[发明专利]一种基于车载系统测量强点源碳排放的方法

权利要求书

1.一种基于车载系统测量强点源碳排放的方法，其特征在于，包括如下步骤：

步骤1，通过车载系统测量必要观测信息，包括车载系统实时GNSS定位信息、CO2浓度信息、大气观测信息；

步骤2，根据先验强点源排放信息，获取高斯烟羽模型所需信息，建立新坐标系，将步骤1输出的CO2浓度的坐标转换到新坐标系下；

步骤2中所述高斯烟羽模型由公式1给出：

其中C(x,y,z)为(x,y,z)坐标处的CO2浓度，(x,y,z)为步骤2所建立的新坐标系下的坐标值，C(x,y,z)为该坐标系下测量的CO2浓度，q为强点源的排放强度，u为风速，H为强点源处的碳排放的有效排放高度，σ_y和σ_z分别为水平扩散参数和垂直扩散参数，其中σ_y＝a·x^b、σ_z＝c·x^d，a和b为水平扩散系数，c和d为垂直扩散系数，α为地面反射系数，B为背景CO2浓度，在本式中，C(x,y,z)和u为已知值，待求解量为(q,H,a,b,c,d,B,α,z)；

步骤3，根据步骤2输出的新坐标系下的CO2浓度测量值及风速，分别以相关系数以及均方根误差作为适应函数，计算高斯烟羽模型未知参数对应的可行域1、可行域2以及初始值1和初始值2，所述可行域1表示通过相关性系数计算方式计算得到的未知参数的最小值与最大值，所述可行域2表示通过均方根误差计算方式计算得到的未知参数的最小值与最大值，初始值1和初始值2分别表示通过相关性系数和均方根误差计算方式计算得到的未知参数的均值；

步骤3中通过蚁群算法计算高斯烟羽模型未知参数的最优估计值，蚁群算法是一种在给定信息素条件下存在求解全局最优解(q,H,a,b,c,d,B,α,z)的智能算法，其原理为：

首先随机产生若干个起始点初始化未知数参量[q_i,H_i,a_i,b_i,c_i,d_i,B_i,α_i,z_i]，根据每个未知数参量计算该参量的信息素τ；

根据相关性计算的第i个参量[q_i,H_i,a_i,b_i,c_i,d_i,B_i,α_i,z_i]的信息素τ_1i由公式2给出；

其中C_i(x_j,y_j,z_j)'为第i个参量在高斯烟羽模型下所计算出在(x_j,y_j,z_j)处的CO2浓度，n为测量值的总数量，Var为方差；

根据均方根误差所计算出的第i个参量[q_i,H_i,a_i,b_i,c_i,d_i,B_i,α_i,z_i]的信息素τ_2i由公式3给出；

之后，根据两种不同计算方式的信息素分别计算两种不同计算方式下的状态转移概率；

其中P_i¹为以相关性作为信息素计算方式下第i个参量的转移概率，P_i²为以均方根误差作为信息素计算方式下第i个参量的转移概率，τ₁为τ_1i的集合，τ₂为τ_2i的集合；

根据转移概率与信息素的比较，可以计算出第i个参量在iter+1迭代数下的数值，当第i个参量的信息素小于其转移概率时，第i个参量在iter+1迭代数下的数值由公式6给出，否则以公式7给出；

[q_i,H_i,a_i,b_i,c_i,d_i,B_i,α_i,z_i]^iter+1＝[q_i,H_i,a_i,b_i,c_i,d_i,B_i,α_i,z_i]^iter+r₁·step·λ (6)

[q_i,H_i,a_i,b_i,c_i,d_i,B_i,α_i,z_i]^iter+1＝[q_i,H_i,a_i,b_i,c_i,d_i,B_i,α_i,z_i]^iter+r₂·range (7)

其中，r₁为介于[-1,1]的随机数，step为局部搜索步长，λ为当前迭代次数iter的倒数，r₂为[-0.5,0.5]的随机数，range为自变量[q,H,a,b,c,d,B,α,z]的区间大小；

计算更新后参量的信息素τ^(iter+1)'，若其小于τ^iter，则参量不进行更改；其中Rho为挥发因子，可根据先验知识设置；

τ^(iter+1)'＝(1-Rho)·τ^iter+τ^iter+1 (8)

等待蚁群算法在设定迭代次数中迭代完毕之后，可获得蚁群算法在本次迭代中的最优估计值[q,H,a,b,c,d,B,α,z]；分别获取两种不同信息素计算方式下的各组最优估计值，分别对其求均值、最小值和最大值，便可输出可行域1的下界X_l1＝[q_l1,H_l1,a_l1,b_l1,c_l1,d_l1,B_l1,α_l1,z_l1]，即通过相关性计算方式计算得到的最优估计值的最小值，上界X_u1＝[q_u1,H_u1,a_u1,b_u1,c_u1,d_u1,B_u1,α_u1,z_u1]，即通过相关性计算方式计算得到的最优估计值的最大值，可行域2的下界X_l2＝[q_l2,H_l2,a_l2,b_l2,c_l2,d_l2,B_l2,α_l2,z_l2]，即通过均方根误差计算方式计算得到的最优估计值的最小值，上界X_u2＝[q_u2,H_u2,a_u2,b_u2,c_u2,d_u2,B_u2,α_u2,z_u2]，即通过均方根误差计算方式计算得到的最优估计值的最大值，初始解1X₁₀＝[q₁₀,H₁₀,a₁₀,b₁₀,c₁₀,d₁₀,B₁₀,α₁₀,z₁₀]，即通过相关性计算方式计算得到的最优估计值的均值，初始解2X₂₀＝[q₂₀,H₂₀,a₂₀,b₂₀,c₂₀,d₂₀,B₂₀,α₂₀,z₂₀]，即通过均方根误差计算方式计算得到的最优估计值的均值；

步骤4，将步骤3解算的可行域1、可行域2和初始值1、初始值2分别进行均值滤波，获取高斯烟羽模型中未知参数的可行域以及初始值，通过内点罚函数求解未知参数，输出所测强点源排放处的碳排放量。