[发明专利]大气污染成因分析方法及装置在审
申请号: | 202010545847.3 | 申请日: | 2020-06-15 |
公开(公告)号: | CN111710374A | 公开(公告)日: | 2020-09-25 |
发明(设计)人: | 杨帆;孙明生;易志安;李诗瑶;秦东明 | 申请(专利权)人: | 中科三清科技有限公司 |
主分类号: | G16C20/40 | 分类号: | G16C20/40;G16C20/20;G01N33/00 |
代理公司: | 北京超凡宏宇专利代理事务所(特殊普通合伙) 11463 | 代理人: | 张萌 |
地址: | 100193 北京市海淀*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 大气污染 成因 分析 方法 装置 | ||
1.一种大气污染成因分析方法,其特征在于,所述方法包括:
根据监测到的VOCs的多个物种中每个物种的浓度数据,确定每个所述物种的臭氧生成潜势;
根据VOCs的每个组分所包含的多个物种中每个物种的臭氧生成潜势确定每个组分的臭氧生成潜势占比;
从所述VOCs的多个物种中筛选出臭氧生成潜势排在前N位的第一目标物种;其中,N为不小于1的整数;
对所述VOCs进行污染源解析,确定所述VOCs的污染源数据;
基于每个所述组分的臭氧生成潜势占比、所述第一目标物种以及所述VOCs的污染源数据,确定大气中的污染源。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据每个所述VOCs的组分所包含的多个物种中每个物种的浓度数据,确定每个所述组分的占比;
从所述VOCs的多个物种中筛选出第二目标物种;其中,所述第二目标物种包括浓度数据排在前M位的物种和/或用于指征污染源的物种;其中,M为不小于1的整数;
所述基于每个所述组分的臭氧生成潜势占比、所述第一目标物种以及所述VOCs的污染源数据,确定大气中的污染源的步骤,包括:
基于每个所述组分的占比、所述第一目标物种、每个所述组分的臭氧生成潜势占比、所述第二目标物种以及所述VOCs的污染源数据,确定大气中的污染源。
3.根据权利要求1所述的方法,其特征在于,对所述VOCs进行污染源解析,确定所述VOCs的污染源数据的步骤,包括:
基于物种比值,对所述VOCs进行污染源解析,确定所述VOCs的第一污染源数据;其中,所述物种比值包括苯与甲苯的浓度之比、乙苯与二甲苯的浓度之比或异戊烷与正戊烷的浓度之比。
4.根据权利要求1或3所述的方法,其特征在于,对所述VOCs进行污染源解析,确定所述VOCs的污染源数据的步骤,包括:
基于受体模型,根据每个所述物种的浓度数据对所述VOCs进行污染源解析,确定所述VOCs的第二污染源数据。
5.根据权利要求2所述的方法,其特征在于,所述方法还包括:
分析所述第一目标物种和/或所述第二目标物种在设定时间内的平均浓度数据和浓度变化趋势。
6.一种大气污染成因分析装置,其特征在于,所述装置包括:
第一确定模块,用于根据监测到的VOCs的多个物种中每个物种的浓度数据,确定每个所述物种的臭氧生成潜势;
第二确定模块,用于根据VOCs的每个组分所包含的多个物种中每个物种的臭氧生成潜势确定每个组分的臭氧生成潜势占比;
第一筛选模块,用于从所述VOCs的多个物种中筛选出臭氧生成潜势排在前N位的第一目标物种;其中,N为不小于1的整数;
解析模块,用于对所述VOCs进行污染源解析,确定所述VOCs的污染源数据;
污染源确定模块,用于基于每个所述组分的臭氧生成潜势占比、所述第一目标物种的浓度数据以及所述VOCs的污染源数据,确定大气中的污染源。
7.根据权利要求6所述的装置,其特征在于,所述装置还包括:
第三确定模块,用于根据每个所述VOCs的组分所包含的多个物种中每个物种的浓度数据,确定每个所述组分的占比;
第二筛选模块,用于从所述VOCs的多个物种中筛选出第二目标物种;其中,所述第二目标物种包括浓度数据排在前M位的物种和/或用于指征污染源的物种;其中,M为不小于1的整数;
所述污染源确定模块还用于:
基于每个所述组分的占比、所述第一目标物种的浓度数据、每个所述组分的臭氧生成潜势占比、所述第二目标物种的浓度数据以及所述VOCs的污染源数据,确定大气中的污染源。
8.根据权利要求6所述的装置,其特征在于,所述解析模块还用于:
基于物种比值,对所述VOCs进行污染源解析,确定所述VOCs的第一污染源数据;其中,所述物种比值包括苯与甲苯的浓度之比、乙苯与二甲苯的浓度之比或异戊烷与正戊烷的浓度之比。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中科三清科技有限公司,未经中科三清科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010545847.3/1.html,转载请声明来源钻瓜专利网。