CN113537563B - 污染应急管控效果评估方法及装置 - Google Patents

Abstract

本公开的实施例提供了一种污染应急管控效果评估方法、装置、设备和计算机可读存储介质。所述方法包括确定空气污染应急管控效果评估的时空范围；确定所述时空范围内的气象预报数据；根据需要评估的不同情境下的空气污染应急管控措施，确定不同情境下所述时空范围内的排放源预测数据；将所述时空范围内的气象预报数据、排放源预测数据输入预先训练的空气质量预测模型，得到对应情境下的时空范围内的空气质量预测数据；根据不同情境下所述时空范围内的对应的空气质量预测数据进行对比。可以对污染应急管控效果进行评估，以便选择最为合适的污染应急管控措施，实现空气质量与社会生产的平衡；还可以通过评估结果，对现有污染应急管控措施进行调整，以便后期更为简单有效的选择。

Description

污染应急管控效果评估方法及装置

技术领域

本公开的实施例一般涉及环境监测领域，并且更具体地，涉及污染应急管控效果评估方法、装置、设备和计算机可读存储介质。

背景技术

空气质量越来越受政府和大众所重视，以PM2.5为主要污染物的大气污染已经成为当前重大环境问题之一。为了应对这一问题，各地相继制定了相关的污染控制措施和重污染应急预案。为了逐步提升措施及预案的有效性，对污染应急管控效果进行定量评估和优选是十分重要的一个环节。

但是，当前常用的空气质量预报方式主要利用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。除气象数据外，数值预报还需要较为准确的污染物排放数据、详细的地理环境数据、边界条件等，并需要做大量的计算。同时由于污染源的污染物排放动态变化较大，难以获得精确的污染源数据，因此数值预报目前的预报效果往往难以达到理想的效果，因而，对应的污染应急管控效果也很难到达所需精度。

发明内容

根据本公开的实施例，提供了一种污染应急管控效果方案。

在本公开的第一方面，提供了一种污染应急管控效果评估方法，该方法包括确定空气污染应急管控效果评估的时空范围；其中，所述时空范围包括评估地理区域、评估时间范围；确定所述时空范围内的气象预报数据；根据需要评估的不同情境下的空气污染应急管控措施，确定不同情境下所述时空范围内的排放源预测数据；将所述时空范围内的气象预报数据、排放源预测数据，评估时间范围之前的m个预设时间间隔的气象数据、排放源数据及空气质量数据输入预先训练的空气质量预测模型，得到对应情境下的时空范围内的空气质量预测数据；其中，m为大于1的正整数；根据不同情境下的时空范围内的对应的空气质量预测数据，对不同情境下的时空范围内的空气污染应急管控措施的控制效果进行对比。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述地理区域包括一个或多个格网点，所述评估时间范围可以是从当前时间开始的时间范围，也可以是当前时间之后的任意时间开始的时间范围。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，将所述时空范围内的气象预报数据、排放源预测数据，评估时间范围之前的m个预设时间间隔的气象数据、排放源数据及空气质量数据输入预先训练的空气质量预测模型包括：若未获取到评估时间范围之前的m个预设时间间隔中若干个时间间隔的气象数据、排放源数据及空气质量数据，则获取对应的气象预报数据、排放源预测数据、空气质量预测数据。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述不同情境包括不采取空气污染应急管控措施的情境。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，根据需要评估的不同情境下的空气污染应急管控措施，确定不同情境下所述时空范围内的排放源预测数据包括：将采取空气污染应急管控措施后得到的污染物排放削减量对评估时间范围内以预设时间间隔的逐间隔排放源预测数据进行更新，作为最终的排放源预测数据。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，得到对应情境下的时空范围内的空气质量预测数据包括：得到的对应情境下的时空范围内的1个至第n个时间间隔的空气质量预测数据；其中，n为大于1的正整数。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述方法还包括：若所述评估时间范围所包括的时间间隔个数大于n，则根据得到的对应情境下的时空范围内的1个至第n个时间间隔的空气质量预测数据作为空气质量预测模型的输入，循环向前进行预测。

