第38卷第5期计算机仿真2021年5月文章编号..1006 - 9348(2021 )05 -0484 -04
赵逸雪\刘鑫2
(1.宁夏大学资源环境学院，宁夏银川750021;
2.北京师范大学，北京100875)
摘要：针对现有颗粒扩散模拟方法未考虑多个污染源问题，导致模拟效果不理想，提出基于G I S的大气污染颗粒物浓度扩散 模拟分析。按照离散气象站点位置的风向和风速信息构建风场表面，利用烟囱出口位置风速均值等环境条件，计算大气颗 粒物污染参数，建立高斯扩散模型；考虑多个污染源问题，转换高斯扩散坐标系与地理坐标系；创建基于G I S的大气颗粒物 浓度扩散系统，使用相空间重构把颗粒物浓度序列映射至高维特征矢量空间，形成相点结构训练样本，运用支持向量机回归 进行训练获得最优参数值，增强颗粒物浓度扩散模拟可靠性。实验结果表明，上述方法可有效划分颗粒物浓度扩散范围及 影响水平，模拟结果精度较髙，能够为大气污染整治和有关研究提供数据支持。
关键词：大气污染；颗粒物；浓度扩散；数值模拟
中图分类号:T P18 文献标识码：B
Simulation and Analysis of Concentration Diffusion
of Air Pollution Particles Based on GIS
ZHAO Yi -x u e1，LIU Xin2
(1. College of R e s o u r c e s a n d E n v i r o n m e n t a l Science Institute of E n v i r o n m e n t a l E n g i n e e r i n g,
N i n g x i a U n i v ersity,N i n g x i a Y i n c h u a n 750021, C h i n a；
2. Beijing N o r m a l University,Beijing 100875, C h i n a)
A B S T R A C T：T h e traditional particle diffusion simulation m e t h o d ignores m a n y pollution s o u r c e s,resulting in poo r
simulation effect.T h e r e f o r e,this p a p e r puts forward a G I S b a s e d simulation analysis of a t m o s p h e r i c particulate matter concentration diffusion.T h e w i n d field surface w a s constructed b a s e d o n the w i n d direction a n d s p e e d of discrete w e a t h e r stations.A c c o r d i n g to the m e a n w i n d s p e e d at the c h i m n e y outlet,the a t m o s p h e r i c particulate pollution p ar
ameters w e r e calculated to establish the G a u s s i a n diffusion m o d e l.G a u s s diffusion coordinate s y s t e m a n d geographic coordinate s y s t e m w e r e trans f o r m e d b y the analysis of multiple pollution s o u r c e s.A G I S b a s e d a t m o s p h e r i c particulate matter concentration diffusion s y s t e m w a s established.T h e p h a s e s p a c e reconstruction w a s utilized to m a p the particle concentration s e q u e n c e to the h igh -d i m e n s i o n a l feature vector s p a c e to f o r m the p h a s e point structure training s a mp les.S u p p o r t vector m a c h i n e regression w a s a d o p t e d to train to obtain the o ptimal p a r a m e t e r s,thus e n h a n c i n g the reliability of particle concentration diffusion simulation.T h e experimental results s h o w that the m e t h o d has high s i m u l a-tion a c c u r a c y,a n d c a n provide a theoretical basis for air pollution control a n d related r e s e a r c h.
