环境容量计算方法、装置、计算机设备及存储介质

摘要

本申请公开了一种环境容量计算方法、装置、计算机设备及存储介质，应用于气象科学技术领域，用于在减排场景中提高计算环境容量的效率。本申请提供的方法包括：获取空气模拟数据，并基于预训练模型构建空气质量模拟模型，将所述空气模拟数据输入到所述空气质量模拟模型，得到排放浓度模拟值；获取控排因素，基于所述排放浓度模拟值和所述控排因素，生成控排矩阵；获取空气质量目标数据，并基于所述控排矩阵，根据排放比例系数，得到与所述空气质量目标数据对应的至少一个污染物排放策略，每个所述污染物排放策略包括污染物排放量与排放浓度的对应关系；基于所述污染物排放策略，根据污染物排放量计算得到环境容量。

说明书

技术领域

本申请涉及气象科学技术领域，尤其涉及一种环境容量计算方法、装置、计算机设备及存储介质。

背景技术

随着工业化进程的不断加快，形成以复合型污染为特征的大气污染问题，为了使空气质量达标，制定了相应的达标时间、污染物减排目标及其环境容量。

现有方法通过拟定多个减排场景并基于减排场景对空气质量进行模拟，得到对应场景下的各污染物排放总量，最终根据所有污染物的排放总量的最大值，确定环境容量。

环境容量是指在满足空气质量达标值或者大气环境目标值的条件下，某区域能够承受污染物排放量的能力。

在存在多种污染物的情况下，需要对各种减排场景进行模拟，环境容量的计算量巨大，造成计算效率不高。

发明内容

本申请提供一种环境容量计算方法、装置、计算机设备及存储介质，提高计算环境容量的效率。

一种环境容量计算方法，包括：

获取空气模拟数据，并基于预训练模型构建空气质量模拟模型，将所述空气模拟数据输入到所述空气质量模拟模型，得到排放浓度模拟值；

获取控排因素，基于所述排放浓度模拟值和所述控排因素，生成控排矩阵；

获取空气质量目标数据，并基于所述控排矩阵，根据排放比例系数，得到与所述空气质量目标数据对应的至少一个污染物排放策略，每个所述污染物排放策略包括污染物排放量与排放浓度的对应关系；

基于所述污染物排放策略，根据污染物排放量计算得到环境容量。

一种环境容量计算装置，包括：

模拟值生成模块，用于获取空气模拟数据，并基于预训练模型构建空气质量模拟模型，将所述空气模拟数据输入到所述空气质量模拟模型，得到排放浓度模拟值；

控排矩阵生成模块，用于获取控排因素，基于所述排放浓度模拟值和所述控排因素，生成控排矩阵；

排放策略生成模块，用于获取空气质量目标数据，并基于所述控排矩阵，根据排放比例系数，得到与所述空气质量目标数据对应的至少一个污染物排放策略，每个所述污染物排放策略包括污染物排放量与排放浓度的对应关系；

环境容量计算模块，用于基于所述污染物排放策略，根据污染物排放量计算得到环境容量。

一种计算机设备，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述环境容量计算方法的步骤。

一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述环境容量计算方法的步骤。

本申请提供的环境容量计算方法、装置、计算机设备及存储介质，通过构建空气质量模拟模型，得到排放浓度模拟值，根据控排因素，基于排放浓度模拟值生成控排矩阵，根据控排矩阵生成空气质量与污染物排放量之间的响应关系，根据响应关系能够根据空气质量目标数据，根据排放比例系数生成多种污染物排放策略，根据空气质量目标数据得到空气质量达标约束，根据控排矩阵，能够根据达标约束同时模拟污染物排放量与空气质量的线性响应，最后再根据各个污染物排放策略计算对应的环境容量，不需要分别针对每种排放策略进行空气质量的模拟最后得出环境容量，在达到空气质量目标值的基础上，提到计算出环境容量的效率。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本申请一实施例中环境容量计算方法的一应用环境示意图；

