龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：南京智汇环境气象产业研究院有限公司
申请日：2024-05-22
公开（公告）日：2024-06-21
公开（公告）号：CN118228204A
主分类号：G06F18/27
分类号：G06F18/27;G06F18/243;G06F18/214;G06N20/00
优先权：
专利状态码：在审-公开
法律状态：2024.06.21#公开
摘要：本发明公开了一种结合极端随机树和牛顿张弛逼近的排放源反演方法，基于多尺度空气质量模型CMAQ和PM2.5、O3、NO2地基观测资料，反演PM2.5、NOx、VOCs的人为排放源强，本发明利用结合极端随机树的牛顿张弛逼近源反演方法反演高时空分辨率、高时效性的人为排放源清单，改进源反演对非线性问题的处理能力，优化空气质量模式预报效果，为PM2.5和O3污染控制提供理论依据。
主权项：1.一种结合极端随机树和牛顿张弛逼近的排放源反演方法，其特征在于，包括以下步骤：S1，以原始排放源清单并基于多尺度空气质量模型CMAQ生成预报浓度场数据，以站点观测数据和CMAQ生成的预报浓度场数据构建Nuding源反演得到张弛逼近增益矩阵，从而得到张弛逼近增益矩阵数据；S2，以步骤S1得到的张弛逼近增益矩阵和原始排放源清单，生成反演后的排放源清单，并作为CMAQ模型的下一次输入数据；S3，重复步骤S1和S2，经过多次Nuding张弛逼近迭代过程，形成张弛逼近矩阵数据和预报浓度场数据；S4，建立极端随机森林模型，以步骤S3得到的张弛逼近矩阵数据库和预报浓度场数据库作为训练数据样本，对模型进行训练得到优化后的机器学习模型；S5，将站点观测数据作为自变量通过步骤S4优化后的机器学习模型进行模拟得到机器学习张弛逼近增益矩阵；S6，将步骤S5机器学习得到的张弛逼近增益矩阵，结合无反演排放源形成反演后高时空分辨率和高时效性的排放源，并输入CMAQ模式模拟得到污染物浓度预报结果。
全文数据：
权利要求：
百度查询： 南京智汇环境气象产业研究院有限公司 一种结合极端随机树和牛顿张弛逼近的排放源反演方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号