K E Y W O R D S：G I S t e c h n o l o g y；A i r pollution；Particulate m a t t e r；Concentration diffusion；N u m e r i c a l simulation
i引言
大气颗粒物是一种悬浮于空气内的固体或液体颗粒物，对生物及人体健康造成极大威胁[11。为更切实地明确颗粒 物在空气内的实时状态，使用模型模拟大气颗粒物浓度扩散
收稿日期:2020 - 07 -03是十分有效的手段。伴随地理信息系统（G e o g r a p h i c a l I n f o rm a t i o n Systems,GIS)的持续发展，已经逐步被运用在防治颗 粒物扩散的有关研究与管理中，其优秀的空间分析性能在颗 粒物浓度扩散方面取得突破性进展,GIS能够智能地把不同 来源与类别的空间数据采取提取与升华[2]，为污染治理模式 构建提供先决条件。
于潇萌等人[3]为评估不同风速条件对单点源的污染物
—484 —
浓度时空分布、粒子抬升高度等产生的影响，使用以多相质 点网格（multi- p h a s e particle - in- cell，M P- P1C)方法为基 础的拉格朗日粒子追踪模型，对污染物扩散实施大涡仿真模 拟。谢放尖等人⑷利用C M A Q模型分析P M2.5对南京本地不 同前体物排放的敏感性，利用情景分析预测排放清单，模拟4 种减排情景的空气质量变化，获得达标约束下大气污染物总 量控制指标。李爽等人[5]使用土地利用回归模型完成大气 污染物浓度模拟，预测变量信息损失缺陷，把主成分分析(principle c o m p o n e n t analysis,P C A)和逐步多元线性回归(stepwise multiple line regression,S M L R)相融合，提出一•种改进的L U R(P C A + S M L R)模型模拟大区域P M25浓度空间分 布方法。
但上述方案未考虑各种污染源问题，导致模拟效果不理 想。因此，提出基于G I S的大气污染颗粒物浓度扩散模拟方法。
2大气污染参数确定
空气污染和气象条件之间互相作用，具有紧密联系。大 气颗粒物污染的扩散取决于气象条件，大气对颗粒物的水平 方向输送能力描述为平均风场污染系数表面特征，垂直方向 的扩散性能取决于大气稳定度与逆温状态。
以工业污染源为例，风向风速是影响大气污染的关键因 素之一。风向在绝大程度上决定了大气污染传播走向，不同 风向会致使污染物的不同方向传播。大气污染物随风传播，扩散至上风向的难度较高[6]。污染物至下风向方位的扩散 距离很近，到上风向的扩散距离很远。不同风速对污染传播 也具有不同程度影响，风速高低决定了污染物扩散距离。风 场内某个位置的风速越高，大气污染物传播距离越远，此处 污染物扩散至下风向范围较为轻松，反之上风向较为困难。
为研究风向风速参数对浓度扩散的影响，使用已知气象 监测点的风向与风速信息构建覆盖研究范围的风场。把研 究范围分割为网格单元，算出各个网格单元中心点坐标。将 风向与风速向量划分为东西方向与南北方向，获得两个向量 的属性值[7]。如图1所示。
除风向风速外，还要算出如下参数。将烟囱出口位置风速均值计算解析式记作
睢宁县李集中学其中，W是烟囱高度,Ul。是气象站距离地面10/n高度的年风 速均值,P是风速高度指数。
通常气象站观测资料没有混合高度层，可按照相应的高 空气象观测资料完成运算。大气稳定度从不平稳至平稳共 分成4、£、F六大类，没有观测资料时，大气稳定度处 在的混合层高度是
h = a,u,〇//(2)
稳定度处在'时，混合层高度记作
h-bsuw/f
(3)
f—2flsin(f>
其中，a，人代表混合层系数，/表示地转参变量，是地转角 速率，<#>表不炜度。
3颗粒物浓度扩散时空分布坐标转换
