企业边界大气污染物浓度分布状况检测方法及装置与流程

1.本发明涉及环境监测技术领域，具体地，涉及一种企业边界大气污染物浓度分布状况检测方法和一种企业边界大气污染物浓度分布状况检测装置。


背景技术：

2.近年来，随着现代物理学、光学、化学研究、电子学、空间科学以及计算机技术的进步，各种环境监测技术取得了突飞猛进的进步。因光学遥感技术具有空间性、实时性、监测范围广、获取信息量大、探测周期短、操作便捷等特点，被广泛的应用到环境监测中。随着城市化水平的提高、企业的蓬勃发展、环境问题的加剧，光学遥感技术已经成为不可或缺的监测手段。
3.然而在企业边界大气污染物排放自动化监测方面，由于光学遥感监测技术在研究气体组分或颗粒物空间分布上仅能获得光路积分浓度，不能直接反应待测组分的气体浓度在空间的分布，无法实现大气污染物排放自动化监测，严重限制了光学遥感监测技术的工业化应用。


技术实现要素：

4.针对现有技术中无法实现大气污染物排放自动化监的技术问题，本发明提供了一种企业边界大气污染物浓度分布状况检测方法和一种企业边界大气污染物浓度分布状况检测装置，采用该方法能够实现光路积分浓度的精准解析，提高了解析结果的准确度和稳定性，实现了大气污染物排放的自动化监测。
5.为实现上述目的，本发明一方面提供一种企业边界大气污染物浓度分布状况检测方法，所述检测方法包括：获取多个检测点的检测光路积分浓度和位置信息，所述多个检测点沿企业下风向边界设置；根据多个检测点的检测光路积分浓度、多个检测点的位置信息以及预设的光路积分浓度解析模型，通过高斯拟合建立大气污染物浓度分布模型；根据所述大气污染物浓度分布模型确定所述企业边界大气污染物浓度分布状况。
6.进一步地，所述检测方法还包括：获取所述多个检测点的气象参数；根据多个检测点的气象参数对所述多个检测点的检测光路积分浓度进行数据筛选；根据多个检测点的筛选后的检测光路积分浓度、多个检测点的位置信息以及所述光路积分浓度解析模型，通过高斯拟合建立所述大气污染物浓度分布模型。
7.进一步地，所述根据多个检测点的筛选后的检测光路积分浓度、多个检测点的位置信息以及所述光路积分浓度解析模型，通过高斯拟合建立所述大气污染物浓度分布模型，包括：根据多个检测点的筛选后的检测光路积分浓度、多个检测点的位置信息以及所述光路积分浓度解析模型，计算所述光路积分浓度解析模型的拟合参数；根据所述拟合参数确定拟合光路积分浓度；根据所述拟合光路积分浓度和多个检测点的筛选后的检测光路积分浓度计算高斯拟合的校验系数；根据高斯拟合的校验系数确定该校验系数对应的大气污染物浓度分布模型。
8.进一步地，所述根据多个检测点的筛选后的检测光路积分浓度、多个检测点的位置信息以及所述光路积分浓度解析模型，计算所述光路积分浓度解析模型的拟合参数，包括：将多个检测点的筛选后的检测光路积分浓度和多个检测点的位置信息代入所述光路积分浓度解析模型，得到：
[0009][0010]
其中，s为光路积分浓度解析模型，pici为筛选后的第i个检测点与光学遥感监测设备主机之间的光路积分浓度，x为某监测光路某点位与第一个检测点之间的距离，xi为第i个检测点与第1个检测点之间的距离，x
t
为光学遥感监测设备主机与第1个检测点之间的距离，当光学遥感监测设备主机位于第一个检测点时，x
t
＝0；以s＝0为约束条件，计算得到拟合参数b1、b2、u1、u2、σ1和σ2的值。
[0011]
进一步地，通过以下方式确定拟合光路积分浓度：
[0012][0013]
其中，g_pici为拟合光路积分浓度，b1、b2、u1、u2、σ1和σ2为拟合参数。
[0014]
