首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于深度学习的化工园区VOCs污染溯源方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:四川工商学院;四川天府云大数据产业投资有限公司;四川赛霏信息安全技术有限公司

摘要:本发明提供了一种基于深度学习的化工园区VOCs污染溯源方法,包括如下步骤:步骤S1.对污染物的监测数据及气象数据进行预处理;步骤S2.结合污染物化学成分谱并根据预处理后的监测数据,使用深度学习算法对污染物的排放位置及其排放量进行预测;步骤S3.将预测的排放位置、排放量以及预处理后的气象数据代入大气扩散模型,得到预测数据的扩散仿真曲线;步骤S4.将扩散仿真曲线与监测数据的变化曲线进行对比,若两者的相关系数小于阈值,则判定为预测失败;若相关系数大于或等于阈值,则判定为预测成功。

主权项:1.一种基于深度学习的化工园区VOCs污染溯源方法,其特征在于,包括如下步骤:步骤S1.对污染物的监测数据及气象数据进行预处理;步骤S2.结合污染物化学成分谱并根据预处理后的监测数据,使用深度学习算法对污染物的排放位置及其排放量进行预测;步骤S3.将预测的排放位置、排放量以及预处理后的气象数据代入大气扩散模型,得到预测数据的扩散仿真曲线;步骤S4.将扩散仿真曲线与预处理前的监测数据的变化曲线进行对比,若两者的相关系数小于阈值,则判定为预测失败;若相关系数大于或等于阈值,则判定为预测成功;步骤S5.解析溯源结果:将预测的排放位置与化工园区的地图相结合,获得污染物的实际排放位置;将预测的排放量与预处理中得到的量纲相乘,获得污染物的实际排放量;步骤S6.对解析后的溯源结果进行排放物反演,更新污染物化学成分谱;步骤S1包括:步骤S11.对监测数据进行去重、降噪处理;步骤S12.对处理后的监测数据进行数据缺失值和异常值处理:当一行数据中存在8个及以上的缺失值或连续3行的数据在同一个属性上缺失时,直接删除对应的数据;其他情况则使用插值法对监测数据进行插补或校正;步骤S13.对步骤S12处理后的数据进行缩放,缩放公式如下: a为缩放前的数据,a′为缩放后的数据,amin为缩放前的最小值数据,amax为缩放前的最大值数据;步骤S2包括:步骤S21.使用深度学习算法,提取同一时间段内各个监测点的污染物浓度与气象数据之间的关系,该关系即为污染物在当时的扩散规律;步骤S22.根据扩散规律获得污染物分布情况;步骤S23.根据不同时间的污染物分布情况,得到污染物浓度变化情况;步骤S24.根据污染物浓度变化情况结合污染物化学成分谱,得到污染物的预测排放量;步骤S25.根据污染物浓度变化情况得到污染物的预测排放位置;步骤S4中相关系数的计算公式如下: r为相关系数,di为i时刻的监测数据,为t时间内的监测数据的平均值,di′为i时刻的预测数据,为t时间内的预测数据的平均值;步骤S4中,当判定为预测失败后,返回步骤S2,修改深度学习算法中的相关参数并重新预测。

全文数据:

权利要求:

百度查询: 四川工商学院 四川天府云大数据产业投资有限公司 四川赛霏信息安全技术有限公司 一种基于深度学习的化工园区VOCs污染溯源方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

相关技术
相关技术
相关技术