图2是本申请一实施例中环境容量计算方法的一流程图；

图3是本申请一实施例中环境容量计算装置的结构示意图；

图4是本申请一实施例中计算机设备的一示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

本申请实施例提供的环境容量计算方法，可应用在如图1的应用环境中，其中，终端设备通过网络与服务器进行通信。其中，终端设备可以但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

系统框架100可以包括终端设备、网络和服务器。网络用以在终端设备和服务器之间提供通信链路的介质。网络可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备通过网络与服务器交互，以接收或者发送消息等。

终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器( Moving Picture EpertsGroup Audio Layer III，动态影像专家压缩标准音频层面3 )、MP4( Moving PictureEperts Group Audio Layer IV，动态影像专家压缩标准音频层面4 )播放器、膝上型便携计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的页面提供支持的后台服务器。

需要说明的是，本申请实施例所提供的环境容量计算方法由服务器执行，相应地，环境容量计算装置设置于服务器中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的，根据实现需要，可以具有任意数目的终端设备、网络和服务器，本申请实施例中的终端设备具体可以对应的是实际生产中的应用系统。

在一实施例中，如图2所示，提供一种环境容量计算方法，以该方法应用在图1中的服务器为例进行说明，包括如下步骤：

S10，获取空气模拟数据，并基于预训练模型构建空气质量模拟模型，将空气模拟数据输入到空气质量模拟模型，得到排放浓度模拟值。

具体的，空气模拟数据是指用于对空气质量进行模拟的数据。具体包括污染物排放数据、气象模拟模型等。

将多尺度空气质量模型CMAQ5.2作为预训练模型，构建空气质量模拟模型，将空气模拟数据输入到空气质量模拟模型中，得到排放浓度模拟值。其中，排放浓度模拟值指的是污染物的排放浓度模拟值。

S20,获取控排因素，基于排放浓度模拟值和控排因素，生成控排矩阵。

具体的，控排因素是指基于独立变化的特定区域、行业或者污染物的排放量的变化等因素。针对不同的污染物，选择的污染物也不同，例如，针对于PM2.5，将选取VOCs、NOx、NH3、SO2和一次PM2.5作为控排前体物污染物，VOCs、NOx、NH3、SO2为非线性控排污染物，一次PM2.5为线性控排污染物。

若针对某一区域，将该区域划分为m个区域，总的控排因素个数为

控排矩阵用于表示某一污染物排放浓度与排放源排放量之间的函数关系，用于简化污染物排放浓度与空气质量之间的响应关系。

根据控排矩阵，能够快速得到不同排放控制场景下的目标空气质量浓度变化情况，以便在实际污染控制决策中得到对应的排放浓度响应。

S30,获取空气质量目标数据，并基于控排矩阵，根据排放比例系数，得到与空气质量目标数据对应的至少一个污染物排放策略，每个污染物排放策略包括污染物排放量与排放浓度的对应关系。

