡較為困難。
技術實現思路
1、本專利技術的目的是提供基于集合卡爾曼濾波對有毒云團進行估計和擴散預測的方法，能夠在理論的指導下對擴散模型預測結果進行修正，使得最終的預測結果更加精準，解決了現有誤差不斷累積，實時糾偏擴散軌跡較為困難的問題。
2、本專利技術所采用的技術方案
3、步驟1、采取基礎數據，通過基礎數據對有毒氣體擴散進行建模；
4、步驟2、在步驟1所建模型的基礎上，利用模型仿真生成網格區域內離散后各個點的濃度數據；
5、步驟3、基于集合卡爾曼濾波，通過步驟2獲得的濃度數據構造系統狀態向量以及計算系統狀態誤差協方差，從而推斷泄露位置和泄露量；
6、步驟4、使用集合卡爾曼濾波進行有毒云團擴散預測，輸出預測結果。
7、本專利技術的特點還在于：
8、基礎數據包括泄露源位置、氣象數據及網格信息。
9、步驟1中對有毒氣體擴散進行建模，模型公式如下：
10、（1）
11、該模型用一系列的煙團的疊加來模擬煙雨流的擴散，其中每個煙團都可以用[,q]共7個參數來表示，其中代表的是煙團中心的坐標，代表的是煙團的擴散系數，該系數與煙團的下風向移動距離以及大氣穩定度有關，代表的是煙團的質量，式中的上標代表的是第個煙團，對任意時刻、任意位置的濃度來說是此時所有煙團在這個位置處的濃度的和。
12、步驟2的具體方法為：
13、按照均勻分布等概率隨機抽取200個泄漏源，再按照高斯分布抽取200個風向，之后對泄漏源和風向作一一對應，實現對真實泄露環境的近似模擬，在濃度生成的過程中，[,q]作為每一步迭代的參數，開始時，用之前隨機生成的泄漏源位置作為初始位置，,q取值為常數，再根據風速計算出一個時間間隔內煙團隨風移動的下風向距離，公式如下：
14、（2）
15、其中為風速；
16、再根據風向和風速更新煙團的中心坐標[]，公式如下：
17、（3）
18、（4）
19、（5）
20、其中分別是風速在方向上的分量；
21、之后更新的值，更新公式如下：
22、（6）
23、（7）
24、（8）
25、其中和是擴散參數；
26、q為煙團的質量，在假定泄露物質與周圍環境不發生反應的情況下，質量不變，因此，在一個時間間隔后根據步驟1的公式計算出每個煙團在某個位置處的濃度，最后將濃度求和就可得到某個位置的濃度。
27、和方向的和根據大氣穩定度進行取值。
28、步驟3中基于集合卡爾曼濾波推斷泄漏位置的過程如下：
29、首先構造狀態向量：
30、（9）
31、式中，是第時刻的第個樣本的系統狀態向量，是時刻估計的泄漏位置，分別是時刻在最優傳感器位置處傳感器所捕獲的濃度數據；
32、其次對系統的狀態誤差協方差進行計算：
33、（10）
34、（11）
35、再獲得卡爾曼增益矩陣，然后對觀測向量和觀測值進行構建：
36、（12）
37、（13）
38、最后對樣本進行更新：
39、（14）
40、在集合卡爾曼濾波的迭代更新時，實時引入傳感器捕獲的最新數據來對預測結果進行修正，使未知泄漏源的分布范圍逐漸縮小并最終收斂到真實位置附近，對所有樣本的泄漏源估計值求平均得到最優的泄漏源估計結果：
41、（15）。
42、在利用集合卡爾曼濾波對泄漏位置進行估計時，構造系統狀態向量將擴散模型得到的預測濃度數據和未知泄漏進行結合，使得利用傳感器數據作為觀測值對擴散模型預測結果進行修正的同時，讓樣本中泄漏源逐步向真實泄漏源靠攏。
43、步驟3中基于集合卡爾曼濾波推斷泄漏量的過程如下：
44、對未知泄漏量進行估計，公式如下：
45、（16）
46、式中，q為泄露速率，t為泄露時間，其中泄漏時間t通過傳感器濃度觀測值和泄漏速率構建線性方程組反算得到：
47、公式（16）中在對泄漏速率進行估計時，采用上述集合卡爾曼濾波的形式：
