一种用于大气污染预测的流场数据降阶处理方法和系统与流程

本发明涉及一种用于大气污染预测的流场数据降阶处理方法和系统，属于大气污染预测。

背景技术：

1、在某些工厂或工业园区的正常运行和突发事故中，可能会释放少量的放射性物质以及其他大气污染物，这些污染物的扩散和沉降可能对周边环境以及公众健康构成潜在威胁。因此，精准地监测和预测这些污染物在大气中的传播路径及浓度分布，成为了环境保护和公共安全保障的重要任务。

2、例如，对于核电厂或化工厂，其周边的地理环境一般较为复杂，包含多种地形和建筑物，这些因素会对大气污染物的扩散过程产生显著影响。此外，工厂排放的污染物可能会受到多变的气象条件影响，如风速、风向、温度梯度等，使得其扩散行为更加难以预测。

3、在此背景下，基于计算流体动力学（computational fluid dynamics，以下简称cfd）的数值仿真技术成为研究大气污染物扩散过程的关键工具。

4、进而，中国专利（公告号：cn106650158b）公开了一种基于cfd及多数据源的城市实时全局大气环境估计方法，包括结合城市环境监测站点历史数据、全球中尺度气象预测结果、国家气象数据、城市重点污染源数据、城市地理三维模型及机动车尾气检测系统路面实时监测数据，利用cfd作为计算引擎，根据气象信息自适应切换环境质量模式，采用多尺度网格离散化城市模型，引入多组分污染模型，并考虑气象干湿沉降过程，建立一个针对城市全局空气环境质量实时估计方法。

5、虽然上述方案通过计算流体动力学仿真，能够模拟大气污染物在复杂地形和多变气象条件下的扩散过程，然而，此类数值模拟需要处理大量的数据，计算时间普通较长，内存消耗很大，并且需要较高的硬件配置，因此导致仿真模拟成本很高。

6、进一步，实际应用场景中，对大气污染的预测，往往面临着时间紧、迭代快的挑战，并且需要反复进行大规模的计算流体动力学数值模拟，因此上述大规模数据处理方案，无法实现大气污染的快速预测，不利于大气污染预测方案的实际推广应用。

7、本背景技术中公开的信息仅用于理解本发明构思的背景，因此它可以包括不构成现有技术的信息。

技术实现思路

1、针对上述问题或上述问题之一，本发明的目的一在于提供一种用于大气污染预测的流场数据降阶处理方法和系统，将大规模的原始流场数据分解成离散的块，即不同的子矩阵，每个子矩阵可以分别进行分解计算，这样，每个处理器分配的子矩阵由于规模很小，对于一般配置的计算机也能够进行分解计算，并且通过数据的分布和并行，也能够提升分解计算的速度，从而使得在有限的硬件资源下也能够处理大规模的计算流体动力学仿真数据。同时本发明对每个子矩阵进行奇异值求解，得到流动特征基函数，从而使用少量的基函数，即可准确描述原始流场数据，实现数据降阶目的，进一步减小对计算资源与设备的要求，降低仿真模拟成本。

2、针对上述问题或上述问题之一，本发明的目的二在于提供一种用于大气污染预测的流场数据降阶处理方法和系统，可以有效提高分解计算的效率，缩短了计算时间，从而更快地重建流场数据，实现大气污染的快速预测，并能够显著降低计算时间和内存消耗，适用于各种场景，利于大气污染预测方案的实际推广应用，可以为工厂或园区周边环境的监测和风险评估提供更强有力的技术支持。