在本公开的第二方面，提供了一种污染应急管控效果评估装置，该装置包括时空范围确定模块，用于确定空气污染应急管控效果评估的时空范围；其中，所述时空范围包括评估地理区域、评估时间范围；气象预报模块，用于确定所述时空范围内的气象预报数据；排放源预测模块，用于根据需要评估的不同情境下的空气污染应急管控措施，确定不同情境下所述时空范围内的排放源预测数据；空气质量预测模块，用于将所述时空范围内的气象预报数据、排放源预测数据，评估时间范围之前的m个预设时间间隔的气象数据、排放源数据及空气质量数据输入预先训练的空气质量预测模型，得到对应情境下的时空范围内的空气质量预测数据；其中，m为大于1的正整数；效果评估模块，用于根据不同情境下的时空范围内的对应的空气质量预测数据，对不同情境下的时空范围内的空气污染应急管控措施的控制效果进行对比。

在本公开的第三方面，提供了一种电子设备。该电子设备包括：存储器和处理器，所述存储器上存储有计算机程序，所述处理器执行所述程序时实现如以上所述的方法。

在本公开的第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如根据本公开的第一方面和/或第二方面的方法。

应当理解，发明内容部分中所描述的内容并非旨在限定本公开的实施例的关键或重要特征，亦非用于限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理解。

附图说明

结合附图并参考以下详细说明，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标记表示相同或相似的元素，其中：

图1示出了根据本公开的实施例的污染应急管控效果评估方法的流程图；

图2示出了根据本公开的实施例的污染应急管控效果评估装置的方框图；

图3示出了能够实施本公开的实施例的示例性电子设备的方框图。

具体实施方式

为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的全部其他实施例，都属于本公开保护的范围。

另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

图1示出了根据本公开实施例的空气污染应急管控效果评估方法100的流程图。

在框102，确定空气污染应急管控效果评估的时空范围；其中，所述时空范围包括评估地理区域、评估时间范围。

在一些实施例中，所述时空范围包括评估地理区域、评估时间范围。所述地理区域包括一个或多个格网点，所述评估时间范围可以是从当前时间开始的时间范围，也可以是当前时间之后的任意时间开始的时间范围。在实际操作中，一般都要提前进行空气污染应急管控效果评估，例如，提前1天、12小时等等。

在一些实施例中，所述评估时间范围以天为单位。

在一些实施例中，所述评估地理区域、评估时间范围为执行空气污染应急管控的地理区域、时间范围。

在框104，确定所述时空范围内的气象预报数据；

在一些实施例中，获取所述地理区域内每个格网点在所述评估时间范围内的气象预报数据；所述气象预报数据可以是在所述评估时间范围内以预设时间间隔进行预报的。

在一些实施例中，将当前时刻的或当前时刻及之前的多个预设时间间隔的气象数据及当前时间输入预先建立的气象预报预测模型，即可得到第1至n个预设时间间隔的气象预报数据，其中，n为大于等于1的正整数。从所述第1至n个预设时间间隔的气象预报数据中获取评估时间范围内以预设时间间隔的逐间隔气象预报数据。通过将当前时刻的或当前时刻及之前的多个预设时间间隔的气象数据输入预先建立的气象预报模型，相比仅输入当前时刻的气象数据，可以更为精确的进行气象预报。

在一些实施例中，还包括，获取所述地理区域内每个格网点在所述评估时间范围之前的m个预设时间间隔的气象预报数据或气象数据，其中，m为大于等于1的正整数；即，如果已经有气象数据，则采用气象数据；如果没有气象数据，则采用气象预报数据，例如，以预设时间间隔为1小时，m为24，若要评估12小时以后的空气污染应急管控措施，则需要获取从当前时刻之前的12个小时的历史气象数据，并对从当前时刻开始的12个小时以及评估时间范围内的气象数据进行预报，获取对应的气象预报数据。

在一些实施例中，所述气象数据包括露点、温度、风向、风速、累积小时雪量和累积小时雨量等数据。

在框106，根据需要评估的不同情境下的空气污染应急管控措施，确定不同情境下所述时空范围内的排放源预测数据；

在一些实施例中，所述空气污染应急管控措施包括：面源控制措施、点源控制措施。

在一些实施例中，所述排放源预测数据可以是所述评估地理区域中每个格点在评估时间范围内以预设时间间隔的逐间隔排放源预测数据，包括不同行业的不同种污染物在所述评估地理区域中每个格点在评估时间范围内以预设时间间隔的逐间隔排放源预测数据。所述污染物包括二氧化硫、氮氧化物、臭氧或悬浮颗粒物中的一种或多种。

所述面源控制措施包括对某地区污染物的削减(例如，采取应急减排措施，实现对一次颗粒物、SO2、NOx、VOCs等污染物的减排比例)。所述点源控制措施包括在不同地区针对不同点源采取的控制措施的组合。