进一步地，所述根据所述拟合光路积分浓度和多个检测点的筛选后的检测光路积分浓度计算高斯拟合的校验系数，包括：根据多个检测点的筛选后的检测光路积分浓度计算多个检测点的筛选后的检测光路积分浓度的标准差；根据多个检测点的拟合光路积分浓度计算多个检测点的拟合光路积分浓度的标准差；根据所述筛选后的检测光路积分浓度的标准差和所述拟合光路积分浓度的标准差确定所述高斯拟合的校验系数：
[0015][0016]
其中，fc为高斯拟合的校验系数，s1为筛选后的检测光路积分浓度的标准差，s2为拟合光路积分浓度的标准差，r为pearson相关系数。
[0017]
进一步地，所述根据高斯拟合的校验系数确定该校验系数对应的大气污染物浓度分布模型c
(x)
，包括：在fc＞0.9的情况下，所述大气污染物浓度分布模型为：
[0018][0019]
在0.8＜fc＜0.9的情况下，进行多项式拟合：
[0020]
在xi＞x
t
的情况下：
[0021][0022]
在xi＜x
t
的情况下：
[0023][0024]
以为约束条件，计算得到参数a、b、c、d、e的值；
[0025]
构建所述大气污染物浓度分布模型：
[0026][0027]
本发明另一方面提供一种企业边界大气污染物浓度分布状况检测装置，所述企业边界大气污染物浓度分布状况检测装置包括：获取模块，用于获取多个检测点的检测光路积分浓度和位置信息，所述多个检测点沿企业下风向边界设置；高斯拟合模块，用于根据多个检测点的检测光路积分浓度、多个检测点的位置信息以及预设的光路积分浓度解析模型，通过高斯拟合建立大气污染物浓度分布模型；确定模块，用于根据所述大气污染物浓度分布模型确定所述企业边界大气污染物浓度分布状况。
[0028]
进一步地，所述获取模块还用于获取所述多个检测点的气象参数；所述装置还包括：数据筛选模块，用于根据多个检测点的气象参数对所述多个检测点的检测光路积分浓度进行数据筛选；所述高斯拟合模块还用于根据多个检测点的筛选后的检测光路积分浓度、多个检测点的位置信息以及所述光路积分浓度解析模型，通过高斯拟合建立所述大气污染物浓度分布模型。
[0029]
进一步地，所述根据多个检测点的筛选后的检测光路积分浓度、多个检测点的位置信息以及所述光路积分浓度解析模型，通过高斯拟合建立所述大气污染物浓度分布模型，包括：根据多个检测点的筛选后的检测光路积分浓度、多个检测点的位置信息以及所述光路积分浓度解析模型，计算所述光路积分浓度解析模型的拟合参数；根据所述拟合参数确定拟合光路积分浓度；根据所述拟合光路积分浓度和多个检测点的筛选后的检测光路积分浓度计算高斯拟合的校验系数；根据高斯拟合的校验系数确定该校验系数对应的大气污染物浓度分布模型。
[0030]
进一步地，所述根据多个检测点的筛选后的检测光路积分浓度、多个检测点的位置信息以及所述光路积分浓度解析模型，计算所述光路积分浓度解析模型的拟合参数，包括：将多个检测点的筛选后的检测光路积分浓度和多个检测点的位置信息代入所述光路积分浓度解析模型，得到：
[0031][0032]
其中，s为光路积分浓度解析模型，pici为筛选后的第i个检测点与光学遥感监测设备主机之间的光路积分浓度，x为某监测光路某点位与第一个检测点之间的距离，xi为第i个检测点与第1个检测点之间的距离，x
t
为光学遥感监测设备主机与第1个检测点之间的距离，当光学遥感监测设备主机位于第一个检测点时，x
t
＝0；
[0033]
以s＝0为约束条件，计算得到拟合参数b1、b2、u1、u2、σ1和σ2的值。
[0034]
进一步地，通过以下方式确定所述拟合光路积分浓度：
[0035][0036]
其中，g_pici为拟合光路积分浓度，b1、b2、u1、u2、σ1和σ2为拟合参数。
[0037]
