基于高斯模式的大气污染溯源方法与流程

1.本发明属于空气污染防治技术领域，具体涉及一种基于高斯模式的大气污染溯源方法。

背景技术：

2.随着社会经济的发展，各行各业的生产力在不断提升，大气污染物社会总排放量也在增大。虽然国家对空气污染物排放的要求越来越严格，但是由于企业成本以及工艺问题，仍然存在着排放不达标，甚至污染物偷排的现象。在追求美好生活的过程中，城市居民对空气质量的关注度越来越高，相关监督执法部门对城市大气污染治理的要求也越来越严格，定量、精准、快速的溯源技术方法是执法部门最为迫切需要的。

3.在业务实践中，始终存在涉气排放企业数量多，环境监管能力相对薄弱，环境监管主要依靠传统手段、信息化水平不高，无法满足现实环境管理需求，缺乏快速、有效的空气污染追因溯源技术。迫切需要更为自动化的污染来源识别技术和污染排放源管理方法，从而开展更为精细化的排放管控。

4.目前，基于大气物理和大气化学理论的数值模型方法被国内外学者应用于大气污染排放源识别方法，该方法主要基于气象和环境污染物浓度监测数据在污染事件发生之后对污染发生来源的区域和概率进行判别，此类方法虽然可以在一定程度上减少污染现场排摸人员的排摸企业范围，但受制于其海量的输出结果，仍需要较多的人力判别和时间投入才能找到污染来源。

技术实现要素：

5.为了解决上述问题，本发明提供一种基于高斯模式的大气污染溯源方法，核心计算方法使用java语言实现，包括4个核心处理模块：污染源信息处理模块、气象数据预处理模块、污染源实时数据处理模块和二段式溯源计算模块。

6.本发明所采用的技术方案如下：

7.一种基于高斯模式的大气污染溯源方法，其特征在于：包括如下处理步骤：(1)污染源信息处理步骤：通过污染源信息处理模块将研究区域内各污染源进行统一标识，赋值污染源id；本模块需要对污染源的属性进行标识，包括污染排放类型、主要污染物类型排放信息；根据研究区域的污染源实际调研结果，制作形成标准分辨率的grid格式文件，并导入数据库；(2)气象数据预处理：利用气象数据预处理模块对气象要素进行预处理，形成标准分辨率的grid文件；(3)污染源实时数据处理：利用污染源实时数据处理模块通过在线监测系统实时获取污染源排放信息，通过标准化的处理流程，形成标准分辨率的grid文件；(4)二段式溯源计算：分为模糊溯源和精准溯源，能够实现不同污染场景的追踪溯源计算。

8.本发明的基本理论是基于高斯模式气扩散理论，泰勒最先使用统计学的理论研究大气湍流，在泰勒的研究基础上，高斯通过实验分析，总结出基于湍流统计基础的大气扩散模式，即为高斯模型，高斯扩散模型以统计学函数为基础，其理论基础是在平坦开阔的平

原，假定气场均匀稳定，大气的扩散先沿着主风向传播，再向四周扩散，其分布规律符合正态分布。大量研究表明，点源连续排放大气污染物的扩散浓度，符合正态分布，其适用范围一般小于50千米，高斯扩散模型的成立由四大假定条件：污染点源均匀稳定连续排放；大气污染物在扩散过程中遵循质量守恒；扩散区域风向均匀、稳定；污染物浓度在水平方向上符合正态分布，在垂直方向上符合正态分布。其基本公式为：

[0009][0010]

其中，q为单位时间大气污染物排放量，mg/s；c为空间任一点的污染物浓度，mg/m3；σ

y

为横向扩散系数，m；σ

z

为纵向扩散系数，m；u为平均风速，m/s。

[0011]

所述的污染排放类型包括点源、线源、面源、体源，所述的主要污染物类型包括vocs、pm

10

、so2、氮氧化物，所述的排放信息包括管径、排口高度、排放效率、气体温度。

[0012]

所述的污染源信息处理模块中调研的所有污染源集合记为{ps

i

}，ps

i

表示第i个污染源，每个污染源带有类型、位置、主要污染物、排口等众多属性。

[0013]

步骤(2)中通过克里金插值法将相关要素进行空间插值处理，形成标准的grid数据文件。

[0014]

所述的气象要素中的风速(u)、风向(dir)、云量(ca)、辐射(rad)、温度(t)、湿度(hum)对污染源的追溯有重要影响，本发明中通过克里金插值法将相关要素进行空间插值处理，形成标准的grid数据文件，避免大量的实时运算，提高模型计算效率，降低溯源时间成本，能够实现污染源分钟级溯源追踪，提升对行政管理的支撑水平。

[0015][0016][0017]

其中σ

y

，σ

z

与风速(u)、风向(dir)、云量(ca)、辐射(rad)、温度(t)、湿度(hum)存在关联关系，需要根据不同的条件进行选择判断，在实际应用时，需进行优化。

[0018]