在一些实施例中，所述不同情境包括不采取空气污染应急管控措施的情境。依据空气质量预测结果，综合考虑空气污染程度和持续时间，将空气重污染预警分为蓝、黄、橙、红4个级别(由轻到重)；同样的，将空气污染应急管控措施分为多个情境，不同情境采取不同的具体管控措施，例如机动车停驶、企业停产限产等。

在一些实施例中，将当前时刻的或当前时刻及之前的多个预设时间间隔的排放源数据输入预先建立的排放源数据预测模型，即可得到第1至n个预设时间间隔的排放源预测数据，其中，n为大于等于1的正整数。通过将当前时刻的或当前时刻及之前的多个预设时间间隔的排放源数据输入预先建立的排放源数据预测模型，相比仅输入当前时刻的排放源数据，可以更为精确的进行排放源预测。

在一些实施例中，根据从安装有监测设备的排放源获取排放参数监测数据，根据所述排放参数监测数据以及对应的时间(包括月份、工作日、时间(每天中的不同时间)等信息)生成训练样本，对预设的神经网络模型进行训练，建立排放源数据预测模型；其中，排放源数据预测模型可以体现待进行空气质量预测的区域的排放源的排放参数随时间变化的规律。

在一些实施例中，将当前时刻的或当前时刻及之前的多个预设时间间隔的排放源数据及当前时间输入预先建立的排放源数据预测模型，即可得到第1至n个第一预设时间间隔的排放源预测数据，其中，n为大于等于1的正整数。通过将当前时刻的或当前时刻及之前的多个预设时间间隔的排放源数据输入预先建立的排放源数据预测模型，相比仅输入当前时刻的排放源数据，可以更为精确的进行排放源预测。

在一些实施例中，排放参数随时间变化的规律包括根据季度、月份、周(工作日)、天(小时)等时间变化的规律。

在一些实施例中，从所述第1至n个预设时间间隔的排放源预测数据中获取评估时间范围内以预设时间间隔的逐间隔排放源预测数据。

在一些实施例中，获取所述地理区域内每个格网点在所述评估时间范围之前的m个预设时间间隔的排放源数据，其中，m为大于等于1的正整数；如果已经有排放源数据，则采用排放源数据；如果没有排放源数据，则采用排放源预测数据，例如，以预设时间间隔为1小时，m为24，若要评估12小时以后的空气污染应急管控措施，则需要获取从当前时刻之前的12个小时的历史排放源数据，并对从当前时刻开始的12个小时以及评估时间范围内的排放源数据进行预测，获取对应的排放源预测数据。

在一些实施例中，将采取空气污染应急管控措施后得到的污染物排放削减量对评估时间范围内以预设时间间隔的逐间隔排放源预测数据进行更新，作为最终的排放源预测数据。通过不同情境下的空气污染应急管控措施得到的污染物排放削减量对评估时间范围内以预设时间间隔的逐间隔排放源预测数据进行更新，最终得到不同情境对应的评估时间范围内以预设时间间隔的逐间隔排放源预测数据。

在框108，将所述时空范围内的气象预报数据、排放源预测数据，评估时间范围之前的m个预设时间间隔的气象预报数据、排放源数据及空气质量数据输入预先训练的空气质量预测模型，得到对应情境下的时空范围内的空气质量预测数据。

在一些实施例中，若评估时间范围所包括的时间间隔个数大于n，则根据得到的对应情境下的时空范围内的第1个至第n个时间间隔的空气质量预测数据作为空气质量预测模型的输入，循环向前进行预测，直到得到对应情境下的时空范围内所有时间间隔的空气质量预测数据。

在一些实施例中，所述评估时间范围之前的m个预设时间间隔的空气质量数据为空气质量数据或空气质量预测数据，其中，m为大于等于1的正整数；即，如果已经有空气质量数据，则采用空气质量数据；如果没有空气质量数据，则采用空气质量预测数据，例如，以预设时间间隔为1小时，m为24，若要评估12小时以后的空气污染应急管控措施，则需要获取从当前时刻之前的12个小时的历史空气质量数据，并对从当前时刻开始的12个小时以及评估时间范围内的空气质量数据进行预测，获取对应的空气质量预测数据。同样的，所述评估时间范围之前的m个预设时间间隔的排放数据为排放源数据或排放源预测数据。

