用于动态识别工业排放源和预测大气中有害物质空间分布的数值模型
项目的相关性
特大城市的发展、气候变化、对工业安全要求的不断提高，都要求对大气污染进行更好的控制和风险管理。尽管已经对大气中的物理过程进行了充分的研究，但许多工业企业并没有及时评估其污染源与实际环境状况之间相互关系的工具。当务之急是建立一个模型，用于动态识别工业排放源和预测大气中有害物质的空间分布。
项目目标
是创建一个能够集成到环境监测平台的数字模型。
创建模型的优势
-
使用动态参数优化机制
优化基于强化学习（RL - Reinforcement Learning）。应用机器学习技术可以实现自主学习、高精度的排放源识别和有害（污染）物质扩散的动态预测。
-
排放源动态识别和扩散预测优化工具的可用性
从考虑天气环境、风速和风向变化、湿度、降水等因素的角度来看，该工具大有可为。
-
低计算复杂度的排放物扩散预测新模型
项目的实际意义：
可以自动分析不同观测点污染物浓度的累积数据、气象数据、气体分析仪位置的地理信 息、企业的拓扑结构。
数字模型的解决方案将在效率和准确性方面满足企业管理层、企业环保部门、国家监管机构专家以及某些类别的生态监测设备制造商的要求。
开发的数字模型可以通过 API 软件接口集成到典型的环境监测平台中，这将大大扩展其实际应用。
该模型的运行将大大降低工业对环境的负荷，提高生产的环境安全水平，收集环境状况的实时统计信息，并通过持续监测监测对象的环境状况，预测环境风险，预防企业不良事件的发生。