步骤(3)中所述的污染源排放信息包括污染源id、排放位置、类型、排放浓度。

[0019]

各个厂区都需安装污染源排放在线监测系统，需要监测的要素包括排放速率(u

ps

)、排放效率(q

ps

)、污染物浓度({c

ps

})、排放温度(t

ps

)，用于计算不同排口的抬升高度(δh)和单位时间污染物排放量q

ps

。

[0020]

δh＝φ(u,u

ps

,t

ps

)

[0021]

结合线下调研成果，对当前污染场景进行污染物类型识别，作为模块输入(污染物类型和浓度值等)。本模块根据输入条件计算出所有超标污染物，需针对每一种超标污染物进行溯源分析。针对某一种污染物，模糊溯源是利用当前污染物类型、风速风向和预处理完成的污染物类型分布等信息初步判断污染来源，定性分析出哪些污染源对污染场景负责，将该污染源定义为模糊源(vague source，vs)。

[0022]

所述模糊溯源具体包括如下步骤：

①

确定输入的污染物类型和浓度集合{type

i

,c

i

}；

②

计算各个类型污染物的超标程度，对于超标的污染物提取为新的集合{over

i

}；

③

根据风速(u)、风向(dir)以及污染源{ps

i

}属性信息(污染物类型、位置)等信息，获取对当前污染场景可能造成贡献的模糊源{vs

i

}

[0023]

{vs

i

}＝θ(u,dir,{over

i

},{ps

i

})

[0024]

θ为判断函数，判断ps

i

是否为模糊源，其中

[0025]

所述的精准溯源是在模糊溯源{vs

i

}基础上，利用大气扩散理论高斯模式公式计算各个模糊源单独排放造成的空间污染分布特征，然后实现多模糊源在空间上的矢量叠加计算，接着利用当前污染场景的浓度信息，配合全局优化算法逆向分析不同模糊源的贡献系数；当前场景有多种超标污染物时，单独分析各类型污染物的模糊源的贡献系数，然后按照权重系数进行综合计算，分析出不同污染源对本次污染场景的综合贡献系数。

[0026]

所述的精准溯源的步骤如下：

①

针对模糊源集合{vs

i

}，假设第i个模糊源vs

i

的排放效率为q

vs,i

，根据排放类型和相关基础信息计算出在监测点位置的污染物浓度为c

vs,i

，计算公式如下

[0027]

c

vs,i

＝f(q

vs,i

,vs

i

,u)

[0028][0029]

f为污染物浓度模拟函数，计算特定环境下污染物的大气扩散过程。

[0030]

②

根据{vs

i

}、{q

vs,i

}、{c

vs,i

}以及污染物浓度c

i

，将每个模糊源的不同组合参数进行矢量叠加计算，通过优化算法分析出最可靠的模糊源排放组合{q

vs,i

}

s

，使得下面的公式成立

[0031][0032]

abs，绝对值函数；ε为置信值，一般取1％。

[0033]

③

对于某一种污染物按照

①②

步骤可以求出一个最优的{c

vs,i

}，可以计算出{ps

i

}在第种污染物的贡献值{r

i

}

[0034][0035]

其中不在模糊源{vs

i

}中的污染源的r

i

＝0。

[0036]

④

对于多种污染物{over

i

}的场景，针对不同的over

i

重复

①②③

步骤，可以得到第i污染物的企业贡献率{r

j,i

}，r

j,i

表示第j个企业污染源对第i种超标污染物的贡献值。

[0037]

⑤

根据不同类型污染物的重要程度，按照专家经验分配不同污染物的计算权重{ω

i

}，计算得到当前污染场景下各企业污染源的综合贡献系数

[0038][0039]

r

j

表示第j个企业污染源综合贡献系数。

[0040]

本发明与现有方法相比，具有以下优点：

[0041]

1、本发明提供一种基于高斯模式的大气污染溯源方法，基本理论是基于高斯模式气扩散理论，核心计算方法使用java语言实现，包括4个核心处理模块：污染源信息处理模块、气象数据预处理模块、污染源实时数据处理模块和二段式溯源计算模块。

[0042]

2、本发明通过克里金插值法将相关要素进行空间插值处理，形成标准的grid数据文件，避免大量的实时运算，提高模型计算效率，降低溯源时间成本，能够实现污染源分钟级溯源追踪，为行政管理水平的提升提供有力支撑。

[0043]

3、本发明采用模糊溯源与精准溯源相结合的溯源方法，能够实现不同污染场景的追踪溯源计算，能够定性分析出哪些污染源对污染场景负责，实现多模糊源在空间上的矢量叠加计算，接着利用当前污染场景的浓度信息，配合全局优化算法逆向分析不同模糊源的贡献系数。

附图说明

[0044]