3、为实现上述目的之一，本发明的第一种技术方案为：

4、一种用于大气污染预测的流场数据降阶处理方法，包括以下内容：

5、通过先期创建的场景孪生单元，根据某区域的地形及建筑物数据，构建相应的几何网格模型；

6、利用先期创建的空气采样单元，根据某区域的历史气象及气体排放数据，进行样本工况取样，得到空气样本数据；

7、采用先期创建的流场生成单元，将几何网格模型和空气样本数据进行耦合，并进行计算流体动力学仿真计算，得到包含时间演变的快照数据矩阵，作为原始流场数据；

8、使用先期创建的流场分解单元，将快照数据矩阵分解为若干个子矩阵，并对每个子矩阵进行奇异值求解，得到流动特征基函数；

9、基于先期创建的流场降阶重建单元，根据流动特征基函数，构建降阶流场数据，实现用于大气污染预测的流场数据降阶处理。

10、本发明通过创建场景孪生单元、空气采样单元、流场生成单元、流场分解单元、流场降阶重建单元，将大规模的原始流场数据分解成离散的块，即不同的子矩阵，每个子矩阵可以分别进行分解计算，这样，每个处理器分配的子矩阵由于规模很小，对于一般配置的计算机也能够进行分解计算，并且通过数据的分布和并行，也能够提升分解计算的速度，从而使得在有限的硬件资源下也能够处理大规模的计算流体动力学仿真数据。同时本发明对每个子矩阵进行奇异值求解，得到流动特征基函数，从而使用少量的基函数，即可准确描述原始流场数据，实现数据降阶目的，进一步减小对计算资源与设备的要求，降低仿真模拟成本。

11、因此，本发明可以有效提高分解计算的效率，缩短了计算时间，从而更快地重建流场数据，实现大气污染的快速预测，并能够显著降低计算时间和内存消耗，适用于各种场景，利于大气污染预测方案的实际推广应用，可以为工厂或园区周边环境的监测和风险评估提供更强有力的技术支持。

