基于高斯烟羽模型的大气污染物扩散分析方法及系统与流程

本发明涉及大气环境监测，具体涉及一种基于高斯烟羽模型的大气污染物扩散分析方法及系统。

背景技术：

1、准确分析和预测大气污染物的扩散过程对于制定有效的环境保护策略和改善空气质量具有重要意义。

2、目前，常用的大气污染物扩散模型包括高斯模型、欧拉模型和拉格朗日模型等。其中，高斯烟羽模型因其简单实用、计算效率高而被广泛应用。然而，传统的高斯烟羽模型在实际应用中仍存在一些局限性：传统模型在确定扩散参数时往往依赖经验公式，难以准确反映更复杂环境下的污染物扩散，导致精度不高。

技术实现思路

1、鉴于此，本技术提供一种基于高斯烟羽模型的大气污染物扩散分析方法及系统，解决了现有技术中大气污染物扩散模拟精度不高、多源效应处理不足、模型难以验证校准以及主要污染物难以识别的问题。

2、本发明实施例提供一种基于高斯烟羽模型的大气污染物扩散分析方法，包括：

3、确定污染物的基本参数，所述基本参数包括所述污染物的位置、高度和排放速率；

4、采集环境参数，所述环境参数包括风速、风向、温度和压强数据；

5、建立高斯烟羽模型，通过所述高斯烟羽模型模拟所述污染物在三维空间内的浓度分布；

6、对所述高斯烟羽模型进行验证与校准；

7、生成所述污染物的浓度分布图；

8、其中，建立高斯烟羽模型，通过所述高斯烟羽模型模拟所述污染物在三维空间内的浓度分布，包括：

9、基于高斯分布假设，建立地面点源在三维空间内的污染物浓度分布模型，所述污染物浓度分布模型为所述高斯烟羽模型：

10、；

11、其中，将所述污染物所处地面位置设定为所述三维空间坐标的原点，x轴代表本地平均风向，y轴为水平方向，z轴垂直于地面向上，在所述三维空间坐标下，所述污染物在y轴、z 轴上分布形态都符合高斯分布；

12、c(x，y，z)表示空间任意点(x，y，z)处污染物的质量浓度，q为点源的排放强度，v为平均风速，h为点源的有效高度，σy和σz分别为水平和垂直方向的扩散参数；

13、划分研究区域为多个网格单元；

14、收集多源排放清单和气象场数据；

15、基于所述气象场数据，计算扩散参数；

16、引入地形修正系数和气象要素修正系数，对所述高斯烟羽模型进行参数修正；

17、叠加多源效应，模拟多个所述污染物在三维空间内的浓度分布;

18、其中，叠加多源效应，模拟多个所述污染物在三维空间内的浓度分布，包括：

19、确定不同所述污染物的影响半径，所述影响半径表示不同所述污染物的扩散范围；

20、判断所述网格单元与不同所述污染物的位置关系；

21、分别计算每一所述污染物的浓度增量；

22、叠加每一所述污染物的浓度增量，得到总的累积浓度;

23、其中，确定不同所述污染物的影响半径，包括：

24、利用所述高斯烟羽模型计算出每一所述污染物浓度达到环境本底值时的空间距离，所述空间距离为所述污染物的影响半径，影响半径通过如下公式计算:

25、rm=f(qm,hm,u,稳定度)；

26、其中m=[a,b,c,d]，a,b,c,d为不同污染物的编号，rm为污染物m的影响半径, qm和hm分别为污染物m的排放量和有效高度，f()为关于各参数的函数关系式，通过所述高斯烟羽模型的解析解或数值拟合获得；

27、判断所述网格单元与不同所述污染物的位置关系，包括：

28、对于每一个网格单元(i,j),计算其中心点坐标(xi,yj)到不同所述污染物的空间距离dmi,j；

29、；

30、其中，(xm,ym)为污染物m的坐标；

31、若dmi,j<rm，判定网格(i,j)落在所述污染物m的影响范围内；

32、分别计算每一所述污染物的浓度增量，包括：

33、对于落在所述污染物m影响范围内的网格(i,j),利用所述高斯烟羽模型计算其受所述污染物m影响的浓度增量δcmi,j:

34、；

35、σym和σzm分别为水平和垂直方向的扩散参数；

36、叠加每一所述污染物的浓度增量，得到总的累积浓度，包括：

37、对于网格(i,j),分别累加其受每一所述污染物影响的浓度增量,得到该网格的总浓度值ci,j:

38、ci,j=δcai,j+δcbi,j+δcci,j+δcdi,j。

39、可选地，所述气象场数据包括大气稳定度等级，则基于所述气象场数据，计算扩散参数，包括：

40、通过如下公式计算扩散参数σy和σz：

41、σy= a * xb；

42、σz= c * xd；

43、其中，a、b、c、d均为与所述大气稳定度等级相关的经验系数，x为下风向距离。

44、可选地，引入地形修正系数和气象要素修正系数，对所述高斯烟羽模型进行参数修正，包括：

45、地形修正采用briggs半经验公式对所述高斯烟羽模型进行参数修正：

46、h' = h + δh；

47、；

48、其中，h'为修正后的所述点源的有效高度，δh为地形引起的烟羽抬升高度，u为10米高度处的平均风速，n为大气稳定度频率，hc为特征高度，由数字高程dem决定,为地形修正系数，取值为1.6；

49、气象要素修正系数包括风速修正系数，则按照气象要素修正公式进行所述高斯烟羽模型的参数修正：

50、σy' = σy* (u /u0)-1/5；

51、σz' = σz* (u / u0)-1/5；

52、其中，u0为参考风速，u为10米高度的实际风速，σy'和σz' 分别为修正后的水平和垂直方向的扩散参数。

53、可选地，所述方法还包括计算不同所述污染物的贡献率，以确定主要污染物，包括：

54、定义所述污染物m在网格(i，j)的浓度贡献率：pmi,j= (δcmi,j/ ci,j) * 100%;

55、计算各个污染物对整个区域污染的平均贡献率：

56、；

57、其中，ci，j为网格(i，j)的总浓度，δcmi，j为污染物m在该网格上的浓度增量，n为网格总数，m,n为自定义正整数。

58、可选地，对所述高斯烟羽模型进行验证与校准，包括：

59、采用基于高斯-赛德尔gauss-seidel策略的j-正交约束下块坐标下降gs-jobcd优化方法对所述高斯烟羽模型进行验证与校准，包括：

60、定义目标函数：

61、；

62、其中，为所述高斯烟羽模型的参数向量，ck和分别为第k个观测点的实测浓度和模拟浓度，s为观测点总数；

63、引入正则化项：

64、j’(θ) = j(θ) + λ||θ||22；

65、其中λ为正则化系数，且||θ||22为参数向量的l2范数平方；

66、构建约束条件：

67、h(θ) = 0，g(θ) ≤ 0；

68、其中h和g分别为等式和不等式约束函数;

69、应用gs-jobcd算法求解优化问题；

70、更新所述高斯烟羽模型的参数并重新计算浓度分布，得到校准后的浓度分布。

71、可选地，对所述高斯烟羽模型进行验证与校准，包括：

72、采用马尔可夫博弈理论进行所述高斯烟羽模型的验证与校准，具体步骤包括：

73、定义状态空间与动作空间；

74、定义状态转移概率；

75、定义奖赏函数；

76、求解马尔可夫博弈，获得最优策略；

77、基于所述最优策略更新所述高斯烟羽模型参数。

78、本发明实施例还提供一种基于高斯烟羽模型的大气污染物扩散分析系统，包括：

79、确定模块，用于确定污染物的基本参数，所述基本参数包括所述污染物的位置、高度和排放速率；

80、采集模块，用于采集环境参数，所述环境参数包括风速、风向、温度和压强数据；

81、模拟模块，用于建立高斯烟羽模型，通过所述高斯烟羽模型模拟所述污染物在三维空间内的浓度分布；

82、验证和校准模块，用于对所述高斯烟羽模型进行验证与校准；

83、生成模块，用于生成所述污染物的浓度分布图；

84、其中，建立高斯烟羽模型，通过所述高斯烟羽模型模拟所述污染物在三维空间内的浓度分布，包括：

85、基于高斯分布假设，建立地面点源在三维空间内的污染物浓度分布模型，所述污染物浓度分布模型为所述高斯烟羽模型：

86、；

87、其中，将所述污染物所处地面位置设定为所述三维空间坐标的原点，x轴代表本地平均风向，y轴为水平方向，z轴垂直于地面向上，在所述三维空间坐标下，所述污染物在y轴、z 轴上分布形态都符合高斯分布；