进一步地，所述根据所述拟合光路积分浓度和多个检测点的筛选后的检测光路积分浓度计算高斯拟合的校验系数，包括：根据多个检测点的筛选后的检测光路积分浓度计算多个检测点的筛选后的检测光路积分浓度的标准差；根据多个检测点的拟合光路积分浓度计算多个检测点的拟合光路积分浓度的标准差；根据所述筛选后的检测光路积分浓度的标准差和所述拟合光路积分浓度的标准差确定所述高斯拟合的校验系数：
[0038][0039]
其中，fc为高斯拟合的校验系数，s1为筛选后的检测光路积分浓度的标准差，s2为拟合光路积分浓度的标准差，r为pearson相关系数。
[0040]
进一步地，所述根据高斯拟合的校验系数确定该校验系数对应的大气污染物浓度分布模型c
(x)
，包括：在fc＞0.9的情况下，所述大气污染物浓度分布模型为：
[0041][0042]
在0.8＜fc＜0.9的情况下，进行多项式拟合：
[0043]
在xi＞x
t
的情况下：
[0044][0045]
在xi＜x
t
的情况下：
[0046]
[0047]
以为约束条件，计算得到参数a、b、c、d、e的值；
[0048]
构建所述大气污染物浓度分布模型：
[0049][0050]
通过本发明提供的技术方案，本发明至少具有如下技术效果：
[0051]
本发明的企业边界大气污染物浓度分布状况检测方法，沿企业下风向边界设置多个检测点，获取多个检测点的检测光路积分浓度和位置信息，根据多个检测点的检测光路积分浓度、多个检测点的位置信息以及预设的光路积分浓度解析模型，通过高斯拟合建立大气污染物浓度分布模型，利用大气污染物浓度分布模型确定企业边界大气污染物浓度分布状况。通过本发明提供的方法，显著提高了光学遥感监测的空间分辨率，可实现光路积分浓度的精准解析，提高了解析结果的准确度和稳定性，实现了大气污染物排放的自动化监测。
[0052]
本发明的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
[0053]
图1为本发明实施例提供的企业边界大气污染物浓度分布状况检测方法的流程图；
[0054]
图2为本发明实施例提供的企业边界大气污染物浓度分布状况检测方法中多个检测点的布设示意图；
[0055]
图3为本发明实施例提供的企业边界大气污染物浓度分布状况检测装置的示意图。
具体实施方式
[0056]
以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明实施例，并不用于限制本发明实施例。
[0057]
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
[0058]
在本发明中，在未作相反说明的情况下，使用的方位词如“上、下、顶、底”通常是针对附图所示的方向而言的或者是针对竖直、垂直或重力方向上而言的各部件相互位置关系描述用词。
[0059]
下面将参考附图并结合实施例来详细说明本发明。
[0060]
请参考图1和图2，本发明实施例一方面提供一种企业边界大气污染物浓度分布状况检测方法，所述检测方法包括：获取多个检测点的检测光路积分浓度和位置信息，所述多个检测点沿企业下风向边界设置；根据多个检测点的检测光路积分浓度、多个检测点的位置信息以及预设的光路积分浓度解析模型，通过高斯拟合建立大气污染物浓度分布模型；根据所述大气污染物浓度分布模型确定所述企业边界大气污染物浓度分布状况。
[0061]
具体地，本发明实施方式中，以激光测距仪等多种手段获取企业下风向边界的边