具体的，空气质量目标数据是指空气质量的达标约束值，具体是获取达到空气质量目标对应的空气质量目标浓度值。

需要说明的是，空气质量目标数据指的是多个污染物的空气质量目标浓度值。

将空气质量目标数据作为限定值，基于控排矩阵，根据排放比例系数，建立对应的污染物排放策略。

排放比例系数用于对污染物的排放量进行控制，在控制各个污染物的排放量后，使污染物的排放浓度满足空气质量目标数据。

在此基础下，排放比例系数以及对应的污染物排放浓度作为一个污染物排放策略。

通过控排矩阵建立污染物的排放浓度与空气质量浓度之间的实时响应模拟关系，在限定空气质量目标数据的基础下，能够根据控排矩阵得出满足空气质量目标的所有污染物排放策略。

S40,基于污染物排放策略，根据污染物排放量计算得到环境容量。

具体的，根据污染物排放策略，得到各个污染物的排放量，计算所有污染物的排放量得到排放量总和，将排放量总和作为每个污染物排放策略的环境容量。

进一步的，选择环境容量最大的污染物排放策略，作为减排场景。

环境容量是指在满足大气环境目标值或者空气质量达标约束的条件下，某区域大气环境所能承纳污染物的最大能力，或者所能允许排放的污染物总量。

在本实施例中，通过构建空气质量模拟模型，得到排放浓度模拟值，根据控排因素，基于排放浓度模拟值生成控排矩阵，根据控排矩阵生成空气质量与污染物排放量之间的响应关系，根据响应关系能够根据空气质量目标数据，根据排放比例系数生成多种污染物排放策略，根据空气质量目标数据得到空气质量达标约束，根据控排矩阵，能够根据达标约束同时模拟污染物排放量与空气质量的线性响应，最后再根据各个污染物排放策略计算对应的环境容量，不需要分别针对每种排放策略进行空气质量的模拟最后得出环境容量，在达到空气质量目标值的基础上，提到计算出环境容量的效率。

在本实施例中，作为一种可选的实施方式，在S10，获取空气模拟数据，并基于预训练模型构建空气质量模拟模型，将空气模拟数据输入到空气质量模拟模型，得到排放浓度模拟值，包括：

S101,获取污染物排放清单，对污染物排放清单进行时空分配，得到网格分配数据。

具体的，污染物排放清单包括各种污染源、各个污染物的排放数据，排放数据包括排放时间、排放地点以及排放量。

对污染物排放清单进行时空分配，时空分配包括时间分配谱数据和空间分配谱数据。

时空分配具体是将污染物排放清单进行网格化分配，将污染物排放清单中的排放数据分配到对应的网格中。

S102,通过中尺度气象模型，进行气象模式模拟，得到气象模拟结果。

S103,将网格分配数据和气象模拟结果作为空气模拟数据，并将空气模拟数据输入到空气质量模拟模型中，得到排放浓度模拟值。

具体的，通过中尺度气象模型，进行气象模式模拟，得到气象模拟结果。

其中，气象模式选择WRF3.9.1,模拟区域将采用三层网格嵌套方式，从外到内的网格水平分辨率依次为27kmx27km、9kmx9km和3kmx3km，两条纬线设置为25°N和40°N，中心经纬度设置为112°E、30°N。

根据基准年进行气象模拟，分别对1月、4月、7月和10月进行气象模拟，将4个月份的模拟均值作为基准年的气象值，得到气象模拟结果。

将网格分配数据和气象模拟结果作为空气模拟数据，用于对基准年的空气质量进行模拟，具体是：将网格分配数据和气象模拟结果输入到空气质量模拟模型中，得到排放浓度模拟值。

其中，按照基准年的模拟方式，得到排放浓度模拟值。基准年是指取该年冬、春、夏、秋的典型月份1月、4月、7月和10月，将4个月份的模拟均值作为基准年的排放浓度模拟值。

分别对上述4个月份进行模拟，得到每个月份的月份排放数据模拟值，计算月份排放数据模拟值的均值，得到排放浓度模拟值。

在本实施例中，通过对污染物排放清单进行时空分配，得到网格分配数据，再对气象结果进行模拟，得到气象模拟结果，再基于污染物和气象因素，根据网格分配数据和气象模拟结果对空气质量进行模拟，得到排放浓度模拟值。通过对气象因素进行模拟，能够准确考虑到气象因素对于环境容量的影响，一定程度上提高排放浓度模拟值的准确值。

在本实施例中，作为一种可选的实施方式,在S101，获取污染物排放清单，对污染物排放清单进行时空分配，得到网格分配数据，包括：

S111，根据时间系数，对污染物排放清单进行权重分配，得到时间分配数据。

S112,根据空间系数，对污染物排放清单进行经纬度分配，得到空间分配数据。

S113,将时间分配数据和空间分配数据作为网格分配数据。

具体的，时空分配包括时间分配谱数据和空间分配谱数据，时间分配谱数据根据时间系数用于对污染物排放清单进行权重分配，得到时间分配系数；根据空间分配谱数据中的空间系数进行经纬度分配，得到空间分配数据。

