大气污染微监测网络时间切片分析的溯源方法

摘要

大气污染微监测网络时间切片分析的溯源方法，首先将监测区域进行网格化划分，其次利用大气污染监测装置进行大气污染物浓度数据采集，对分布式监测所采集的数据进行预处理，再确定时间切片最小周期，构建大气污染空间插值模型获取监测区域内各网格的不同时间切片的大气污染物浓度，最后进行对比分析，确定污染高值网格，实现污染溯源。本发明的优点是：通过大气污染分布式监测数据建立实现监测区域的大气污染时间切片分析，掌握监测区域大气污染时间变化规律，获取污染高值点位及时间段，并结合污染源排放信息精准定位监测区域污染源头，具有准确性高、实用性强的优点。

说明书

技术领域

本发明涉及环保技术领域，具体涉及一种大气污染微监测网络时间切片分析的溯源方法。

背景技术

随着我国城市化进程不断加快，大气污染问题日益严重，大气污染物主要包括一氧化碳(CO)、二氧化硫(SO

目前国家虽然建立环境监测网络，在各城市内分布数个固定监测站点，但由于城市土地面积之大，城市内大气污染排放源众多，固定监测站点分布的稀疏性难以表征监测区域的大气污染浓度变化情况。为解决固定监测站点的局限性，将移动监测和固定监测相结合，构建分布式微监测网络，实现对监测区域大气污染物浓度数据的采集，而移动监测数据采集时间持续较久，监测数据之间存在时间上的滞后性和空间上的差异，并且大气污染物浓度受到地形、气象、排放源等多因素的影响，在不同时间段内气象、大气污染排放源等因素的变化会导致监测区域内的大气污染物浓度发生较大的改变，由于城市区域内污染源排放众多，传统方法难以精准定位污染源，因此有必要研究大气污染微监测网络时间切片分析的溯源方法，掌握监测区域大气污染时间变化规律，获取污染高值点位及时间段，并结合污染源排放信息精准定位监测区域污染源头。

发明内容

本发明要克服现有技术的上述缺点，提供大气污染微监测网络时间切片分析的溯源方法。

大气污染微监测网络时间切片分析的溯源方法，首先将监测区域进行网格化划分，其次利用大气污染监测装置进行大气污染物浓度数据采集，对分布式监测所采集的数据进行预处理，再确定时间切片最小周期，构建大气污染空间插值模型获取监测区域内各网格的不同时间切片的大气污染物浓度，最后进行对比分析，确定污染高值网格，实现污染溯源。具体步骤如下：

(1)监测区域网格化划分；

将监测区域进行高精度网格化划分，获取M行N列个网格，以各网格中心经纬度坐标的大气污染物浓度表征为该网格的大气污染情况，以(X

通过大气污染监测装置周期性采集监测区域内大气污染浓度原始数据样本，将大气污染移动监测装置固定于移动载体上，获得的样本的数据格式为(t

(3)时间切片最小周期确定；

以移动监测数据采集点位分布均匀、较为全面地覆盖监测区域的原则确定时间切片最小周期T

(4)大气污染空间插值模型建模；

提取第l个子周期的大气污染监测数据作为已知点位数据，建立大气污染空间插值模型对各子网格的中心坐标进行插值，以获取第l个子周期内各网格的大气污染物浓度数据：

式中ρ(x,y)

时空权重基于相似相近原理确定。考虑到移动监测所采集的样本数据存在时间上的滞后性和空间上的差异，某时刻待插值点的浓度会与其他已知监测点的距离和监测数据采集时间差存在相关性，当距离越小，则已知监测点对待插值点的空间影响权重越大；当时间差越短时，则已知监测点对待插值点的时间影响权重越大。为较为准确地表征区域内各子周期的大气污染分布情况，选取各子周期的中心时间T

式中

空间权重ω

式中x和y为待插值点的平面坐标。

时间权重ω

t′

式中t′

(5)确定空间插值模型；

采用遗传算法确定时间权重系数a和时间权重影响参数λ。将寻优后的时间权重系数a和时间权重影响参数λ带入式(2)即可确定大气污染空间插值模型，并计算获得第l个子周期内的各网格大气污染物浓度。

(6)时间切片分析；

重复步骤(4)和步骤(5)，计算获取各子周期的各网格大气污染物浓度序列{ρ(X

本发明的优点是：通过大气污染分布式监测数据建立实现监测区域的大气污染时间切片分析，掌握监测区域大气污染时间变化规律，获取污染高值点位及时间段，并结合污染源排放信息精准定位监测区域污染源头，具有准确性高、实用性强的优点。

附图说明

图1是本发明的方法流程图。

具体实施方式

下面结合附图进一步说明本发明的技术方案。

大气污染微监测网络时间切片分析的溯源方法,具体步骤如下：

(1)监测区域网格化划分；

将监测区域进行高精度网格化划分，获取M行N列个网格，以各网格中心经纬度坐标的大气污染物浓度表征为该网格的大气污染情况，以(X

通过大气污染监测装置周期性采集监测区域内大气污染浓度原始数据样本，将大气污染移动监测装置固定于移动载体上，获得的样本的数据格式为(t

(3)时间切片最小周期确定；

以移动监测数据采集点位分布均匀、较为全面地覆盖监测区域的原则确定时间切片最小周期T

(4)大气污染空间插值模型建模；

提取第l个子周期的大气污染监测数据作为已知点位数据，建立大气污染空间插值模型对各子网格的中心坐标进行插值，以获取第l个子周期内各网格的大气污染物浓度数据：

式中ρ(x,y)

时空权重基于相似相近原理确定。考虑到移动监测所采集的样本数据存在时间上的滞后性和空间上的差异，某时刻待插值点的浓度会与其他已知监测点的距离和监测数据采集时间差存在相关性，当距离越小，则已知监测点对待插值点的空间影响权重越大；当时间差越短时，则已知监测点对待插值点的时间影响权重越大。为较为准确地表征区域内各子周期的大气污染分布情况，选取各子周期的中心时间T

式中

空间权重ω

式中x和y为待插值点的平面坐标。

时间权重ω

t′

式中t′

(5)确定空间插值模型；

采用遗传算法确定时间权重系数a和时间权重影响参数λ。将寻优后的时间权重系数a和时间权重影响参数λ带入式(2)即可确定大气污染空间插值模型，并计算获得第l个子周期内的各网格大气污染物浓度。

(6)时间切片分析；

重复步骤(4)和步骤(5)，计算获取各子周期的各网格大气污染物浓度序列{ρ(X