通过综合考虑本地排放源预测数据和气象预报数据，可以更好的体现出本地排放源以及区域传输(例如，在气象数据，如风向、风速的影响下，会使其他地区污染物扩散至本地，降低本地空气质量；也可能使本地污染物扩散至其他地区，提高本地空气质量)对空气质量带来的影响，提高空气质量预测精度。

在一些实施例中，所述空气质量预测模型是通过以下步骤训练得到的：

根据历史排放源数据、历史气象数据及历史空气质量数据生成训练集；其中，历史排放源数据为从安装有监测设备的排放源获取的排放参数监测数据以及其他统计数据；历史气象数据为气象监测数据；历史空气质量数据为空气质量监测数据，通过采用上述历史排放源数据、历史气象数据作为样本，空气质量监测数据作为标注，生产训练数据集；训练空气质量预测模型后，可以将气象数据和排放源(或者气象预报数据和排放源预测数据)数据输入训练后的空气质量预测模型，即可得到对应的空气质量预测数据。

在一些实施例中，所述训练集包括样本和标注，所述样本包括：从第一时刻开始的第1至n个预设时间间隔的排放源数据、气象数据，所述标注包括：从第一时刻开始的第1至n个预设时间间隔的空气质量数据。

在一些实施例中，所述训练样本包括：第一时刻之前的m个预设时间间隔的排放源数据、气象数据、空气质量数据，从第一时刻开始的第1至n个预设时间间隔的排放源数据、气象数据，所述标注包括：从第一时刻开始的第1至n个预设时间间隔的空气质量数据。通过将第一时刻之前的m个预设时间间隔的排放源数据、气象数据和空气质量数据加入训练样本，可以更好地体现空气质量的变化规律。

通过所述训练样本对预设的神经网络模型进行训练；其中，所述神经网络模型可以是RNN循环神经网络模型或LSTM长短期记忆模型。

在一些实施例中，可以直接对从第一时刻开始的第1至n个预设时间间隔的空气质量数据进行预测。也可以首先预测从第一时刻开始的第1个预设时间间隔的空气质量预测数据，然后以此为基础对从第一时刻开始的第2个预设时间间隔的空气质量预测数据进行预测，依次类推，以便进一步提高空气质量预测数据的预测精度。还可以将通过上述方式预测得到的空气质量预测数据与直接对从第一时刻开始的第1至n个预设时间间隔的空气质量预测数据进行预测得到的空气质量预测数据进行加权求和，作为最终空气质量预测数据。

现有空气质量预测方法由于受前一时刻的预报结果影响，预测容易出现滞后性，从而降低了空气质量预报的准确性。具体表现为：(1)重污染开始阶段的滞后性：例如重污染过程开始时，而预报可能并不能捕捉到该次污染，这是由于重污染开始的前一天的观测值为低浓度，则该天的预测值可能依然为低值。(2)重污染结束时的滞后性：当重污染过程结束时，由于重污染结束的前一天高浓度观测值的影响，则该天的预测值可能显示该天依然有污染发生。因此，需要结合当前空气质量监测数据、当前气象数据，避免预测出现滞后性。

在一些实施例中，由于大数据量的空气质量预测需要耗费大量的计算资源和计算时间，因此，可以以较大的预设时间间隔进行空气质量预测，并对预测结果进行判断，若某一时间范围内，空气质量的变化率超过阈值，则以较小的预设时间间隔对其再次进行空气质量预测，以提高预测精度。其中，适应不同的预设时间间隔的空气质量预测模型可以通过迁移学习的方式获得，首先，采用大量第一预设时间间隔的样本对空气质量预测模型进行训练，得到训练完成的第一预设时间间隔空气质量预测模型；然后，将已训练好的第一预设时间间隔空气质量预测模型参数迁移到新的第二预设时间间隔空气质量预测模型来帮助第一预设时间间隔空气质量预测模型训练，采用少量更新后的第二预设时间间隔的样本对已经训练完成的第一预设时间间隔空气质量预测模型进行迁移学习，即可得到适应更新后的预设时间间隔的空气质量预测模型。

在一些实施例中，定期重新进行空气质量预测，更新所述空气质量预测数据，可以根据对预测精度的需求设定定期重新进行空气质量预测的周期，例如，如果需要较高精度，可以每隔预设时间间隔就更新一次数据；如果需要的精度较低，可以在每隔多个预设时间间隔之后，再更新一次数据。

