(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111304272.7 (22)申请日 2021.11.05 (71)申请人 河北工业大 学 地址 300450 天津市北辰区双口镇西平 道 5340号 (72)发明人 董永峰　贾文玉　王利琴　李佳伟　 王振　 (74)专利代理 机构 天津企兴智财知识产权代理 有限公司 12 226 专利代理师 石倩倩 (51)Int.Cl. G01N 15/06(2006.01) G01C 21/20(2006.01) G06F 30/27(2020.01) G06N 3/00(2006.01) (54)发明名称 基于高斯烟羽和质心定位的PM2.5污染源定 位方法 (57)摘要 本发明提供了基于高斯烟羽和质心定位的 PM2.5污染源定位方法， 包括步骤S1空气质量监 测站点位置 数据预处理； S2 基于气体扩散模型和 加权质心定位算法， 计算加权质心定位结果； S3 基于改进的差分进化搜索算法， 计算精细定位结 果； S4以H小时为粒度分析定位结果， 计算最终定 位结果； S5利用高斯烟羽模型描述PM2.5污染源 气体扩散。 本发 明方法结合了加权质心定位算法 性能高和差分进化搜索算法准确度高的优点， 提 高了算法整体的性能和准确度。 权利要求书3页 说明书12页 附图5页 CN 114441397 A 2022.05.06 CN 114441397 A 1.基于高斯烟羽和质心定位的PM2.5 污染源定位方法， 其特 征在于： 包括以下步骤： S1、 空气质量 监测站点 位置数据预处 理： S101、 空气质量 监测站点经纬度坐标转换为笛卡尔平面 坐标： 使用米勒投影法利用公式(1)和 公式(2)实现地球经纬度坐标转换为笛卡尔平面坐标 (x， y)， x＝(W/2)+(W/2 π ) ×L1×π/180    (1)， y＝(H/2)‑(H/2m)×1.25×ln tan(0.25 π +0.4 L2×π/180)    (2)， 其中L1和L2分别为经度和维度， W和H分别为地球的周长和地球周长的一半， m为米勒投 影常数， 大约在正负2.3 之间， (x， y)为笛卡尔平 面坐标； 由此完成对空气质量监测站 点经纬 度坐标到笛卡尔平面 坐标的转换； S102、 空气质量 监测站点笛卡尔平面 坐标转换： 得到上述S101步的空气质量监测站点笛卡尔平面坐标， 然后根据风向数据是以正北方 向逆时针旋转的角度， 对空气质量监测站 点的笛卡尔平面坐标做变换， 使x轴的正方向为正 北方向； 由此完成对空气质量 监测站点笛卡尔平面 坐标的转换； 至此完成空气质量监测 站点位置数据 预处理， 得到预处理后的空气监测 站点笛卡尔平 面坐标， 以下简称为站点 坐标； S2、 基于气体扩散模型和 加权质心定位 算法， 计算加权质心定位结果： S201、 坐标转换， 建立以风向为x轴正方向的新 坐标系： 利用公式(3)对站点 坐标进行坐标转换， 其中θ 是风向与正北 方向所形成的夹角； 由此完成建立以风向为x轴正方向的新 坐标系； S202、 基于气体扩散模型计算加权质心定位 算法的权值因子： 在上述S201步所建立的新坐标系下， 根据气体湍流扩散模型， 利用公式(4)计算加权质 心定位算法的权值因子qx(i)和qy(i)， 其中C(i)是第i个监测站点的监测浓度， C(l)是监测站点中的最大监测浓度， v是风速， k是扩散参数， α 和β 是指定参数； 由此完成加权质心定位 算法的权值因子qx(i)和qy(i)的计算； S203、 基于加权质心定位 算法计算初始定位 坐标： 在上述S201步所建立的新的坐标系下， 根据加权质心定位算法， 利用公式(5)计算初始 定位坐标x0’和y0’， 权　利　要　求　书 1/3 页 2 CN 114441397 A 2由此完成在上述S201步所建立的新 坐标系的初始定位 坐标(x0’， y0’)的计算； S204、 坐标转换， 将新 坐标系的初始定位 坐标转换为原坐标系的初始定位 坐标(x0， y0)： 利用公式(6)将上述S20 3的初始定位 坐标转换回上述S102步的坐标系， 由此完成在上述S102步的坐标系的初始定位 坐标(x0， y0)的计算； 至此完成加权质心定位结果的计算， 以下简称为初始定位 坐标； S3、 基于改进的差分进化搜索算法， 计算精细定位结果： S301、 初始化， 计算第一代群 体G1： 以初始定位结果为中心， 取十分之一站点坐标最大横 纵坐标值为边长， 生成N个均匀分 布的第一代个 体xi(1)组成第一代群 体G1； S302、 变异， 通过差分策略计算变异群 体G1’： 对上述S301步计算的第一代群体G1中随机的选取两个个体， 将其 向量差进行缩放后与 随机选择的第三个 个体求和产生变异个 体， 利用公式(7)计算， vi(g+1)＝xr1(g)+F×(xr2(g)‑xr3(g))    (7)， 其中r1， r2， r3是三个互不相等的随机数， 取值范围是[1， N]； F是缩放因子， g是进化代 数； 在进化过程中， 保证 变异个体不超出站点 坐标的边界； 由此完成由变异个 体vi(1)组成的变异群 体G1’的计算； S303、 交叉， 将个 体与变异个 体进行交叉操作， 计算交叉群 体G1”： 对上述S301步计算的第一代群体G1与上述S302步计算的交叉群体G1’进行交叉操作， 利 用公式(8)计算， 其中CR是交叉概率， 取值为[0， 1]； jrand随机取1或2， 确保ui(g+1)中至少从上述S302步 的变异个 体vi(g+1)中获取一个参数； 由此完成由交叉个 体ui(1)组成的交叉群 体G1”的计算； S304、 改进， 基于气体扩散模型计算搜索群 体S1： 对原差分进化搜索算法进行改进， 对上述S303步计算的交叉群体G1”进行进一步的计 算， 基于气体扩散模型使交叉群体G1”向预估的污染源点方向进行偏移， 加快收敛速度； 以 上述S303步的交叉个体ui为气体源位置， 计算监测站点理论浓度与监测站点实际浓度的差 异， 将该差异相加求平均值， 随机取一个小于1的权值λ， 利用公式(9)计算搜索个体si， si的 坐标为(xs， ys)， 其中xk和yk是搜索移动轨 迹； 由此完成由搜索个 体si组成的搜索群 体Si的计算； S305、 选择， 计算下一代群 体G2：权　利　要　求　书 2/3 页 3 CN 114441397 A 3