以研究区域的污染源坐标当作原点，建立高斯坐标系。高斯扩散模型利用污染源风向构建坐标轴，算出周围影响点 坐标计算过程为
X = {E a-E0)cos0+-N0)sin8(4)
Y=(N a-N0)cos0+(E a-E0)sin0(5)式中，0表示风向角度。
大气污染物浓度扩散是空气质量模型内最根本的一种 数学表达式，定义了污染物在大气内的传输与分布。按照距 离污染物的间距，气象状态与时间的改变可明确污染源对区 域的影响。污染物通常经过化工厂排放散布于大气内，抬升 高度越大，污染物扩散范围越广。抬升高度计算公式为
\H = n0Ql'Hn2U''(6)
(?,= 0.35PaQv(AT/T s)(7)其中，n表示气温水平,n，表示释放率，n2是排放高度，仏是大气污染物放热速度是烟囱高度，仏是真实排污比例，A71为排污口和室外的温度差值。
诚成文化探究区域污染浓度扩散时，要评估各个分割的网格中心 点，也就是累加全部点源、线源和面源对此点的浓度贡献。
高斯扩散公式内的U均位于风轴坐标系中，对单点源 而言没有风向问题，在平原区单点源每个下风方向的地面浓 度是相等的。在实施多个污染源模式运算时，一定要考虑风 向问题，一个计算点在不同点源内的坐标系不同[8]，且呈变 化趋势，要对坐标轴实施坐标转换，如图2所示。
图2中一个是高斯扩散坐标系，把下风向描述成*方 向，也就是X轴。高架点源地理投影点是原点0，分别按照 右手定则规划出K轴与Z轴，即风轴坐标系。另一个是地理 坐标系，地面上的随机点是原点从
〇'向正东方位画一条 线是£轴,/V轴从原点指向正北方,Z轴从原点垂直往上。
—485
—
4大气污染颗粒物浓度扩散模拟
4.1基于G I S 的大气颗粒物浓度扩散系统
数据库系统是大气颗粒物浓度扩散系统中最为重要的
开发前提，数据库的设计目标应满足如下条件。
1) 要充分理解用户每个方面的需求与收敛条件，最大限 度精确阐明系统需求；
2)
具备优秀的数据库性能。G 1S 数据库性能涵盖诸多
内容。在数据储存方面，不但要保障数据储存效率，还要确 保数据读取即时性；操作方面要贴合当前
应用需要，还要满 足一个阶段内的全部需求；系统方面，若软件环境产生变化， 极易被修改与转移，此外也要拥有强桿的安全保护功能。数 据库设计时要对以上性能进行最佳权衡。
3)
要拥有被某个数据库管理系统接收的能力。GIS 数
据库的最终结果是明确数据库管理系统支撑下可以运转的
数据处理模型，构建行之有效的数据库，在构建过程中一定
要明确数据库管理系统的关键功能与组成。GIS 技术下的
研发平台包含系统开发与运行的软硬件环境[9]，架构层次涵
盖用户层、功能层、中间层及数据层等。
所建系统的全部功能搭载于ArcGIS 的二次开发中，运
用制图和功能组件MapObjects 完成系统顶层搭建。
图MapObjects 组件通过如图3的几个对象组共同构成,
对图层实施管理与控制，适用于地图数据库内。
图3
组件结构
系统共包含四大板块：地图阅览、地图査、地图编辑与 大气扩散。单个功能是系统模拟板块的基本服务，大气扩散 板块中的参数定义是最关键的部分[1°]，使用不同参数输人 完成浓度扩散模拟。使用混沌-支持向量机方法计算系统 参数值。
4.2基于混沌一支持向量机的颗粒物浓度计算
混沌系统生成的轨迹通过固定时期转变后，最终会做出 规律性运动。系统随机分量的演变均由其余分量决定，可从 随机分量时间序列里恢复初始系统规律["]。探寻一个恰当 的嵌人维/n ，如果延时坐标维数+ l ,d 为动力系统维 数，就可从该嵌人空间恢复轨迹规律，即相空间重构原理。
按照相空间重构原理，嵌人维数^与时间延迟T 的择取 十分重要，若t 值过高，会让轨道变得繁杂且降低有效数据
点个数值过低，就无法凸显系统动力特性。现阶段，延时
t
的择取方法众多，本文使用序列相关法内的自相关函数， 求取G /S 系统参数。
