[发明专利]一种空气污染物排放清单反演方法和设备

说明书

本发明提出一种空气污染物排放清单反演方法和设备，所述方法包括：步骤1：根据空气污染物排放原始清单文件和原始气象场文件生成初始种群；步骤2：模拟空气污染物浓度；步骤3：判断是否达到迭代终止条件，如果达到迭代终止条件，则输出最终的反演清单文件，否则转步骤4；步骤4：基于遗传算法生成新种群，转步骤2。采用所述方法相比于CMAQ模式预测的空气质量，其准确度更高。

技术领域

本发明涉及气象领域，具体涉及一种空气污染物排放清单反演方法和设备。

背景技术

近20年来,空气污染预报模式的研究得到了很大的发展。空气质量模式将复杂的大气物理、化学模式系统化，建立污染物排放、气象、化学反应相关的模型，模拟空气质量的变化。而污染物排放清单作为空气质量模式的模型输入文件，其准确性对空气质量模型最终的模拟效果有很大影响。由于污染源类型复杂，数据获取困难，空间分布不均匀，时间尺度变化大，所以具有相当大的不确定性，给空气质量模拟的结果也带来了很大的不确定性。

参见图1，为现有技术中流行的空气污染物清单反演技术流程，一般假定排放和监测值之间存在线性关系，根据模拟污染物浓度与实际监测值之间的差异，来反向修改清单的输入。通过迭代：

其中P_n(x,y)、Q_n(x,y)分别为源“反演”迭代第n次计算获取的污染物浓度与源排放分布函数，P_n+1(x,y)、Q_n+1(x,y)分别为源“反演”迭代第n+1次计算获取的污染物浓度和源排放分布函数。收敛判据如下：

其中是网格x，y(对选定区域划分后，x,y表示坐标位置。比如对10km×12km区域进行5×4划分，即对10km进行5等分，12km进行4等分，其中，x＝2,y＝3时，则为10km的第2个等分区域以及12km的第3个等分区域对应位置处污染物浓度的实测值。F_n+1(x,y)＝P_n+1(x,y)为源“反演”迭代第n+1次计算获取的污染物浓度分布函数。ΔF_n+1为实测值与n+1次“迭代”模式计算结果的偏差值，即n+1次修正源的计算误差，σ％为误差阈值的百分比，当偏差值小于预设的最小误差或者达到最大迭代次数时，迭代终止，否则根据偏差调整清单，进行下一轮的迭代模拟。

但是，对于二次反应生成的污染物来说，形成机制较复杂，排放和浓度呈现明显的非线性关系，用上述方法调整效果不佳。或者需要调整多轮，运算时间较长。其次，此种方法基于梯度计算，容易找到的是局部最优解，而非全局最优解。第三，从污染物排放到形成最终污染物，经过了空气传输扩散、化学反应、湿沉降、干沉降等过程，因此，空气污染物排放量和污染物浓度呈现明显的非线性关系，给空气污染物排放清单反演带来了困难。

发明内容

针对上述技术问题，本发明通过利用遗传算法和CMAQ(CommunityMultiscaleAirQualityModel)模型结合，提出了一种空气污染物排放清单分析方法，并可用于优化排放清单。遗传算法(GeneticAlgorithm)的概念是由Holland于1973年受生物进化论的启发而首次提出的。遗传算法(Genetic Algorithm)遵循“适者生存”、“优胜劣汰”的原则，是一类借鉴生物界自然选择和自然遗传机制的随机化搜索算法。遗传算法模拟一个人工种群的进化过程，通过选择(Selection)、交叉(Crossover)以及变异(Mutation)等机制，在每次迭代中都保留一组候选个体，重复此过程，种群经过若干代进化后，理想情况下其适应度达到近似最优的状态。

本发明提出了一种空气污染物排放清单反演方法，包括以下步骤：

步骤1：根据空气污染物排放原始清单文件和原始气象场文件生成初始种群；