1.本發明涉及污染物溯源技術領域,特別是涉及一種基于耦合機器學習和相關性分析的大氣污染物溯源方法。背景技術:2.隨著我國經濟快速發展、工業化和城鎮化進程不斷加速、能源消耗增加,出現了一系列的大氣環境問題。相比于水體、土壤等環境中的污染物,大氣污染物更具有易擴散、易混合、污染路徑不清晰等的特性,會受到排放源、污染過程、氣象條件等影響。其中,排放源是內因、氣象條件是外因、污染過程是動因。由于動因和外因主要受到自然客觀規律的影響,以至于人力難以控制,因此,控制內因則是大氣污染防治、環境管理最有效的方法,其核心就是找準污染源頭,厘清污染成因,實現靶向治理,提高控制效率。3.找準大氣污染源頭可分為兩大類,一是污染溯源,側重于時空分布上的排放源追溯;二是排放源解析,側重于排放源成分和行業解析。大氣精細化網格體系是環境空氣質量精準治理及科學管控的主要手段,應用較為廣泛?;诰W格化的環境專業統計學數據分析可實現粗略的大氣污染溯源,但響應時間較長。因此,研究者們采用基于模型軟件、機器學習算法的大氣污染溯源來提高響應時間,但是現有的方法在實現大氣污染溯源時存在著不足,具體表現如下:(1)后向軌跡法:是一種用于計算和分析氣流運動、沉降及擴散軌跡的綜合模式系統,其核心是通過三維氣象場中的風向、風速來計算和描述氣團的運動,進而通過氣團軌跡鎖定污染源位置。但該方法對風場數據的依賴性較強,且受到多種氣象要素輸入場的局限,目前研究主要集中于短時間尺度的長距離輸送和外來污染源的確定,在應對境外污染源、區域聯防聯控治理方面可提供理論借鑒,但在應對小尺度的區域內源污染溯源方面暫不適用。(2)概率方法:主要是針對大氣污染物理化學過程的復雜性和數值模式的離散性而發展一種污染溯源方法,主要原理是將可用的濃度觀測數據與先驗信息相結合,基于大量歷史數據分析和挖掘得到的后驗參數的不確定性及置信區間。在應用時需要有大量的數據進行支撐,且需要已知污染源的先驗信息,這在大氣應急響應中是難以實現的。(3)顆粒物來源解析法:通過分析環境空氣中的顆粒物和污染源樣品的物理化學特性,定性識別污染源。同時,可結合數理統計、數值模式模擬定量計算污染源貢獻率。但該方法著重解析的是排放源成分和行業,尚不能獲得地理空間上的污染源鎖定及源貢獻率,因此,該方法難以滿足大氣污染精準溯源、難以實現大氣污染靶向治理與高效管控的需求。4.現階段根據模型
聲明:
“基于耦合機器學習和相關性分析的大氣污染物溯源方法與流程” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)