一种船舶外场涂装大气污染预测方法及系统与流程

本发明属于有机挥发物监测，特别是涉及一种船舶外场涂装大气污染预测方法及系统。

背景技术：

1、船舶涂装是壳舾涂一体化造船的关键环节之一，其中总段涂装、船坞(台)涂装、码头涂装又俗称外场涂装，船舶外场涂装是船舶造修的主要污染来源。目前国内外各船厂对于内场涂装的污染监测和治理比较成熟，但是由于外场涂装属于无组织排放，因此相关的监测防控手段并不常见。个别企业会在厂界部署监测装置记录整个船厂的大气浓度值，但是厂界毕竟距离船舶外场涂装区域较远、而且外场排放存在扩散性，一方面导致监测值精准度低，另一方面现有装置不具备预测能力、无法对未来的污染情况实现预判预防。因此本发明设计一种船舶外场涂装大气污染预测方法及系统，预判大气污染趋势，减轻对工人健康和环保的危害。

技术实现思路

1、本发明目的在于解决上述背景技术中提出的问题，提供一种船舶外场涂装大气污染预测方法及系统，明确各站点不同未来工况和气象环境下，大气污染的浓度及变化规律，指导涂装工人科学作业、减少对环境和人员的伤害。

2、为了实现本发明目的，本发明公开了一种船舶外场涂装大气污染预测方法，包括以下步骤：

3、步骤1、对船舶外场涂装现场数据进行采集，并完成数据预处理；

4、步骤2、将特征监测要素的数据在时间、监测站点、环境因素三个维度上进行数据重构，然后数据集按照预设比例划分为训练数据集和测试数据集；

5、步骤3、基于cnn-lstm模型进行数据训练和模型预测，得到船舶外场涂装大气污染浓度预测模型；采用此模型就可预测船舶外场涂装现场未来的大气污染浓度值；

6、步骤4、采用测试数据集进行模型效果检测。

7、进一步地，船舶外场涂装现场主要存在少量打磨和涂装作业，因此要监测和预测的大气污染主要指非甲烷总烃浓度、pm2.5浓度、pm10浓度、tsp浓度；特征数据包括时间、温度、湿度、风速、风向、非甲烷总烃浓度、pm2.5浓度、pm10浓度、tsp浓度、油漆类别、油漆涂装用用量。

8、进一步地，船舶外场涂装现场数据采集包括自动采集和人工采集两种方式；气象数据、大气污染数据、时间以及监测站点数据基于通讯协议自动从船舶外场涂装环境监测装置中读取；油漆、涂装计划以及实际涂装工作量的工况信息由工人手动输入并保存在数据库内。

9、进一步地，数据预处理是由于在大量的历史数据中，可能出现某些数据缺失或出错以及数据不统一的情况，因此对天气中异常数据采用前一小时的均值填充，选用min-max标准化进行归一化处理：

10、

11、其中，x表示指代特征数据集中的元素，xmin表示数据的最小值，xmax表示数据的最大值，x‘为归一化后的数据。

12、进一步地，数据重构是构建了一种考虑时间、监测站点、环境因素的三维矩阵数据表示方法，用于描述不同维度影响因素之间的多重相关性；多重关联数据模型的每个输入都是一个3d矩阵,矩阵的3个维度分别对应气象因素f、监测站点s以及时间t，矩阵包含所有监测终端s种位置监测下在t个历史时间点的f个特征环境因子的值，多重关联数据模型的3d矩阵表示为：

13、stf＝(st,sf,tf)＝<estf>

14、其中，stf表示一个“监测位置-时间-环境要素”的3d矩阵，st、sf、tf分别表示“监测位置-时间”、“监测位置-环境要素”、“时间-环境要素”的二位平面集；estf是一组3d矩阵点，每个点都可以定义为e(s,t,f)，代表历史时间t处的s位置的f个环境因子的值。

15、进一步地，数据训练和模型预测包含一个输入层、一个cnn神经网络层，一个lstm神经网络层和一个输出层，四层之间按顺序连接；将t个fst矩阵输入cnn神经网络进行特征提取，获得t个一维特征向量；然后将t个特征向量输入lstm以提取和分析时间特征关系,最终获得目标条件下的大气污染预测结果。

16、进一步地，lstm网络采用均方误差作为模型的损失函数，采用adam优化算法作为模型优化器，采用平均绝对百分比误差和均方根误差来进行评估模型的预测偏差，经过多次实验，得出较低损失的预测模型，用于船舶外场涂装大气污染预测。

