Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 上海庭田信息科技有限公司聂春文获国家专利权

上海庭田信息科技有限公司聂春文获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉上海庭田信息科技有限公司申请的专利一种大气污染扩散的仿真系统获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119962241B

龙图腾网通过国家知识产权局官网在2025-11-11发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202510135863.8,技术领域涉及:G06F30/20;该发明授权一种大气污染扩散的仿真系统是由聂春文设计研发完成,并于2025-02-07向国家知识产权局提交的专利申请。

一种大气污染扩散的仿真系统在说明书摘要公布了:本发明涉及环境科学技术领域,公开了一种大气污染扩散的仿真系统,包括数据采集模块、数据预处理模块、动态仿真模型模块、仿真计算模块、可视化模块和决策支持模块,所述数据采集模块用于采集多源数据;所述数据预处理模块用于对采集的数据进行清洗、融合和优化;所述动态仿真模型模块采用动态混合扩散模型,并结合深度学习进行模型参数优化;所述仿真计算模块完成污染物扩散的高效模拟;所述可视化模块用于三维动态展示污染物浓度分布及扩散路径;所述决策支持模块基于仿真结果生成污染治理建议和风险预警信息。本发明中,通过引入动态混合扩散模型,实现了高斯烟羽模型和CFD模型的智能切换,能够适应从简单地形到复杂地形的多种场景。

本发明授权一种大气污染扩散的仿真系统在权利要求书中公布了:1.一种大气污染扩散的仿真系统,包括数据采集模块、数据预处理模块、动态仿真模型模块、仿真计算模块、可视化模块和决策支持模块,其特征在于: 所述数据采集模块用于采集包括污染物浓度、气象参数和地理信息在内的多源数据; 所述数据预处理模块用于对采集的数据进行清洗、融合和优化; 所述动态仿真模型模块采用动态混合扩散模型,并结合深度学习进行模型参数优化; 所述仿真计算模块基于分布式计算框架,完成污染物扩散的高效模拟; 所述可视化模块用于三维动态展示污染物浓度分布及扩散路径; 所述决策支持模块基于仿真结果生成污染治理建议和风险预警信息; 所述动态仿真模型模块包括: 高斯模型单元,基于高斯烟羽模型进行大尺度简单地形条件下的污染扩散仿真,具体包括以下步骤: S1、建立高斯模型公式 ; 其中: Cx,y,z为污染物浓度; Q为污染源排放速率; u为风速,取值范围为1-20ms; σy,σz为横向和垂直扩散系数,根据大气稳定度类别和距离通过修正公式计算; y为垂直于风向的横向距离; z为垂直高度; H为污染源排放高度; exp为指数函数,表示ex,其中e为自然对数的底; S2、基于Pasquill-Gifford稳定度类别确定扩散系数σy和σz的计算公式:; 其中: x为下风距离; ay,az为横向和垂直扩散的初始系数; by,bz为横向和垂直扩散的指数参数; S3、修正因子引入 根据湍流增强效应,加入修正因子α和β,修正公式: ; α和β的取值范围为1.1-1.5,具体根据风速和温度变化动态调整; CFD模型单元,基于计算流体力学进行复杂地形和非稳态气象条件下的污染扩散仿真,具体包括以下步骤: S1、控制方程建立 质量守恒方程:; 其中: ρ为大气密度; t为时间; 为质量流入或流出的变化率; 为流体速度矢量; 动量方程:; p为压力; μ为动力黏性系数; 为重力加速度矢量; 污染物输运方程:; 其中: C为污染物浓度; 为流体速度矢量; D为湍流扩散系数,通过湍流黏性系数计算,取值范围为10-3-10-1m2s S为污染源项,即污染源排放速率; S2、采用-k-ϵ湍流模型 参数为: 湍动能k=1.5⋅u′2,其中u′为湍流强度,取值范围为0.1-0.3⋅u; 湍流耗散率,其中l为湍流混合长度,取值为1-10m,Cμ为湍流模型常数,Cμ=0.09; S3、网格划分 使用非结构化三角形网格对复杂地形进行划分; 网格密度在高浓度梯度区域加密,网格大小范围为0.1-10m; S4、数值求解 采用有限体积法FVM离散控制方程; 使用SIMPLE算法求解压力-速度耦合问题; 模型切换单元,设置地形复杂度阈值Slopemax=15∘和风速变化率阈值ΔuΔt=2ms2; 当输入数据满足简单地形和稳定气象条件时,启用高斯模型单元; 当输入数据超出上述阈值时,自动切换至CFD模型单元; 参数优化单元,利用深度神经网络DNN优化扩散系数,DNN架构包括: 输入层:包括风速、风向、温度和湍流强度在内的10个输入特征; 隐藏层:3层,每层包含64个神经元,激活函数为ReLU; 输出层:输出优化后的扩散系数σy和σz; 训练数据量:不少于100,000条污染事件数据,使用Adam优化器,学习率为0.001; 多污染物协同扩散单元,建立多组分污染物化学反应模型: ; 其中: NOx为氮氧化物; VOC为挥发性有机化合物; O3为臭氧; k为化学反应速率常数; 化学反应速率k根据实验数据动态调整; 模拟不同污染物的沉降速率范围: PM2.50.01-0.05ms,SO20.02-0.1ms。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人上海庭田信息科技有限公司,其通讯地址为:201411 上海市奉贤区神州路580号4幢5100室;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

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。