[发明专利]一种提高大气污染模型预测效率的方法

说明书

技术领域

本发明涉及突发性事故的安全与应急处理技术领域，特别是涉及大气污染扩散技术领域，具体为一种提高大气污染模型预测效率的方法。

背景技术

随着经济的发展，工业污染源对大气环境的影响越来越大，造成了严重的环境破坏，对人民的生活环境带来了严重的威胁。然而，对工业现场污染进行实时的动态监测、预测又有很大的困难，不是十分的可行，因此，通过大气污染扩散模型来模拟预测大气污染的扩散应用的很普遍。大气扩散模型是一种时空复合的环境模型，用于描述大气对污染物的输移、扩散和稀释作用，它是进行环境评价和环境预测的有力手段，是评估泄漏危险度和可能泄漏量、分析有毒化学物质大气泄漏事故环境影响的最佳方法。近地大气扩散模拟自20世纪30年代前后就得到发展，至今已发展为数众多的大气扩散模型。

从2009年4月1日起，我国的现行法规模式包括估算模式，AERMOD，ADMS以及CALPUFF模式。20世纪90年代中后期，美国气象学会联合美国环境保护局组建法规模型改善委员会基于最新的大气边界层和大气扩散理论，成功的开发了AERMOD大气扩散模型，以一代新的法规模型替代了原本的ISC模型。AERMOD模型是稳态烟羽模型，评价范围为50km以内，以扩散统计理论为出发点，假设污染物的浓度分布在一定程度上服从高斯分布。该模型由三大部分组成：AERMET模块(气象数据预处理器)、AERMAP模块(地形数据预处理器)以及核心模块AERMOD(扩散模型)。模式系统可用于多种排放源(包括点源、面源和体源)的排放，也适用于乡村环境和城市环境、平坦地形和复杂地形、地面源和高架源等多种排放扩散情形的模拟和预测。其中，该模型适用范围一般为50km以内，并且使用中的地形高程范围必须要大于所选取的评测区域的范围。模型的不足在于：实际中所取DEM高程数据的评测区域范围与污染造成的实际区域(或者实际的评测区域)相比过大，导致了较大的计算量，降低了计算效率。在此之前，凡涉及污染扩散预测方面对模型的应用均严格按照原始模型的设计进行预测应用，至于评测区域的选取并没有明确的依据。目前国内外在林火、降雨的预测方面，根据大量的气象数据，运用机器学习中的非线性回归和支持向量机技术，获得预测模型，取得过不错效果。本专利着眼于：模型本身没有根据历史数据事先通过预测来选取地形高程DEM数据范围选取的功能，因此本专利的创新之处也就在于在原始模型的基础上，受到相关预测方法的启发，运用机器学习当中的多元多项式回归方法，通过大量气象数据训练，建立选取评测区域大小的多元多项式模型，改善以往对评测区域选择依据不明确的弊端，提高模型的预测计算效率。

我国常用大气扩散模型AERMOD原理简介：AERMET的边界层参数数据和廓线数据可以由输入的现场观测数据确定，或由输入的国家气象局常规气象资料(地面数据、探空数据)生成。AERMET廓线数据和边界层廓线数据经过AERMOD中的控制文件引用进入AERMOD系统，计算出相似参数，并对边界层廓线数据进行内插。AERMOD将平均风速、水平向及垂向湍流量脉动、温度梯度、位温、水平拉格朗日时间尺度等输入扩散模式，并计算出AERMAP是简化并标准化AERMOD地形输入数据的地形预处理器，它将输入的各网格点的位置参数(x,y,z)及其地形高度参数(xt,yt,zt)经过计算转化成AERMOD数据处理的地形数据，包括有各个网格点位置参数(x,y,z)及其有效高度值，这些数据用于障碍物周围大气扩散的计算并结合风速u等参数的分布，从而可以进行污染物浓度的分布计算。AERMOD的浓度预测计算。

1)平坦地形条件(即不考虑地形影响)

C(X,Y,Z)=Qu‾py(y,x)pz(z,x)]]>