17、为了实现本发明的目的，本发明还公开了一种船舶外场涂装大气污染预测系统，包括通信接口单元、模型训练单元、预测需求输入单元、预测结果输出与显示单元；所述通信接口单元用于采集监测装置的实时监测数据，所述模型训练单元包含大气污染物浓度预测的训练模型，所述预测需求输入单元用于预测所需的自动或手动信息输入，所述预测结果输出与显示单元用于进行预测数据的输出与显示。

18、与现有技术相比，本发明的显著进步在于：基于历史气象及工况和污染浓度数据，通过关系抽取和模型训练，实现未来某时段或某种工况环境下的船舶外场大气污染浓度预测，能够够对大气污染形成有效的防控和科学决策，指导工人在目标环境下进行科学作业、提升涂装质量和环境保护能力。

19、为更清楚说明本发明的功能特性以及结构参数，下面结合附图及具体实施方式进一步说明。

技术特征：

1.一种船舶外场涂装大气污染预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种船舶外场涂装大气污染预测方法，其特征在于，船舶外场涂装现场数据采集包括自动采集和人工采集两种方式；气象数据、大气污染数据、时间以及监测站点数据基于通讯协议自动从船舶外场涂装环境监测装置中读取；油漆、涂装计划以及实际涂装工作量的工况信息由工人手动输入并保存在数据库内。

3.根据权利要求1所述的一种船舶外场涂装大气污染预测方法，其特征在于，所述数据预处理是由于在大量的历史数据中，可能出现某些数据缺失或出错以及数据不统一的情况，因此对天气中异常数据采用前一小时的均值填充，选用min-max标准化进行归一化处理：

4.根据权利要求1所述的一种船舶外场涂装大气污染预测方法，其特征在于，所述数据重构是构建了一种考虑时间、监测站点、环境因素的三维矩阵数据表示方法，用于描述不同维度影响因素之间的多重相关性；多重关联数据模型的每个输入都是一个3d矩阵,矩阵的3个维度分别对应气象因素f、监测站点s以及时间t，矩阵包含所有监测终端s种位置监测下在t个历史时间点的f个特征环境因子的值，多重关联数据模型的3d矩阵表示为：

5.根据权利要求1所述的一种船舶外场涂装大气污染预测方法，其特征在于，所述数据训练和模型预测包含一个输入层、一个cnn神经网络层，一个lstm神经网络层和一个输出层，四层之间按顺序连接；将t个fst矩阵输入cnn神经网络进行特征提取，获得t个一维特征向量；然后将t个特征向量输入lstm以提取和分析时间特征关系,最终获得目标条件下的大气污染预测结果。

6.根据权利要求5所述的一种船舶外场涂装大气污染预测方法，其特征在于，所述lstm网络采用均方误差作为模型的损失函数，采用adam优化算法作为模型优化器，采用平均绝对百分比误差和均方根误差来进行评估模型的预测偏差，经过多次实验，得出较低损失的预测模型，用于船舶外场涂装大气污染预测。

7.一种船舶外场涂装大气污染预测系统，所述系统基于权利要求1-6中任一项所述的一种船舶外场涂装大气污染预测方法，其特征在于，包括通信接口单元、模型训练单元、预测需求输入单元、预测结果输出与显示单元；所述通信接口单元用于采集监测装置的实时监测数据，所述模型训练单元包含大气污染物浓度预测的训练模型，所述预测需求输入单元用于预测所需的自动或手动信息输入，所述预测结果输出与显示单元用于进行预测数据的输出与显示。

技术总结
本发明公开了一种船舶外场涂装大气污染预测方法及系统，该方法包括船舶外场涂装现场数据采集；数据异常值和归一化等预处理；将特征监测要素的数据在时间、监测站点、环境因素三个维度上进行数据重构，然后按照一定比例将数据集划分为训练数据集和测试数据集；基于CNN‑LSTM模型进行数据训练和模型预测，得到船舶外场涂装大气污染浓度预测模型。本发明采用CNN‑LSTM模型进行数据训练和预测，此模型擅长处理时序的、非线性数据，计算结果更加精准；本发明探索了时间、监测测站点、涂装工况以及气象等多重要素对船舶外场涂装大气污染的影响，预测结果更加客观并符合涂装作业人员的学习指导需求，能够指导工人科学作业、助力船舶制造更加环保和绿色化发展。

技术研发人员：刘彩云,武茂浦,朱大鹏,胡昌平,胡翔宇,王超,任加帅,张帅,杨庆,颜丙胜,赵西香,何家健,徐洁,王玉佳,盛东昫,孙进,贾迪
受保护的技术使用者：中国船舶集团有限公司第七一六研究所
技术研发日：
技术公布日：2024/2/6