将时间分配系数和空间分配系数作为网格分配数据。

其中，时间系数是指污染物排放量的月变化系数、周变化系数和日变化系数。空间系数是指点源和面源，点源按照污染物排放清单中污染源的经纬度进行分配，面源数据按照相关权重数据分配。

在本实施例中，对污染物排放清单进行网格分配的目的是将污染物的排放数据按照空间系数和时间系数进行分配，以得到污染物在基于时间变化和空间变化下的排放量变化值，根据网格分配数据能够清晰明确的表示出污染物排放数据的变化情况，空气质量模拟模型能够根据网格分配数据，得到排放浓度模拟数据。

在本实施例中，作为一种可选的实施方式，在S103，将空气模拟数据输入到空气质量模拟模型中，得到排放浓度模拟值，包括：

S131,将空气模拟数据输入到空气质量模拟模型，得到初始浓度模拟值。

S132,从空气质量模拟模型中获取至少一个空气质量因子，根据空气质量因子获取对应的监测数据集。

S133,基于随机森林算法构建优化模型，将监测数据集输入到优化模型，得到优化结果。

S134,通过优化结果对初始浓度模拟值进行优化，得到排放浓度模拟值。

具体的，将空气模拟数据输入到空气质量模拟模型，得到初始浓度模拟值。

从空气质量模拟模型中将研究的污染物种类以及气象因素作为空气质量因子，并获取每个空气质量因子对应的监测数据集。

例如，污染物种类为PM

将每个空气质量因子在当前模拟时刻的时间跨度的数值，作为监测数据集。

选定80%比例样本的监测数据集作为训练集，20%作为测试集。

通过随机森林算法构建优化模型，将训练集输入到优化模型中进行优化训练，得到模拟值。测试集作为观测值。

将模拟值与观测值进行对比，并进行统计校验，选定统计指标进行校验。

统计指标包括均值偏差、标准化均值偏差、平均相对偏差、标准平均误差、平均相对误差、均方根误差、平均绝对误差以及相关系数等。

通过监测数据集以及优化模型对初始浓度模拟值进行优化，得到排放浓度模拟值。

在本实施例中，根据空气质量模拟模型得到初始浓度模拟值，通过随机森林算法构建优化模型，通过优化模型对初始浓度模拟值进行优化，提高排放浓度模拟值的准确度。

在本实施例中，作为一种可选的实施方式，在S20，获取控排因素，基于排放浓度模拟值和控排因素，生成控排矩阵，包括：

S201，将控排因素设置为区域、行业以及污染物排放量的相互关系。

S202,根据控排因素生成多个控排因子，并采用预设采样方法对每个控排因子进行采样，得到采样结果。

S203,对采样结果进行拓展，得到控排矩阵。

具体的，控排因素实质上基于区域、行业以及污染物种类等，影响污染物排放量变化的因素。根据控排因素，得到多个控排因子。根据目标污染物的不同，可选择不同的控排因子。针对PM

控排矩阵实质上是将控排因子对应的污染物的排放量与排放浓度的关系，以矩阵的形式表现。

S202的具体实现方式是：基于多个控排因子生成高维采样空间。预设采样方法为拉丁超立方采样方法或者哈默斯利序列采样方法。根据预设采样方法对高维采样空间进行采样，得到采样结果。

对采样结果进行曲面拟合，拟合方法可以采用基于多项式函数回归的拟合方法，进行二次建模，实现在不同控排因素下，得到对应的空气质量浓度的响应。

经过对采样结果进行拟合扩展，得到控排矩阵。

控排矩阵可根据如下公式表示：

控排矩阵（nxk）中的每个元素

控排矩阵通过对控排因子进行采样，根据曲面拟合，实现不同控排场景对应的空气质量浓度之间的响应关系，能够快速针对多种控排场景输出对应的响应值，从而减少针对每种控排场景进行空气质量模拟的过程，有效提高输出响应值的效率。

