关键词:
区域源
逸散气体通量
空间插值
历史信息加权
角反射镜放置优化
摘要:
随着温室气体排放引发的气候变化问题日益严峻,对区域污染源逸散气体排放量化技术的关注度也逐渐增加。准确测量逸散气体排放通量对于理解气体在不同系统中的运动和传输、监测污染物气体排放和气候变化水平至关重要。美国环保署在其他测试方法10(OTM-10)中提出的垂直径向羽流图(VRPM)方法是一种在整个面源下方的顺风垂直平面上直接测量气体通量的质量平衡方法,在测量中小尺度非点源逸散气体排放方面得到了广泛应用。由于VRPM稀疏顺序测量结构和固定角反射镜位置造成时空变异性,测量结果存在较大的不确定性。本文针对上述挑战,开展了基于VRPM的区域源逸散气体排放的准确量化方法研究,主要的研究内容如下:
(1)由于VRPM采用空间稀疏测量结构,并且测量数据存在噪声,因此导致VRPM的通量反演精度受到影响。针对这一问题,本文提出在输入测量路径积分浓度(PIC)执行VRPM之前,先对PIC数据进行径向基函数(RBF)插值预测,将测量数据的数值大小和测量的空间位置进行均匀性处理,然后将所有测量数据和插值数据合并后输入VRPM通量反演程序中,使得输入的PIC数据是原来的两倍。算法在各种测量配置下进行了测试和验证,结果表明,RBF插值算法,尤其是高斯RBF插值技术,可降低通量估计的均方根误差(RMSE)和平均绝对误差(MAE),从而提高通量估计精度。RBF插值后计算出的平均排放率更接近真实值,表明这种插值技术有助于更准确地反映一段时间内的平均排放水平。即使在最具挑战性的验证集中,插值后平均通量的百分比误差也降低了 3.8%。
(2)由于VRPM采用顺序扫描的测量结构,经典通量反演算法仅与当前周期的测量值相关,未充分利用时序信息,导致通量反演的时间变异性大。针对这个问题,本文提出两种改进的VRPM通量反演模型,利用历史信息来提高精度。第一个模型是基于上一周期重建PIC的加权平均输入和权重函数加权最小二乘的策略。加权系数通过网格搜索获得,权重函数选取负指数函数,用于表示较大残差的权重较小。最重要的是第二个基于加权迭代平均(WIA)修正PIC和自适应加权误差总和函数(AWSSE)的VRPM通量反演模型。与原始VRPM方法和基于上一周期重建PIC的方法不同,该模型引入所有历史测量PIC和历史重建PIC。WIA部分的权重因子通过基于数据驱动的BO-GP超参数优化工具得到。仿真数据上的验证结果显示在经过BO-GP算法找到最佳权重因子后,WIA-AWSSE-VRPM模型在本文模拟的各种面源生成的验证集中均取得最佳的RMSE和MAE,优于嵌入GSRBF插值的VRPM。通过充分利用历史信息,该模型能更准确地测量逸散面源的气体排放,展现出可靠的通量反演能力和泛化性能。
(3)经典VRPM测量系统的角反射镜采用等距固定放置方式,没有将有限数量的角反射镜放置在最大化信息量的位置,导致通量量化的不确定性较大。针对VRPM的角反射镜放置这一复杂的组合优化问题,本文提出一个数据驱动的带成本限制的多目标角反射镜放置MFADC贪婪算法。本文首先介绍基于最优实验设计的单目标优化函数(A,D,E)及其贪婪求解算法,并提出两个多目标优化函数和对应的自适应权重更新公式。贪婪选择算法为组合优化问题提供次优解决方案,并且对具有子模性的目标优化提供性能保证。根据这个特性,本研究重新审视子模性的定义并证明子模函数的非负线性组合仍然保持子模性。由于A和D最优性的目标函数已被证明是子模的,因此本文提出的MFADG算法也是一个具有子模性质的多目标优化函数。实验结果展示所提方法在三个公开数据集上解决传感器放置问题的优异性能。在此基础上,本研究建立一个具有子模性的成本限制函数(C),将角反射镜的位置限制在水平方向和地面最长光束所在垂直方向的"L"型域上,并提出MFADC贪婪算法,它是子模的。本文使用该算法在仿真数据集上得到了特定场景中的最优角反射镜位置,并进行通量反演。结果显示,与简单的固定放置策略相比,该方法在有效确定角反射镜位置的同时,使通量反演性能提高。
本文从VRPM的实际应用角度出发,研究并设计上述算法模型,提供高效且切实可行的方法,使区域源逸散气体排放通量反演的准确性提高。