88、c(x，y，z)表示空间任意点(x，y，z)处污染物的质量浓度，q为点源的排放强度，v为平均风速，h为点源的有效高度，σy和σz分别为水平和垂直方向的扩散参数；

89、划分研究区域为多个网格单元；

90、收集多源排放清单和气象场数据；

91、基于所述气象场数据，计算扩散参数；

92、引入地形修正系数和气象要素修正系数，对所述高斯烟羽模型进行参数修正；

93、叠加多源效应，模拟多个所述污染物在三维空间内的浓度分布;

94、其中，叠加多源效应，模拟多个所述污染物在三维空间内的浓度分布，包括：

95、确定不同所述污染物的影响半径，所述影响半径表示不同所述污染物的扩散范围；

96、判断所述网格单元与不同所述污染物的位置关系；

97、分别计算每一所述污染物的浓度增量；

98、叠加每一所述污染物的浓度增量，得到总的累积浓度;

99、其中，确定不同所述污染物的影响半径，包括：

100、利用所述高斯烟羽模型计算出每一所述污染物浓度达到环境本底值时的空间距离，所述空间距离为所述污染物的影响半径，影响半径通过如下公式计算:

101、rm=f(qm,hm,u,稳定度)；

102、其中m=[a,b,c,d]，a,b,c,d为不同污染物的编号，rm为污染物m的影响半径, qm和hm分别为污染物m的排放量和有效高度，f()为关于各参数的函数关系式，通过所述高斯烟羽模型的解析解或数值拟合获得；

103、判断所述网格单元与不同所述污染物的位置关系，包括：

104、对于每一个网格单元(i,j),计算其中心点坐标(xi,yj)到不同所述污染物的空间距离dmi,j；

105、；

106、其中，(xm,ym)为污染物m的坐标；

107、若dmi,j<rm，判定网格(i,j)落在所述污染物m的影响范围内；

108、分别计算每一所述污染物的浓度增量，包括：

109、对于落在所述污染物m影响范围内的网格(i,j),利用所述高斯烟羽模型计算其受所述污染物m影响的浓度增量δcmi,j:

110、；

111、σym和σzm分别为水平和垂直方向的扩散参数；

112、叠加每一所述污染物的浓度增量，得到总的累积浓度，包括：

113、对于网格(i,j),分别累加其受每一所述污染物影响的浓度增量,得到该网格的总浓度值ci,j:

114、ci,j=δcai,j+δcbi,j+δcci,j+δcdi,j。

115、本技术实施例还提供一种计算机装置，所述计算机装置包括：

116、至少一个处理器；以及，

117、与所述至少一个处理器通信连接的存储器；其中，

118、所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述基于高斯烟羽模型的大气污染物扩散分析方法。

119、本技术实施例还提供一种计算机可读存储介质，该计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行上述基于高斯烟羽模型的大气污染物扩散分析方法。

120、本技术实施例还提供一种计算机程序产品，包括计算机指令，该计算机指令被处理器执行时实现上述基于高斯烟羽模型的大气污染物扩散分析方法的步骤。

121、本发明实施例具备如下技术效果：

122、通过引入地形修正系数和气象要素修正系数，提高了高斯烟羽模型在复杂地形和多变气象条件下的适用性和准确性。

123、采用多源叠加方法，有效处理了多个污染物的综合影响，更加贴近实际情况。

124、引入gs-jobcd优化方法和马尔可夫博弈理论，实现了模型的有效验证与校准，提高了模拟结果的可靠性。

125、通过计算不同污染物的贡献率，可以有效识别主要污染物，为制定针对性的污染控制措施提供科学依据。

126、该方法可以生成所述污染物的浓度分布图，直观展示污染物扩散情况，便于决策者和公众理解和使用。