(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 20221073746 3.0 (22)申请日 2022.06.28 (65)同一申请的已公布的文献号 申请公布号 CN 114818391 A (43)申请公布日 2022.07.29 (73)专利权人 北京化工大 学 地址 100029 北京市朝阳区北三环东路15 号 (72)发明人 伯鑫　王鹏　 (74)专利代理 机构 北京中和立达知识产权代理 有限公司 1 1756 专利代理师 张可 (51)Int.Cl. G06F 30/20(2020.01) G06F 17/18(2006.01) G06Q 10/06(2012.01)G06Q 50/26(2012.01) (56)对比文件 CN 114002381 A,202 2.02.01 CN 106649960 A,2017.0 5.10 CN 113284244 A,2021.08.20 US 20180 60758 A1,2018.0 3.01 Singh, SK 等.I nverse Model ling for Identificati on of Multiple-Po int Releases from Atmospheric Co ncentrati on Measurements. 《BOUNDARY -LAYER METEOROLO GY 》 .2013,第146卷(第2期), 黄顺祥等.基于伴随方法的大气污染溯源. 《科学通报》 .2018,(第16期), 李元鹏.基 于机器学习的天气预报及气体扩 散溯源研究. 《中国优秀博硕士学位 论文全文数 据库(硕士)基础科 学辑》 .2021, 审查员 朱宏轩 (54)发明名称 一种基于多溯源模型的污染源浓度分析方 法 (57)摘要 本发明提供了一种基于多溯源模型的污染 源浓度智能分析方法， 包括： 在线监测预设区域 中各站点的气象观测数据、 污染源浓度数据， 确 定需要对预设区域进行溯源的混合层高度； 将气 象观测数据、 污染源浓度数据以及混合层高度， 输入到预设多溯源模型中进行正向扩散模拟； 将 气象观测数据， 输入到预设多溯源模 型中进行反 向扩散模拟； 基于正向扩散模拟结果， 获取得到 各站点所对应的污染源在不同高度的不同网格 的当下贡献浓度， 以及根据反向扩散模拟， 获取 得到各站点所对应的污染源在不同高度的不同， 确定各站点对同一高度的同一网格的浓度贡献 百分比， 并进行浓度贡献排名输出。 通过多溯源 模型进行正向以及反向模拟， 来保证得到的不同 污染源浓度的准确性。 权利要求书5页 说明书17页 附图3页 CN 114818391 B 2022.10.21 CN 114818391 B 1.一种基于多溯源 模型的污染源 浓度分析 方法， 其特 征在于， 包括： 步骤1： 在线监测预设区域中各站点的气象观测数据、 污染源浓度 数据， 同时， 确定需要 对所述预设区域进行溯源的混合层高度； 步骤2： 将所述气象观测数据、 污染源浓度数据以及混合层高度， 输入到预设多溯源模 型中进行正向扩散模拟； 步骤3： 将所述气象观测数据， 输入到预设多溯源 模型中进行反向扩散模拟； 步骤4： 基于正向扩散模拟结果， 获取得到各站点所对应的污染源在不同高度的不同网 格的当下贡献浓度， 以及根据反向扩散模拟， 获取得到各站点所对应的污染源在不同高度 的不同网格的预设 贡献浓度； 步骤5： 确定各站点对同一高度的同一网格的浓度贡献百分比， 并进行浓度贡献排名输 出； 其中， 所述预设多溯源模型是预先训练好的， 且多溯源指的是不同的污染源， 且是以不 同浓度的污染源的组合以及对不同网格的贡献浓度为样本训练得到的； 其中， 将所述气象观测数据， 输入到预设多溯源 模型中进行反向扩散模拟， 包括： 基于所述预设多溯源模型， 对在线监测所获取的预设区域中各站点的气象观测数据进 行反向扩散模拟， 获取 得到预先设定的各污染源的扩散路径； 基于所述扩散路径， 获取得到各站点所对应的同个污染源在不同高度的不同网格的预 设贡献浓度； 其中， 基于正向扩散模拟结果， 获取得到各站点所对应的污染源在不同高度的不同网 