嵌人维的计算公式为产学研协同创新机制
lln (^) - yi (m ) ||= max I
xktjr - xltjT \ 0 ^ j ^ m + l (8)
式中,i = l ,2, •丨|表示欧氏距离，并符合如式
(9)的收敛条件,y i(d + 1)代表d + 1次嵌人维重构空间第i 个矢量。假如d 是一个嵌入维，处于维相空间相邻的两个 点在(f + 1维空间依旧相邻，此类点对即为真实相邻点，反之 是假相邻点。引人一个变量，记作
E(d) = ⑶
式中,£(d )表示g (i ,d )的均值。在d 比某个d 。大的情况
下，五,（心终止改变，则利用< + 1能得到序列最低嵌入维、
与此同时也描述出£2(d )，划分确定性混沌信号与随机
信号。
获得延时T 与嵌人维数m 后，就能推算Lyapunov 指数，
使用Lyapunov 指数能够观察污染浓度的时间序列内是否拥
有混沌现象，Lyapunov 指数为正数代表混沌，表示为A >0, A
<〇即系统中拥有平稳不动点,A =0是系统拥有周期性。计
算Lyapunov 指数关键有Wolf 法与小数量法。
混沌-支持向量机浓度参数计算主要使用混沌与支持
向量机两个原理[12]，并按照详细的大气污染属性，计算准确 参数值。针对固定污染浓度时间序列A ，*2
使
用相空间重构法，把它变换成维数m ，全新数据空间延时为
T ，得到
[(")=[尤（r a -(m -l )T ),".，*(n
-T )，*(n )](l 〇)
式中r a e [ (〇1-1)7，"]、八^1)均为重构之后的相点。运用重 构后的状态向量对大气污染浓度参数值进行计算，创建回归 估计函数
x(n + l )
=f (Y (n )) (11)
如果目前时段为《?，训练数据个数是I 那么训练数据表
达式为
—
486 —
图5 A 市2019年P M 2.5监测值和模拟值对比
从图5可知，P M 2 5监测值和模拟值的绝对误差在-
0.0423 ~ -0.0631m g /m 3 之间，相对误差处于-26.52% ~ 27. 03%
之间，模拟值均处在二倍误差范围中，且匀称地分布
于监测值两旁，证明方法对颗粒物浓度扩散的模拟值正确率 髙，能够有效明确各类污染参数对浓度扩散的影响，运用混 沌一支持向量机可算出精确的G I S 系统参数，提高了计算结 果精度，所得浓度扩散结论更具真实性。6
结论
为准确分析大气污染颗粒物浓度扩散情况，设计一种基 于GIS 的大气污染颗粒物浓度扩散模拟方法。该方法能精 确模拟颗粒物浓度扩散情况，为制定环境管理决策提供技术 支撑。但因为条件限制，对大气污染物总量控制方面有待深 人研究。参考文献：
[1]
陈军燕，王安琪，郎昊辰，等.基于G I S 的生物制药企业V O C s 扩散风险评估[J ].中国环境科学，2020,40(3) :1386-1392.[2]
汤富平，郭见兵，余华芬，等.基于G I S 的台风风暴潮淹没情景
模拟方法与平台开发[J ].地理与地理信息科学,2019,35(1): 6-11,19,2.
[3]
于潇萌，曹乐，严家德，等.基于多相质点网格法的大气污染仿
真模拟[J ].科学技术与工程,2020,20(丨4) :5856 -5863.
[4] 谢放尖，史之浩，李婧祎，等.基于达标约束的南京市环境空气
质量情景模拟[J ].环境科学，2019,40(7) :2967 -2976.
[5]
李爽，翟亮，桑会勇，等.基于改进L U R 模型的大区域P M _
(2. 5)浓度空间分布模拟[J ].武汉大学学报（信息科学版）， 2018,43(10) ：1574 -1579,1587.
[6] 孟祥瑞，向锌鹏，张凯山，等.基于G I S 的大气污染源项分类体
系及臭氧浓度相关性分析[J ].环境科学学报，2019,39(6): 1933 -1941.