48、首先將中的轉換為，之后按照流程對泄漏速率進行推斷，從推斷泄露源位置的公式可看出泄漏速率和濃度成線性關系，繼續使用集合卡爾曼濾波增加計算消耗，采取如下方法進行泄漏速率估計，首先將濃度公式轉換為如下（17）所示：
49、（17）
50、式中，為擴展項，是擴散公式中除去泄漏速率后的部分，當除泄漏速率外其它參數已知時，為一大于零的定值，假設此時的真實泄漏速率，在最優傳感器位置處的傳感器數據為，表示第個傳感器，最優傳感器位置處的高斯擴展項為，此時傳感器濃度與擴散項之間的比值即為泄漏速率，理想情況下任意時刻的下保持不變，但由于模型迭代過程中誤差的存在，預測值與真實值之間存在差距，導致濃度和擴散性之間的比值存在波動，最小二乘法通過最小化均方誤差的方式，減少了誤差對估計結果的影響；
51、因此對于具有觀測數據的數據集來說，最小二乘法的目的是通過使得模型的預測值與觀測值之間的殘差平方和最小來獲得與之間的擬合關系，最后求平均得到最終的泄漏速率估計值：
52、（18）
53、（19）
54、（20）
55、（21）。
56、步驟4中使用集合卡爾曼濾波進行擴散預測過程如下：
57、首先構建系統狀態向量：
58、（22）
59、式中，為在第個傳感器位本文檔來自技高網...
【技術保護點】
1.基于集合卡爾曼濾波對有毒云團進行估計和擴散預測的方法，其特征在于，具體步驟如下：
2.根據權利要求1所述基于集合卡爾曼濾波對有毒云團進行估計和擴散預測的方法，其特征在于，所述基礎數據包括泄露源位置、氣象數據及網格信息。
3.根據權利要求1所述基于集合卡爾曼濾波對有毒云團進行估計和擴散預測的方法，其特征在于，所述步驟1中對有毒氣體擴散進行建模，模型公式如下：
4.根據權利要求1所述基于集合卡爾曼濾波對有毒云團進行估計和擴散預測的方法，其特征在于，所述步驟2的具體方法為：
5.根據權利要求4所述基于集合卡爾曼濾波對有毒云團進行估計和擴散預測的方法，其特征在于，所述和方向的和根據大氣穩定度進行取值。
6.根據權利要求5所述基于集合卡爾曼濾波對有毒云團進行估計和擴散預測的方法，其特征在于，所述步驟3中基于集合卡爾曼濾波推斷泄漏位置的過程如下：
7.根據權利要求6所述基于集合卡爾曼濾波對有毒云團進行估計和擴散預測的方法，其特征在于，在利用集合卡爾曼濾波對泄漏位置進行估計時，構造系統狀態向量將擴散模型得到的預測濃度數
8.根據權利要求7所述基于集合卡爾曼濾波對有毒云團進行估計和擴散預測的方法，其特征在于，所述步驟3中基于集合卡爾曼濾波推斷泄漏量的過程如下：
9.根據權利要求1所述基于集合卡爾曼濾波對有毒云團進行估計和擴散預測的方法，其特征在于，所述步驟4中使用集合卡爾曼濾波進行擴散預測過程如下：
...【技術特征摘要】
1.基于集合卡爾曼濾波對有毒云團進行估計和擴散預測的方法，其特征在于，具體步驟如下：
2.根據權利要求1所述基于集合卡爾曼濾波對有毒云團進行估計和擴散預測的方法，其特征在于，所述基礎數據包括泄露源位置、氣象數據及網格信息。
3.根據權利要求1所述基于集合卡爾曼濾波對有毒云團進行估計和擴散預測的方法，其特征在于，所述步驟1中對有毒氣體擴散進行建模，模型公式如下：
4.根據權利要求1所述基于集合卡爾曼濾波對有毒云團進行估計和擴散預測的方法，其特征在于，所述步驟2的具體方法為：
5.根據權利要求4所述基于集合卡爾曼濾波對有毒云團進行估計和擴散預測的方法，其特征在于，所述和方向的和根據大氣穩定度進行取值。
6.根據權利要求5所述基于集合卡爾曼濾波對有毒...
【專利技術屬性】
技術研發人員：王曉帆，牛亞琪，王彬，金海燕，
申請(專利權)人：西安理工大學，
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。