格的当下贡献浓度， 包括： 基于正向扩散模拟结果， 构建预设区域中每个站点所监测以及模拟的不同污染源在不 同高度的不同网格的浓度列表， 并作为初始浓度； 划定每个站点的目标监测范围， 并对所述目标监测范围进行范围划分， 得到若干子范 围， 并向每 个子范围分配不同污染源 对应的初始浓度； 获取同个站点的当下气象观测数据、 上一 时刻气象观测数据以及预测的下一 时刻的气 象观测数据； 基于所述当下气象观测数据， 获取每 个子范围所处位置的当下气象标签； 同时， 基于上一时刻气象观测数据， 获取每一子范围所处位置的上一 时刻气象标签， 基 于预测的下一时刻的气象观测数据， 获取对应子范围所处位置的下一时刻气象标签； 获取同个子范围对应的上一时刻气象标签、 当下气象标签以及下一时刻气象标签， 并 将每个气象标签都转换为标签序列； 将同个子范围的单个标签序列按照时间顺序进行上一时刻气象标签与当下气象标签 的第一比较， 筛选第一变化序列， 同时， 进行当下气象标签与下一时刻气象标签的第二比 较， 筛选第二变化序列， 还进 行上一时刻气象标签与下一时刻气象标签的第三比较， 筛选第 三变化序列； 筛选所述第 一变化序列中的第 一突变序列以及第 三变化序列中的第 二突变序列， 并确 定所述第一 突变序列 与第二突变序列的第一变化 程度； 当所述第一变化程度小于预设变化程度， 将对应子范围中不同污染源所分配的初始浓 度作为贡献浓度；权　利　要　求　书 1/5 页 2 CN 114818391 B 2否则， 基于序列分析模型， 对所述第 一变化序列、 第 一变化序列所处序列位置与第二变 化序列、 第二变化序列所处序列位置进行第一分析， 同时， 基于序列分析模型， 对所述第二 变化序列、 第二变化序列所处序列位置与第三变化序列、 第三变化序列所处序列位置进行 第二分析； 基于第一分析结果、 第二分析结果以及溯源调节系数， 获取对应子范围内每种污染源 的浓度调节范围， 并对 对应污染源的初始浓度进行调节， 得到对应的当下贡献浓度。 2.如权利要求1所述的基于多溯源模型的污染源浓度分析方法， 其特征在于， 确定各站 点对同一高度的同一网格的浓度贡献 百分比， 包括： 其中，Ck1表示第k1个站点对同一高度的同一网格的贡献浓度； 表示对应的同一 个高度的同一网格的总贡献浓度； P表示第k1个站点对同一高度的同一网格的浓度贡献百 分比。 3.如权利要求1所述的基于多溯源模型的污染源浓度分析方法， 其特征在于， 在线监测 预设区域中各站点的气象观测数据、 污染源 浓度数据之前， 包括： 定位所述预设区域中存在的第一站点以及获取 所述预设区域的区域结构分布图； 按照定位的所有第一站点， 构建站点分布图， 并与所述区域结构分布图进行图像重叠 处理， 判断所述第一站点与所述区域结构分布图中的第二站点是否 完全重叠； 若是， 将所述站点分布图保留； 若不是， 从所述区域结构分布图中获取所有第二站点， 并从所述第二站点中筛选出所 述第一站点对应的缺失站点， 并对所述 缺失站点进行定位补充； 基于定位补充结果， 对所述站点分布图进行修 正， 并保留； 捕捉保留的分布图中每 个第三站点的当下位置； 从历史日志数据库中， 获取所述当下位置在不同时刻的历史气象日志以及历史污染物 日志， 同时， 从地形监测数据库中， 获取所述当下位置在不同时刻的周围地势分布以及周围 建筑分布； 建立同时间戳下的历史气象日志以及历史污染物日志的日志特征曲线， 并从所述日志 特征曲线中筛 选特征区域， 并根据所述特 征区域， 确定对应区域时段的特 征变化量； 获取所述 区域时段中每个时刻下的周围地势分布以及周围建筑分布， 并建立地势分布 变化曲线以及建筑分布变化曲线； 基于所述地势分布变化曲线以及建筑分布变化曲线， 确定对应区域时段的分布变化 量； 建立所述区域时段的特征变化量与分布变化量的依赖关系， 且基于所述分布变化量， 确定对应第三站点的特 征变化量的影响系数； 同步管理每个第三站点接收的历史请求频次以及输出的历史反馈频次， 并基于所述历 史反馈频次与历史请求频次的频次比值， 确定通信故障状态， 并基于所述通信故障状态， 向权　利　要　求　书 2/5 页 3 CN 114818391 B 3