12、作为优选技术措施：

13、通过先期创建的场景孪生单元，根据某区域的地形及建筑物数据，构建相应的几何网格模型的方法如下：

14、所述某区域为某工厂或某园区；

15、获取某工厂或某园区的地形及建筑物数据，其包括周边地形信息和建筑物数据；

16、利用场景孪生单元，对周边地形信息和建筑物数据进行处理，得到几何网格模型，用于表征某区域的空间特征，并作为计算流体动力学仿真模拟的基础。

17、作为优选技术措施：

18、利用先期创建的空气采样单元，根据某区域的历史气象及气体排放数据，进行样本工况取样，得到空气样本数据的方法如下：

19、获取某区域的历史气象及气体排放数据，其包括风速信息、风向信息、气温信息以及污染物排放数据；

20、通过空气采样单元对历史气象及气体排放数据进行采样，确定合理的工况参数取值，得到空气样本数据，作为计算流体动力学仿真的边界输入条件。

21、作为优选技术措施：

22、通过空气采样单元对历史气象及气体排放数据进行采样的方法如下：

23、步骤1，对风速信息、风向信息、气温信息以及污染物排放数据进行处理，得到四个维度；

24、步骤2，将每个维度分割成n个不相交的区间；

25、步骤3，对于每个维度，从其n个区间内随机选择一个数据点，并确保每个区间内的数据点只被采样一次，得到n组数据点；

26、步骤4，对每个维度的n组数据点进行随机排列，以此得到空气样本数据。

27、作为优选技术措施：

28、采用先期创建的流场生成单元，将几何网格模型和空气样本数据进行耦合，并进行计算流体动力学仿真计算，得到包含时间演变的快照数据矩阵的方法如下：

29、基于几何网格模型，并根据大气流场的流动特征，建立位温计算方程，以度量不同高度空气块所含的热量；

30、根据空气样本数据，建立组分运输方程，用于模拟大气污染物的扩散过程；

31、根据位温计算方程和组分运输方程，进行计算流体动力学仿真计算，获取包含时间演变的三维离散数据集；

32、对三维离散数据集进行处理，得到数据快照矩阵。

33、作为优选技术措施：

34、使用先期创建的流场分解单元，将快照数据矩阵分解为若干个子矩阵，并对每个子矩阵进行奇异值求解，得到流动特征基函数的方法如下：

35、将快照数据矩阵按行分解为若干个子矩阵；

36、计算每个子矩阵的协方差矩阵，并对协方差矩阵进行特征值分解，得到降阶协方差矩阵；

37、对降阶协方差矩阵进行奇异值分解，得到特征值；并基于特征值，建立流动特征基函数。

38、作为优选技术措施：

39、对降阶协方差矩阵进行奇异值分解，建立流动特征基函数的方法如下：

40、对降阶协方差矩阵进行奇异值分解，得到若干个奇异值；

41、对若干个奇异值进行排序，并根据预设的精度容差，选取降阶协方差矩阵的截断秩；

42、根据截断秩，对降阶协方差矩阵的奇异值分解结果进行截断，得到新的右奇异矩阵和奇异值矩阵；

43、由于降阶协方差矩阵为对称方阵，以此将新的右奇异矩阵和奇异值矩阵的转置点乘，获得新的组合矩阵；

44、对组合矩阵进行奇异值分解，并对分解得到的矩阵进行截断，得到降阶协方差矩阵的特征值；

45、将特征值与子矩阵上的列向量进行向量乘法计算，得到流动特征基函数。

46、作为优选技术措施：

47、基于先期创建的流场降阶重建单元，根据流动特征基函数，构建降阶流场数据的方法如下：

48、对降阶协方差矩阵进行奇异值分解，得到左奇异值矩阵、奇异值矩阵和右奇异值矩阵；

49、根据左奇异值矩阵，奇异值矩阵，计算特征系数；

50、将流动特征基函数和特征系数相乘，得到流场特征值；

51、将多个流场特征值进行排列，构建降阶流场数据。

52、为实现上述目的之一，本发明的第二种技术方案为：

53、一种用于大气污染预测的流场数据降阶处理方法，包括以下步骤：

54、步骤一，根据某区域的历史气象及气体排放数据，进行样本工况取样，得到空气样本数据；

55、步骤二，将空气样本数据，进行计算流体动力学仿真计算，得到包含时间演变的快照数据矩阵，作为原始流场数据；

56、步骤三，将快照数据矩阵分解为若干个子矩阵，并对每个子矩阵进行并行奇异值求解，得到流动特征基函数；

57、步骤四，根据流动特征基函数，构建降阶流场数据，实现用于大气污染预测的流场数据降阶处理。

58、本发明对原始流场数据进行奇异值求解，得到流动特征基函数，从而使用少量的基函数，即可准确描述原始流场数据，实现数据降阶目的，减小对计算资源与设备的要求，提高了计算效率。

59、为了进一步减小奇异值分解的内存消耗，并提升计算速度，本发明将大规模的原始流场数据分解成离散的块，即不同的子矩阵，每个子矩阵可以分别进行分解计算，这样，每个处理器分配的子矩阵由于规模很小，对于一般配置的计算机也能够进行分解计算，并且通过数据的分布和并行，也能够提升分解计算的速度，从而使得在有限的硬件资源下也能够处理大规模的计算流体动力学仿真数据，因而可以进一步提高分解计算的效率，缩短了计算时间。

60、为实现上述目的之一，本发明的第三种技术方案为：

61、一种用于大气污染预测的流场数据降阶处理系统，其包括：

62、一个或多个处理器；

63、存储装置，用于存储一个或多个程序；

64、当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现上述的一种用于大气污染预测的流场数据降阶处理方法。

65、与现有技术方案相比，本发明具有以下有益效果：

66、本发明将大规模的原始流场数据分解成离散的块，即不同的子矩阵，每个子矩阵可以分别进行分解计算，这样，每个处理器分配的子矩阵由于规模很小，对于一般配置的计算机也能够进行分解计算，并且通过数据的分布和并行，也能够提升分解计算的速度，从而使得在有限的硬件资源下也能够处理大规模的计算流体动力学仿真数据。同时本发明对每个子矩阵进行奇异值求解，得到流动特征基函数，从而使用少量的基函数，即可准确描述原始流场数据，实现数据降阶目的，进一步减小对计算资源与设备的要求。

67、因此，本发明可以有效提高分解计算的效率，缩短了计算时间，从而更快地重建流场数据，并能够显著降低计算时间和内存消耗，适用于各种场景，可以为工厂或园区周边环境的监测和风险评估提供更强有力的技术支持。