在本实施例中，作为一种可选的实施方式，在S30，基于控排矩阵，根据排放比例系数，得到与空气质量目标数据对应的至少一个污染物排放策略，包括:

S301,将空气质量目标数据作为目标函数。

S302,预先设置多组排放比例系数，根据每一个排放比例系数，基于目标函数通过控排矩阵生成对应的空气质量浓度值。

S303,针对每个排放比例系数，将排放比例系数和对应的空气质量浓度值作为一个污染物排放策略。

具体的，获取空气质量目标数据，将空气质量目标数据作为目标函数，用于根据控排矩阵，得到对应的污染物排放量。

排放比例系数是指针对污染物排放量的控制比例。例如，排放比例系数为50%，即将污染物的排放量削减至50%。

预先设置多组排放比例系数，按照排放比例系数，得到对应的污染物排放量。基于污染物排放量，通过控排矩阵生成空气质量浓度值。

并且，在满足空气质量目标数据的前提下，根据控排矩阵得到对应的排放比例系数以及对应的空气质量浓度值。

例如，若以2021为基准年，各污染物排放量对应的空气质量PM

以2025年为目标年，则需要对污染物排放进行削减，如过设定控排系数为50%，对VOCs、NOx、NH

在本实施例中，通过控排矩阵根据排放比例系数得到对应的空气质量浓度值，根据对应的空气质量浓度值以及对应的排放比例系数能够得出污染物排放策略，通过控排矩阵能够得出满足空气质量目标值的污染物排放策略，后续根据污染物排放策略计算环境容量的过程能够更加快速，有利于提高计算环境容量的效率。

在本实施例中，作为一种可选的实施方式，在S40，基于污染物排放策略，根据污染物排放量计算得到环境容量包括：

S401,根据污染物排放策略，计算污染物排放量的总和，作为污染物排放策略的计算结果。

S402，将最大的计算结果作为环境总量。

具体的，污染物排放策略中包括了污染物的排放比例系数以及空气质量浓度值。根据各个污染物的排放比例系数计算得到污染物排放量。

计算所有污染物的污染物排放量总和，得到计算结果。

进一步的，若存在多个污染物排放策略，将最大的计算结果作为环境容量。

在本实施例中，通过计算污染物排放策略中各个污染物排放量的总和，作为环境容量，在满足空气质量目标数据的前提下，设定污染物排放策略，并基于污染物排放量计算得到环境容量，不用重复根据污染物排放策略进行空气质量模拟，减少计算出环境容量的时间，提高计算出环境容量的效率。应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

在一实施例中，提供一种环境容量计算装置，该环境容量计算装置与上述实施例中环境容量计算方法一一对应。如图3所示，该环境容量计算装置包括模拟值生成模块31、控排矩阵生成模块32、排放策略生成模块33和环境容量计算模块34。各功能模块详细说明如下：

模拟值生成模块31，用于获取空气模拟数据，并基于预训练模型构建空气质量模拟模型，将空气模拟数据输入到空气质量模拟模型，得到排放浓度模拟值。

控排矩阵生成模块32，用于获取控排因素，基于排放浓度模拟值和控排因素，生成控排矩阵。

排放策略生成模块33，用于获取空气质量目标数据，并基于控排矩阵，根据排放比例系数，得到与空气质量目标数据对应的至少一个污染物排放策略，每个污染物排放策略包括污染物排放量与排放浓度的对应关系。

