[发明专利]一种基于深度学习的化工园区VOCs污染溯源方法

说明书

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。

技术领域

本发明涉及园区大气污染物溯源技术领域，更具体地涉及一种基于深度学习的化工园区VOCs污染溯源方法。

背景技术

在我国，VOCs是指常温下饱和蒸汽压大于70Pa、常压下沸点在260℃以下的有机化合物，或在20℃条件下，蒸汽压大于或者等于10Pa且具有挥发性的全部有机化合物。VOCs对人体健康和自然环境的影响主要表现在以下两方面：(1)部分工业源排放的VOCs，如苯、甲苯、二甲苯等，对人的皮肤系统、呼吸系统、视觉系统等有刺激作用，对内脏及神经系统产生有害影响，造成中毒，甚至具有致癌、致畸、致突变性；(2)VOCs的成分极为复杂，容易引发光化学烟雾污染，危害人类和植物健康；且部分VOCs，如卤代烃类，会与臭氧发生循环链式反应，破坏臭氧层，影响全球环境。

VOCs污染治理过程中，化工园区的VOCs污染防治工作一直是重点关注的部分。由于化工园区中的VOCs污染物种类繁多、污染物排放时间和排放量不固定的特点，一旦发生突发性VOCs污染事件，将会对大气环境造成巨大的影响。而在化工园区的大气污染防治过程中，污染物的溯源工作无疑是重要的一环，如果无法找到污染源及其污染物排放量，那么后续的治理工作更是无从谈起。

在化工园区的突发性VOCs污染事件中，也许还会出现不止一个污染源的情况，面对如此复杂的大气环境，现有的大气污染溯源方法很难达到预期的效果，而且目前针对园区的VOCs污染溯源方法较少，都不能很好地满足溯源的需要。因此，有必要提供一种基于深度学习的化工园区VOCs污染溯源方法。

发明内容

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，以满足上述需求。

本发明所采用的技术方案是：

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。

作为优选，所述方法还包括：

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。

作为优选，所述方法还包括：

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。

作为优选，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；