通过本步骤，可以定期更新之前的空气质量预测数据，以提供更加精确的空气质量预测数据。

在框110，根据不同情境下的时空范围内的对应的空气质量预测数据，对不同情境下的时空范围内的空气污染应急管控措施的控制效果进行对比。

在一些实施例中，将不同情境下的空气污染应急管控措施对应的空气质量预测数据与未采取空气污染应急管控措施对应的空气质量预测数据进行对比，确定不同情境下的空气污染应急管控措施的效果，并根据预期空气质量选择合适场景下的空气污染应急管控措施。

在一些实施例中，若空气污染应急管控措施对应的空气质量预测数据未达到预期，则对对应的空气污染应急管控措施进行调整，重新进行预测，直到对应的空气质量预测数据达到预期。在一些实施例中，对空气污染应急管控措施中的面源控制措施、点源控制措施进行调整；在一些实施例中，对空气污染应急管控措施的执行时间进行调整，例如当对应的空气质量预测数据没有达到预期，即污染物指数偏高，则可以提前执行空气污染应急管控措施。

根据本公开的实施例，实现了以下技术效果：

基于排放源预测数据和气象预报数据，同时考虑本地污染物排放及其他地区污染物迁移的影响(例如，在气象数据，如风向、风速的影响下，会使其他地区污染物扩散至本地，降低本地空气质量；也可能使本地污染物扩散至其他地区，提高本地空气质量)，可以更精确的进行空气质量预报。

通过本实施例，可以对污染应急管控效果进行评估，以便选择最为合适的污染应急管控措施，实现空气质量与社会生产的平衡；还可以通过评估结果，对现有污染应急管控措施进行调整，以便后期更为简单有效的选择。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本公开并不受所描述的动作顺序的限制，因为依据本公开，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本公开所必须的。

以上是关于方法实施例的介绍，以下通过装置实施例，对本公开所述方案进行进一步说明。

图2示出了根据本公开的实施例的污染应急管控效果评估装置200的方框图。如图2所示，装置200包括：

时空范围确定模块202，用于确定空气污染应急管控效果评估的时空范围；其中，所述时空范围包括评估地理区域、评估时间范围；

气象预报模块204，用于确定所述时空范围内的气象预报数据；

排放源预测模块206，用于根据需要评估的不同情境下的空气污染应急管控措施，确定不同情境下所述时空范围内的排放源预测数据；

空气质量预测模块208，用于将所述时空范围内的气象预报数据、排放源预测数据，评估时间范围之前的m个预设时间间隔的气象数据、排放源数据及空气质量数据输入预先训练的空气质量预测模型，得到对应情境下的时空范围内的空气质量预测数据；其中，m为大于1的正整数；

效果评估模块210，用于根据不同情境下的时空范围内的对应的空气质量预测数据，对不同情境下的时空范围内的空气污染应急管控措施的控制效果进行对比。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，所述描述的模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

图3示出了可以用来实施本公开的实施例的电子设备300的示意性框图。如图所示，设备300包括CPU301，其可以根据存储在ROM302中的计算机程序指令或者从存储单元308加载到RAM303中的计算机程序指令，来执行各种适当的动作和处理。在RAM 303中，还可以存储设备300操作所需的各种程序和数据。CPU 301、ROM 302以及RAM 303通过总线304彼此相连。I/O接口305也连接至总线304。

设备300中的多个部件连接至I/O接口305，包括：输入单元306，例如键盘、鼠标等；输出单元307，例如各种类型的显示器、扬声器等；存储单元308，例如磁盘、光盘等；以及通信单元309，例如网卡、调制解调器、无线通信收发机等。通信单元309允许设备300通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

CPU 301执行上文所描述的各个方法和处理，例如方法100。例如，在一些实施例中，方法100可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元308。在一些实施例中，计算机程序的部分或者全部可以经由ROM 302和/或通信单元309而被载入和/或安装到设备300上。当计算机程序加载到RAM 303并由CPU 301执行时，可以执行上文描述的方法100的一个或多个步骤。备选地，在其他实施例中，CPU 301可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法100。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑器件(CPLD)等等。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、RAM、ROM、EPROM、光纤、CD-ROM、光学储存设备、磁储存设备、或上述内容的任何合适组合。

此外，虽然采用特定次序描绘了各操作，但是这应当理解为要求这样操作以所示出的特定次序或以顺序次序执行，或者要求所有图示的操作应被执行以取得期望的结果。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实现中。相反地，在单个实现的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实现中。

尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (9)