界长度l。根据待测企业的储存物料、运行工艺及可能存在的泄露源，明确待测企业所排放的污染物的主要成分，并结合企业边界长度以及对于监测设备灵敏度的需求确定相应的光学遥感监测设备，比如针对石化企业无组织排放的挥发性有机物类物质可选用遥感傅里叶变换红外光谱仪。
[0062]
然后，对待测企业所在位置及周围地形进行实地考察，确定待测企业主导风向下风向处有足够空间，以保证待测企业下风向附近能够架设光学遥感监测设备和角锥反光镜。将待测企业n倍的边界长度n*l均匀划分为i段，将光学遥感监测设备和角锥反光镜设置在i+1个检测点处，光学遥感监测设备可获取i条光路积分浓度监测数据，得到多个检测点的检测光路积分浓度，再根据每个检测点与光学遥感监测设备之间的距离和预先设定的光路积分浓度解析模型，通过高斯拟合建立大气污染物浓度分布模型，根据大气污染物浓度分布模型确定企业边界大气污染物浓度分布状况。
[0063]
本发明实施方式中，i条光路积分浓度监测数据可通过依次循环监测获取，光学遥感监测设备和角锥反光镜可以多次重复布设，以保证能获取到充分反映企业边界污染物浓度分布状况的i条光路积分浓度监测数据。为保证充分获取代表待测企业边界大气污染物排放浓度分布状况的光路积分浓度，i》5。进一步地，i＝6，n＝5/3。请参考图2，图2中o1和o2为两个端点，a
1-a5为均匀划分n*l的节点。
[0064]
根据本发明提供的检测方法，能够提高光学遥感监测的空间分辨率，实现光路积分浓度的精准解析，提高解析结果的准确度和稳定性，实现大气污染物排放的自动化监测。
[0065]
进一步地，所述检测方法还包括：获取所述多个检测点的气象参数；根据多个检测点的气象参数对所述多个检测点的检测光路积分浓度进行数据筛选；根据多个检测点的筛选后的检测光路积分浓度、多个检测点的位置信息以及所述光路积分浓度解析模型，通过高斯拟合建立所述大气污染物浓度分布模型。
[0066]
具体地，本发明实施方式中，气象参数主要通过在待测企业边界中心位置附近架设的气象站得到，气象站的架设高度为10米且不受待测企业及周围建筑物的遮挡。获取气象参数主要包括检测点的光路积分浓度获取过程中的主导风向以及对应的平均风速。从风向、风速等角度对多个检测点的检测光路积分浓度进行数据筛选，去除风速或风向相差较大的多个检测点的光路积分浓度。然后根据多个检测点的筛选后的检测光路积分浓度、多个检测点的位置信息以及光路积分浓度解析模型，通过高斯拟合建立大气污染物浓度分布模型。本发明实施方式中，同一组多个检测点的风向角度差异小于等于10
°
，或者风速差异小于等于1m/s且风向与主导风向之间的夹角小于等于55
°
。
[0067]
根据本发明提供的检测方法，能够对光路积分浓度数据进行预处理，消除因时间分辨率所带来的数据差异性，保证高斯拟合的数据质量，提高污染物浓度分布计算的准确性。
[0068]
进一步地，所述根据多个检测点的筛选后的检测光路积分浓度、多个检测点的位置信息以及所述光路积分浓度解析模型，通过高斯拟合建立所述大气污染物浓度分布模型，包括：根据多个检测点的筛选后的检测光路积分浓度、多个检测点的位置信息以及所述光路积分浓度解析模型，计算所述光路积分浓度解析模型的拟合参数；根据所述拟合参数确定拟合光路积分浓度；根据所述拟合光路积分浓度和多个检测点的筛选后的检测光路积分浓度计算高斯拟合的校验系数；根据高斯拟合的校验系数确定该校验系数对应的大气污
染物浓度分布模型。
[0069]
具体地，本发明实施方式中，将多个检测点的筛选后的检测光路积分浓度和多个检测点的位置信息代入预设的光路积分浓度解析模型，得到：
[0070][0071]
其中，s为光路积分浓度解析模型，pici为筛选后的第i个检测点与光学遥感监测设备主机之间的光路积分浓度，x为某监测光路某点位与第一个检测点之间的距离，xi为第i个检测点与第1个检测点之间的距离，x
