[发明专利]一种基于周期分析和滤波技术的污染减排效果评估方法

说明书

本发明提供了一种基于周期分析和滤波技术的污染减排效果评估方法，包括如下步骤，1)气象要素的选择及时间序列分解；选择KZ滤波或小波变换，将选择的气象因子的时间序列分解；2)污染物浓度与气象因子之间的关系建模；利用BP神经网络，分别就短期分量尺度和基线尺度，建立气象因子与污染物浓度之间的关系模型；3)基于气象调整的污染物浓度时间序列重建；4)通过比较重建前后的污染物浓度时间序列变化，反映出气象因素对污染控制有效性的影响。本发明实现了将混杂在污染物浓度中的气象信息与污染源信息分离，而后分别估算污染源变化和气象条件二者对环境质量的影响程度。可以实现污染减排效果的定量评估。

技术领域

本发明属于大气污染防治技术领域，尤其是涉及一种基于周期分析和滤波技术的污染减排效果评估方法。

背景技术

大气污染控制实施后的环境效果在很大程度上取决于同期的气象条件，当有利于污染物扩散的气象条件出现较频繁时，污染控制的环境效果就显著，而当抑制大气扩散的气象条件出现的频率超过一定限值后，污染控制的环境效果会不显著，甚至有可能出现控制后的环境浓度较控制前还高的反常情况。

大气污染物浓度的时间序列中包含两类信息：一是污染源的影响；二是气象条件的影响；气象条件变化引起的空气污染物浓度变化的幅度往往大于由污染源排放变化引起的浓度变化的幅度，污染源排放变化的信息往往被“掩盖”。

为了检验大气污染控制是否有效，需要了解仅由污染源排放变化所致的污染物浓度变化趋势。这就必须建立适当的方法，先将混杂在污染物浓度中的气象信息与污染源信息分离，而后分别估算污染源变化和气象条件二者对环境质量的影响程度。

目前评估气象要素对颗粒物大气污染控制有效性的影响，主要是利用数值模拟方法。数值模拟一般是假设排放源不变条件下，分别利用拟评估时段(年、季等)的气象要素及基准气象要素进行模拟计算，对比分析两者数值模拟的污染物浓度差异，认为是评估时段气象要素对污染物环境浓度变化的影响和贡献。此种方法是基于数值模式计算，计算时间长，且受排放源清单和模式中化学机制的不确定性影响。

发明内容

有鉴于此，本发明的目的是克服以上方法在应用过程中的局限性，基于长时间序列污染物浓度变化周期分析和滤波技术分别定量评估污染减排和气象要素对空气质量变化的贡献。特别涉及大气环境改善中减排和气象贡献的定量评估方法。

为达到上述目的，本发明的技术方案是这样实现的：

一种基于周期分析和滤波技术的污染减排效果评估方法，包括如下步骤，

1)气象要素的选择及时间序列分解；选择KZ滤波或小波变换，将选择的气象因子的时间序列分解；

2)污染物浓度与气象因子之间的关系建模；利用BP神经网络，分别就短期分量尺度和基线尺度，建立气象因子与污染物浓度之间的关系模型；

3)基于气象调整的污染物浓度时间序列重建；

4)通过比较重建前后的污染物浓度时间序列变化，反映出气象因素对污染控制有效性的影响。

优选的，步骤1)中，选择KZ滤波或小波变换，将选择的气象因子的时间序列分解为短期分量、季节分量及长期分量，各分量的尺度(或频段)选择与污染物浓度时间序列分解时相同；

M(t)＝MW(t)+MS(t)+Me(t) (1)

式中，M(t)、MW(t)、MS(t)及Me(t)分别表示分解前的气象因子时间序列及分解后的短期分量、季节分量和长期分量。