(下转第492页）
地点
越低。
对A 市P M 2.5长期浓度均值与2019年监测数据进行对
比，其中1 ~6数字表示该市的详细地点。实验结果参见
图5。
(n ?) ,*(? + 1) ) ,9 = (m - ，^ - 1 (12)按照己知样本序列明确训练数据，采用支持向量机回归 实施训练，得到最优参数值/，对未来时段f (t + 1)的参数 值，将其重构相空间内前（m - 1 )T 变量当作输人，使用训练 得到的支持向量机模型，完成大气颗粒物浓度扩散模拟 计算。5
仿真分析
为证明所提方法可用性，设定区域污染源是1.5m * 1.5m 的正方形区域，污染排放量是0.6k g /h ，污
染物为
P M 2.5，受体位置是距离污染源各边缘1500m
之内的位置，网
格大小是30m * 30m ，运行所需要的气象数据是A 市环保物 联网发布的2019年2月和3月的气象数据。采集横向、垂 直大气污染浓度扩散幂函数指标数，依次提供了不同字段名 称相对的数据类别与长度，如图1所示。
表1水平与垂直大气污染浓度扩散功率函数指标表名称
数据类别长度是否允许空值
备注PS 字符型4否大气稳定a 双线型6否扩散回归指数b 双线型6否扩散回归指数m a x 线型4否最高下风向距离min
线型
4
否
低风最小距离
所提方法依照上述条件，计算该区域的污染排放源，并 按照污染等级，将浓度扩散级别划分为四个等级，实验结果 如图4所示。
图4
颗粒物浓度扩散等级划分
从图4中可知，所提方法可清晰直观地展现出污染物浓 度扩散的区域范围与影响程度，为污染物集中治理和建立突 发性污染事故应急决策提供有效帮助。
同时使用模拟值和监测值的对比与误差分析，以此判断 所提方法模拟准确性，即有效性检验。采用误差分析时，把 模拟值大于监测值一倍和小于监测值一倍之间的误差叫作 二倍误差范围。假如大部分监测点均能落在二倍误差范围 中，且总体上匀称分布于直线两旁，认定方法可行。点越接 近理想直线，方法精度越好，反之点越分散，模式有效性
(0
>62
8
4 0
.3.22 1
110.0.0.o .o .d —
487 —
表1 G M(1, 1>、E L M、G N N和灰E L M模型比较
预测模型RMSE M AE MAPE耗时t/s GM(1, 1)0. 04210.02980.02410.858 ELM0.02810.02220.0191 2.895
GNN0.01470.01230. 0105 6.892文中模型0.00910.00850.0112 4.247表1分别例举了使用相同的训练集与测试集数据，几种 常用预测模型G M(1, 1)、E L M、灰神经网络（G N N)和本文 所提预测模型的性能对比。由表1可以看出，除了 M A P E指 标高于灰神经网络（G N N)外，其余指标都要低于其它模型，而且相比较G N N预测模型，文中灰E L M模型的耗时 也有的减少。由于本文所提模型融合了 G M(1,1)与E L M模 型，因此在预测耗时上要比上述单独模型要长，对相较于融 合两种模型的灰神经网络，其耗时要短。由此说明，文章 所提模型相较G M(1，1)、E L M、灰神经网络（G N N)，本模 型准确率更高，模型具有很好的预测效果和精度，是一种有 效的转子短路故障预测方法。
5结束语
文章针对风力发电机的转子匝间短路故障进行研究，提 出一种融合G M(1, I)模型与E L M神经网络相结合的模型，该模型即充分利用灰模型对数据量要求低，对信号的随机 变化不敏感以及较好的挖掘
数据内部隐含规律特性，还充分 利用了 E L M神经网络学习速度快，预测精度高且不会陷人 局部问题的能力，同时还利用递归算法对E L M神经网络训 练过程进行改进，使其能更好适应时间序列输人信号的预测。在E L M神经网络的隐藏节点和激活函数的选择中，文 章给出了不同参数时的系统的预测性能变化特点，依据变化 特点选取了最优隐藏节点参数和激活函数，并将优化参数后 的预测模型与G M(1, 1)、E L M、灰神经网络（G N N)三种常 用预测模型进行性能对比分析，分析结果表明，本文所提模 型准确率更高，模型具有很好的预测效果和精度，是一种有 效的转子短路故障预测方法。参考文献：
[1]杨晓光，许仪勋.双馈风力发电机故障诊断方法研究[J].电
测与仪表，2018,55(2): 52 -58.