环境容量计算模块34，用于基于污染物排放策略，根据污染物排放量计算得到环境容量。

在本实施例中，作为一种可选的实施方式，模拟值生成模块31包括：

网格分配单元，用于获取污染物排放清单，对污染物排放清单进行时空分配，得到网格分配数据。

气象模拟单元，用于通过中尺度气象模型，进行气象模式模拟，得到气象模拟结果。

模拟值生成单元，用于将网格分配数据和气象模拟结果作为空气模拟数据，并将空气模拟数据输入到空气质量模拟模型中，得到排放浓度模拟值。

在本实施例中，作为一种可选的实施方式,网格分配单元包括：

时间分配子单元，用于根据时间系数，对污染物排放清单进行权重分配，得到时间分配数据。

空间分配子单元，用于根据空间系数，对污染物排放清单进行经纬度分配，得到空间分配数据。

网格分配子单元，用于将时间分配数据和空间分配数据作为网格分配数据。

在本实施例中，作为一种可选的实施方式，模拟值生成单元包括：

初始模拟值生成子单元，用于将空气模拟数据输入到空气质量模拟模型，得到初始浓度模拟值。

监测数据获取子单元，用于从空气质量模拟模型中获取至少一个空气质量因子，根据空气质量因子获取对应的监测数据集。

优化结果生成子单元，用于基于随机森林算法构建优化模型，将监测数据集输入到优化模型，得到优化结果。

模拟值生成子单元，用于通过优化结果对初始浓度模拟值进行优化，得到排放浓度模拟值。

在本实施例中，作为一种可选的实施方式，控排矩阵生成模块32包括：

因素设置单元，用于将控排因素设置为区域、行业以及污染物排放量的相互关系。

采样单元，用于根据控排因素生成多个控排因子，并采用预设采样方法对每个控排因子进行采样，得到采样结果。

矩阵生成单元，用于对采样结果进行拓展，得到控排矩阵。

在本实施例中，作为一种可选的实施方式，排放策略生成模块33包括:

目标函数设定单元，用于将空气质量目标数据作为目标函数。

排放量生成单元，用于预先设置多组排放比例系数，根据每一个排放比例系数，基于目标函数通过控排矩阵生成对应的空气质量浓度值。

策略生成单元，用于针对每个排放比例系数，将排放比例系数和对应的空气质量浓度值作为一个污染物排放策略。

在本实施例中，作为一种可选的实施方式，环境容量计算模块34包括：

结果计算单元，用于根据污染物排放策略，计算污染物排放量的总和，作为污染物排放策略的计算结果。

环境总量生成单元，用于将最大的计算结果作为环境总量。

其中上述模块/单元中的“第一”和“第二”的意义仅在于将不同的模块/单元加以区分，并不用于限定哪个模块/单元的优先级更高或者其它的限定意义。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或模块的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或模块，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块，本申请中所出现的模块的划分，仅仅是一种逻辑上的划分，实际应用中实现时可以有另外的划分方式。

关于环境容量计算装置的具体限定可以参见上文中对于环境容量计算方法的限定，在此不再赘述。上述环境容量计算装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储环境容量计算方法中涉及到的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种环境容量计算方法。

在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并在处理器上运行的计算机程序，处理器执行计算机程序时实现上述实施例中环境容量计算方法的步骤，例如图2所示的步骤S10至步骤S40及该方法的其它扩展和相关步骤的延伸。或者，处理器执行计算机程序时实现上述实施例中环境容量计算装置的各模块/单元的功能，例如图3所示模块31至模块34的功能。为避免重复，这里不再赘述。

所述处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列 (Field-Programmable Gate Array，FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述计算机装置的控制中心，利用各种接口和线路连接整个计算机装置的各个部分。

所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述计算机装置的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序（比如声音播放功能、图像播放功能等）等；存储数据区可存储根据手机的使用所创建的数据（比如音频数据、视频数据等）等。

所述存储器可以集成在所述处理器中，也可以与所述处理器分开设置。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述实施例中环境容量计算方法的步骤，例如图2所示的步骤S10至步骤S40及该方法的其它扩展和相关步骤的延伸。或者，计算机程序被处理器执行时实现上述实施例中环境容量计算装置的各模块/单元的功能，例如图3所示模块31至模块34的功能。为避免重复，这里不再赘述。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink） DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。