1.一种污染应急管控效果评估方法，其特征在于，包括：

确定空气污染应急管控效果评估的时空范围；其中，所述时空范围包括评估地理区域、评估时间范围；

确定所述时空范围内的气象预报数据；

根据需要评估的不同情境下的空气污染应急管控措施，确定不同情境下所述时空范围内的排放源预测数据；所述不同情境包括不采取空气污染应急管控措施的情境，依据空气质量预测结果，综合考虑空气污染程度和持续时间，将所述空气污染应急管控措施分为多个情境，不同情境采取不同的具体管控措施；

所述排放源预测数据为所述评估地理区域中每个格点在评估时间范围内以预设时间间隔的逐间隔排放源预测数据，包括不同行业的不同种污染物在所述评估地理区域中每个格点在评估时间范围内以预设时间间隔的逐间隔排放源预测数据，其中，所述污染物包括二氧化硫、氮氧化物、臭氧或悬浮颗粒物中的一种或多种；

将所述时空范围内的气象预报数据、排放源预测数据，评估时间范围之前的m个预设时间间隔的气象数据、排放源数据及空气质量数据输入预先训练的空气质量预测模型，得到对应情境下的时空范围内的空气质量预测数据；其中，m为大于1的正整数；

根据不同情境下的时空范围内的对应的空气质量预测数据，对不同情境下的时空范围内的空气污染应急管控措施的控制效果进行对比。

2.根据权利要求1所述的方法，其特征在于，

所述地理区域包括一个或多个格网点，所述评估时间范围是从当前时间开始的时间范围，或者是当前时间之后的任意时间开始的时间范围。

3.根据权利要求2所述的方法，其特征在于，将所述时空范围内的气象预报数据、排放源预测数据，评估时间范围之前的m个预设时间间隔的气象数据、排放源数据及空气质量数据输入预先训练的空气质量预测模型包括：

若未获取到评估时间范围之前的m个预设时间间隔中若干个时间间隔的气象数据、排放源数据及空气质量数据，则获取对应的气象预报数据、排放源预测数据、空气质量预测数据。

4.根据权利要求3所述的方法，其特征在于，根据需要评估的不同情境下的空气污染应急管控措施，确定不同情境下所述时空范围内的排放源预测数据包括：

将采取空气污染应急管控措施后得到的污染物排放削减量对评估时间范围内以预设时间间隔的逐间隔排放源预测数据进行更新，作为最终的排放源预测数据。

5.根据权利要求3所述的方法，其特征在于，得到对应情境下的时空范围内的空气质量预测数据包括：

得到的对应情境下的时空范围内的第1个至第n个时间间隔的空气质量预测数据；其中，n为大于1的正整数。

6.根据权利要求5所述的方法，其特征在于，所述方法还包括：

若所述评估时间范围所包括的时间间隔个数大于n，则根据得到的对应情境下的时空范围内的第1个至第n个时间间隔的空气质量预测数据作为空气质量预测模型的输入，循环向前进行预测。

7.一种污染应急管控效果评估装置，其特征在于，包括：

时空范围确定模块，用于确定空气污染应急管控效果评估的时空范围；其中，所述时空范围包括评估地理区域、评估时间范围；

气象预报模块，用于确定所述时空范围内的气象预报数据；

排放源预测模块，用于根据需要评估的不同情境下的空气污染应急管控措施，确定不同情境下所述时空范围内的排放源预测数据；所述不同情境包括不采取空气污染应急管控措施的情境，依据空气质量预测结果，综合考虑空气污染程度和持续时间，将所述空气污染应急管控措施分为多个情境，不同情境采取不同的具体管控措施；

所述排放源预测数据为所述评估地理区域中每个格点在评估时间范围内以预设时间间隔的逐间隔排放源预测数据，包括不同行业的不同种污染物在所述评估地理区域中每个格点在评估时间范围内以预设时间间隔的逐间隔排放源预测数据，其中，所述污染物包括二氧化硫、氮氧化物、臭氧或悬浮颗粒物中的一种或多种；

空气质量预测模块，用于将所述时空范围内的气象预报数据、排放源预测数据，评估时间范围之前的m个预设时间间隔的气象预报数据、排放源预测数据及空气质量数据输入预先训练的空气质量预测模型，得到对应情境下的时空范围内的空气质量预测数据；其中，m为大于1的正整数；

效果评估模块，用于根据不同情境下的时空范围内的对应的空气质量预测数据，对不同情境下的时空范围内的空气污染应急管控措施的控制效果进行对比。

8.一种电子设备，包括存储器和处理器，所述存储器上存储有计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1~6中任一项所述的方法。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1~6中任一项所述的方法。

Images