[2]刘峰，刘海生.基于改进小波神经网络的动车组牵引电机故障
趋势预测[J].制造业自动化，2017,39(07) :15 -18,28.
[3]朱伟，李东辰，闫琪娇，庞敏敏.基于支持向量机的电机故障预
测研究[J].煤矿机械，2011,32(03) :253-254.
[4]陈磊.基于全矢谱的设备故障预测方法研究[D].郑州大
学，2018.
[5]刘石磊.基于D-S证据融合的风力发电机组的故障预测
[D].沈阳工业大学，2017.
[6]马玉.风电机组的故障预测方法研究[D].北京邮电大
环球记者连线学，2016.
[7]张景春.基于定子电流法的风力发电机组齿轮故障诊断研究
[D].哈尔滨理工大学，2016.
[8]杨浩.高阶谱在风力发电机故障诊断中的应用研究[D].北京
交通大学，2018.
[9]朱锦山.双馈异步电机绕组匝间短路故障特征量的提取[D].
华北电力大学，2017.
[10] Edwink,Stanislaw H Z.An introduction to optimization[J].An
tennas and Propagation Magazine IEEE,2001,38(2) ：1 -40.
[11 ]Nan- Ying Liang,Guang- Bin Huang.A Fast and Accurate On
line Sequential Learning Algorithm for Feedforward Networks[J].
IEEE Transactions on Neural Networks,2006,17 (6)：1411
[作者简介]
周克（1977 -)，男（汉族），河南商丘人，博士，副
教授，主要研究方向：智能电网的控制，电力电子技
术应用以及信号处理。
王霄（1986 -)，男（汉族），贵州贵阳人，博士，副
教授，主要研究方向：无线传感器网络，人工智能算
法控制及应用（通信作者）。
王坤（1994 -)，男（汉族），贵州兴义人，硕士研究生，研究方向：
计算机控制。
(上接第487页)
[7]刘琳，张正勇，刘芬，等.天山北坡经济带城市PM2.5质量浓
度时空分布及模拟分析[J].环境科学研究，2018,31(11):
1849 -1857.
[8]吕楠，赵敬源.基于GIS技术的城市空气质量评价方法[J].东
华大学学报（自然科学版），2019,45(5) :730 - 734.
目录搜索引擎[9]阳宽达，谢红霞，隋兵，等.基于GIS的降雨空间插值研究一
以湖南省为例[J].水土保持研究，2020, 27 (3 ): 134 -
138,145.
[10]郭琼琼，文远高，夏雨琳，等.基于DPM模型的建筑小区内颗
粒物扩散研究[J].工业安全与环保，2019,45(8) :74-79.[11]伍彬，芮小平，李真子，等.地下水污染物包气带扩散预测仿
真[J].计算机仿真，2018,35(4) :440 - 444.super junior opera
[12]吴珂，包云轩，蔡敏，等.苏州市一次重霾污染天气过程的数
值模拟[J].气象科学，2019 , 39(1):104-116.
[作者简介]
赵逸雪（1999 -)，女（汉族），山东泰安人，本科，主
要研究方向：自然地理学。
刘鑫（1982 -)，男（汉族），湖南衡阳人，博士研
究生，副教授，高级工程师，主要研究领域为：大数
据、机器学习及自然语言处理等。
—
492 —
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议