t
为光学遥感监测设备主机与第1个检测点之间的距离，当光学遥感监测设备主机位于第一个检测点时，x
t
＝0；以s＝0为约束条件，计算得到拟合参数b1、b2、u1、u2、σ1和σ2的值。
[0072]
进一步地，将拟合参数b1、b2、u1、u2、σ1和σ2的值代入下面的公式得到拟合光路积分浓度：
[0073][0074]
其中，g_pici为拟合光路积分浓度，b1、b2、u1、u2、σ1和σ2为拟合参数。
[0075]
进一步地，根据多个检测点的筛选后的检测光路积分浓度计算多个检测点的筛选后的检测光路积分浓度的标准差s1：
[0076][0077]
式中pici取pic
1-pic6，为pic
1-pic6的平均值，l＝6为n倍的边界长度n*l被均匀划分的段数。
[0078]
根据多个检测点的拟合光路积分浓度计算多个检测点的拟合光路积分浓度的标准差s2：
[0079][0080]
式中g_pici取g_pic
1-g_pic6，为g_pic1_g_pic6的平均值，l＝6为n倍的边界长度n*l被均匀划分的段数。
[0081]
然后，根据筛选后的检测光路积分浓度的标准差s1和拟合光路积分浓度的标准差s2确定所述高斯拟合的校验系数：
[0082][0083]
其中，fc为高斯拟合的校验系数，r为pearson相关系数。
[0084]
在fc＜0.8的情况下，表示说明多个检测点的光路积分浓度由时间分辨率所造成的差异性过大，不适合作为同一组数据处理，当舍弃该组数据，重新利用筛选后的下一组光路积分浓度数据进行高斯拟合。
[0085]
在fc＞0.9的情况下，表示光路积分浓度解析模型的高斯拟合良好，确定大气污染物浓度分布模型为：
[0086][0087]
在0.8＜fc＜0.9的情况下，表示光路积分浓度解析模型的高斯拟合较好，但仍需对光路积分浓度解析模型进一步优化。
[0088]
进行多项式拟合：
[0089]
在xi＞x
t
的情况下：
[0090][0091]
在xi＜x
t
的情况下：
[0092][0093]
以为约束条件，计算得到参数a、b、c、d、e的值；构建大气污染物浓度分布模型：
[0094][0095]
根据大气污染物浓度分布模型确定企业边界任一位置的大气污染物浓度。
[0096]
如果待测企业下风向边界大气污染物浓度分布较为集中，按照上述方法获取到的浓度分布曲线波峰宽度较窄，则浓度分布信息获取不足够充分，可以在上述方法的基础上，在获取待测企业下风向边界大气污染物浓度分布状况后，计算出浓度分布集中区域浓度曲线的拐点，在拐点处增设角锥反光镜，进一步提高所获取的待测企业下风向边界大气污染物排放浓度分布状况的准确度。此外，也可以不增加角锥反光镜，仅对角锥反光镜的位置进行调整，将一面或两面角锥反光镜移至拐点，其它角锥反光镜仍然均匀分布，也可达到该效果。
[0097]
请参考图3，本发明另一方面提供一种企业边界大气污染物浓度分布状况检测装置，所述企业边界大气污染物浓度分布状况检测装置包括：获取模块，用于获取多个检测点的检测光路积分浓度和位置信息，所述多个检测点沿企业下风向边界设置；高斯拟合模块，用于根据多个检测点的检测光路积分浓度、多个检测点的位置信息以及预设的光路积分浓度解析模型，通过高斯拟合建立大气污染物浓度分布模型；确定模块，用于根据所述大气污
染物浓度分布模型确定所述企业边界大气污染物浓度分布状况。
[0098]
进一步地，所述获取模块还用于获取所述多个检测点的气象参数；所述装置还包括：数据筛选模块，用于根据多个检测点的气象参数对所述多个检测点的检测光路积分浓度进行数据筛选；所述高斯拟合模块还用于根据多个检测点的筛选后的检测光路积分浓度、多个检测点的位置信息以及所述光路积分浓度解析模型，通过高斯拟合建立所述大气污染物浓度分布模型。
