[发明专利]一种化学危害同化系统

说明书

本发明涉及一种化学危害同化系统：包括：释放信息估算模块、气象场模块、浓度预测模块、观测数据处理模块、数据同化模块、结果分析和显示模块。本发明采用四维变分的方法进行危害监测数据的同化，构建源强估算、气象场、浓度预测、观测数据处理、数据同化、结果分析和显示等6个系统组成模块，提高了化学危害预测的精度和速度。

技术领域

本发明涉及一种化学危害同化系统，化学危害信息体系技术领域。

背景技术

在化学爆炸事故的应急处理中，如何依托可获取的有限信息，对危害物质扩散后的浓度时空规律进行准确刻画，是下一步应急决策的关键所在。化学爆炸扩散浓度场的预测、评估对后续应急救援，部署决策方面起着至关重要的作用，只有准确掌握了危害物质浓度的时空分布规律，准确描绘毒害区域，才能最大限度的减小危害程度，提高应急救援的效果，而准确获取化学危害浓度扩散场的初值信息是刻画浓度扩散时空规律的关键。数据同化是一种最初来源于数值天气预报的数据处理技术，现在已成功用于对大气污染物浓度的预测中来。在化学危害预测领域引入数据同化算法，以更快的速度和更高的精准度得出危害场未来一段时间的浓度走势及分布图，在保证速度的同时尽最大可能的为防护和救援提供准确的决策依据。

当前关于污染物扩散数据同化主要有逐步迭代法，最优插值法、卡尔曼滤波法、变分法、集合卡尔曼滤波法、遗传算法、神经网络算法和机器学习等，其中逐步迭代法和最优插值法精度偏低，属于早期的同化算法；卡尔曼滤波系列算法对集合数目的要求偏高，难以快速应用于危害环境；遗传算法、神经网络和机器学习是新兴智能优化算法，对数据量的要求较高，不适用于小样本数据挖掘，用于数据同化领域还处于初期探索阶段。所以，本发明选用变分同化方法，既避免精度不够的问题，也解决其他方法对数据样本要求高的困难。

目前尚未查阅到相关文献和相关专利，未发表过相关论文等。

发明内容

本发明技术解决问题：克服现有化学危害预测精度低、数据同化方法对样本质量要求过高的问题，提供一种化学危害同化系统，采用四维变分的方法进行危害监测数据的同化，构建源强估算、气象场、浓度预测、观测数据处理、数据同化、结果分析和显示等6个系统组成模块，提高化学危害预测的精度和速度。

本发明技术解决方案：一种化学危害同化系统，包括：释放信息估算模块、气象场模块、浓度预测模块、观测数据处理模块、数据同化模块、结果分析和显示模块；

释放信息估算模块，用于为预测模型提供气溶胶云团初始的源强信息，如果通过可靠信息获取释放信息数据，则直接代入其他模块进行预测；如果无法准确获取释放源项信息，则根据监测到的危害浓度数据，通过遗传算法进行数据的同化反演，得到释放初始状态信息，所述初始状态信息包括释放源位置、释放总量和释放率；

气象场模块，用于获取相关的气象场信息，进行风场诊断，得出危害区域内各点的气象信息，并送至浓度预测模块；所述气象场信息包括风向、风速、降雨和温度；

浓度预测模块，用于危害扩散的预测估算，根据释放信息估算模块和气象场模块提供的释放初始状态信息和气象场信息，对扩散参数进行估算，进而得到未来时刻各位置的危害浓度预测值，并传输至数据同化模块；

观测数据处理模块，用于对各监测点获取的监测浓度数据和气象数据进行处理，通过划分时间窗口，将不同时刻的监测浓度值进行归一化处理，组成观测矩阵；

数据同化模块，用于对预测的浓度值和监测的浓度数据进行综合处理，提高浓度预测模块的预测精度；根据浓度预测模块得到的未来不同时刻各个监测点浓度预测值，采用采用化学危害变分同化基础模型、化学危害变分同化梯度函数和释放信息初始状态分析值模型，将未来不同时刻各个监测点浓度预测值与各监测点对应时刻的观测矩阵进行同化迭代，得到误差最小化时的释放信息初始状态分析值；