[0099]
进一步地，所述根据多个检测点的筛选后的检测光路积分浓度、多个检测点的位置信息以及所述光路积分浓度解析模型，通过高斯拟合建立所述大气污染物浓度分布模型，包括：根据多个检测点的筛选后的检测光路积分浓度、多个检测点的位置信息以及所述光路积分浓度解析模型，计算所述光路积分浓度解析模型的拟合参数；根据所述拟合参数确定拟合光路积分浓度；根据所述拟合光路积分浓度和多个检测点的筛选后的检测光路积分浓度计算高斯拟合的校验系数；根据高斯拟合的校验系数确定该校验系数对应的大气污染物浓度分布模型。
[0100]
进一步地，所述根据多个检测点的筛选后的检测光路积分浓度、多个检测点的位置信息以及所述光路积分浓度解析模型，计算所述光路积分浓度解析模型的拟合参数，包括：将多个检测点的筛选后的检测光路积分浓度和多个检测点的位置信息代入所述光路积分浓度解析模型，得到：
[0101][0102]
其中，s为光路积分浓度解析模型，pici为筛选后的第i个检测点与光学遥感监测设备主机之间的光路积分浓度，x为某监测光路某点位与第一个检测点之间的距离，xi为第i个检测点与第1个检测点之间的距离，x
t
为光学遥感监测设备主机与第1个检测点之间的距离，当光学遥感监测设备主机位于第一个检测点时，x
t
＝0；
[0103]
以s＝0为约束条件，计算得到拟合参数b1、b2、u1、u2、σ1和σ2的值。
[0104]
进一步地，通过以下方式确定所述拟合光路积分浓度：
[0105][0106]
其中，g_pici为拟合光路积分浓度，b1、b2、u1、u2、σ1和σ2为拟合参数。
[0107]
进一步地，所述根据所述拟合光路积分浓度和多个检测点的筛选后的检测光路积分浓度计算高斯拟合的校验系数，包括：根据多个检测点的筛选后的检测光路积分浓度计算多个检测点的筛选后的检测光路积分浓度的标准差；根据多个检测点的拟合光路积分浓度计算多个检测点的拟合光路积分浓度的标准差；根据所述筛选后的检测光路积分浓度的
标准差和所述拟合光路积分浓度的标准差确定所述高斯拟合的校验系数：
[0108][0109]
其中，fc为高斯拟合的校验系数，s1为筛选后的检测光路积分浓度的标准差，s2为拟合光路积分浓度的标准差，r为pearson相关系数。
[0110]
进一步地，所述根据高斯拟合的校验系数确定该校验系数对应的大气污染物浓度分布模型c
(x)
，包括：在fc＞0.9的情况下，所述大气污染物浓度分布模型为：
[0111][0112]
在0.8＜fc＜0.9的情况下，进行多项式拟合：
[0113]
在xi＞x
t
的情况下：
[0114][0115]
在xi＜x
t
的情况下：
[0116][0117]
以为约束条件，计算得到参数a、b、c、d、e的值；构建所述大气污染物浓度分布模型：
[0118][0119]
以上结合附图详细描述了本发明的优选实施方式，但是，本发明并不限于上述实施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种简单变型，这些简单变型均属于本发明的保护范围。
[0120]
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，为了避免不必要的重复，本发明对各种可能的组合方式不再另行说明。
[0121]
此外，本发明的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明的思想，其同样应当视为本发明所公开的内容。