图1为本发明基于高斯模式的大气污染溯源方法的流程图

具体实施方式

[0045]

下面结合具体实施例对本发明进一步进行描述。

[0046]

实施例1

[0047]

一种基于高斯模式的大气污染溯源方法，其特征在于：包括如下处理步骤：(1)污染源信息处理步骤：通过污染源信息处理模块将研究区域内各污染源进行统一标识，赋值污染源id；本模块需要对污染源的属性进行标识，包括污染排放类型、主要污染物类型排放信息；根据研究区域的污染源实际调研结果，制作形成标准分辨率的grid格式文件，并导入数据库；(2)气象数据预处理：利用气象数据预处理模块对气象要素进行预处理，形成标准分辨率的grid文件；(3)污染源实时数据处理：利用污染源实时数据处理模块通过在线监测系统实时获取污染源排放信息，通过标准化的处理流程，形成标准分辨率的grid文件；(4)二段式溯源计算：分为模糊溯源和精准溯源，能够实现不同污染场景的追踪溯源计算。

[0048]

所述的污染排放类型包括点源、线源、面源、体源，所述的主要污染物类型包括vocs、pm

10

、so2、氮氧化物，所述的排放信息包括管径、排口高度、排放效率、气体温度。

[0049]

所述的污染源信息处理模块中调研的所有污染源集合记为{ps

i

}，ps

i

表示第i个污染源，每个污染源带有类型、位置、主要污染物、排口等众多属性。

[0050]

步骤(2)中通过克里金插值法将相关要素进行空间插值处理，形成标准的grid数据文件。

[0051]

所述的气象要素中的风速(u)、风向(dir)、云量(ca)、辐射(rad)、温度(t)、湿度(hum)对污染源的追溯有重要影响，本发明中通过克里金插值法将相关要素进行空间插值处理，形成标准的grid数据文件，避免大量的实时运算，提高模型计算效率，降低溯源时间成本，能够实现污染源分钟级溯源追踪，提升对行政管理的支撑水平。

[0052][0053][0054]

其中σ

y

，σ

z

与风速(u)、风向(dir)、云量(ca)、辐射(rad)、温度(t)、湿度(hum)存在关联关系，需要根据不同的条件进行选择判断，在实际应用时，需进行优化。

[0055]

步骤(3)中所述的污染源排放信息包括污染源id、排放位置、类型、排放浓度。

[0056]

各个厂区都需安装污染源排放在线监测系统，需要监测的要素包括排放速率

(u

ps

)、排放效率(q

ps

)、污染物浓度({c

ps

})、排放温度(t

ps

)，用于计算不同排口的抬升高度(δh)和单位时间污染物排放量q

ps

。

[0057]

δh＝φ(u,u

ps

,t

ps

)

[0058]

结合线下调研成果，对当前污染场景进行污染物类型识别，作为模块输入(污染物类型和浓度值等)。本模块根据输入条件计算出所有超标污染物，需针对每一种超标污染物进行溯源分析。针对某一种污染物，模糊溯源是利用当前污染物类型、风速风向和预处理完成的污染物类型分布等信息初步判断污染来源，定性分析出哪些污染源对污染场景负责，将该污染源定义为模糊源(vague source，vs)。

[0059]

所述模糊溯源具体包括如下步骤：

①

确定输入的污染物类型和浓度集合{type

i

,c

i

}；

②

计算各个类型污染物的超标程度，对于超标的污染物提取为新的集合{over

i

}；

③

根据风速(u)、风向(dir)以及污染源{ps

i

}属性信息(污染物类型、位置)等信息，获取对当前污染场景可能造成贡献的模糊源{vs

i

}

[0060]

{vs

i

}＝θ(u,dir,{over

i

},{ps

i

})

[0061]

θ为判断函数，判断ps

i

是否为模糊源，其中

[0062]

所述的精准溯源是在模糊溯源{vs

i

}基础上，利用大气扩散理论高斯模式公式计算各个模糊源单独排放造成的空间污染分布特征，然后实现多模糊源在空间上的矢量叠加计算，接着利用当前污染场景的浓度信息，配合全局优化算法逆向分析不同模糊源的贡献系数；当前场景有多种超标污染物时，单独分析各类型污染物的模糊源的贡献系数，然后按照权重系数进行综合计算，分析出不同污染源对本次污染场景的综合贡献系数。

[0063]

所述的精准溯源的步骤如下：

①

针对模糊源集合{vs

i

}，假设第i个模糊源vs

i

的排放效率为q

vs,i

，根据排放类型和相关基础信息计算出在监测点位置的污染物浓度为c

vs,i

，计算公式如下

[0064]

c

vs,i

＝f(q

vs,i

,vs

i

,u)

[0065][0066]

f为污染物浓度模拟函数，计算特定环境下污染物的大气扩散过程。

[0067]

②

根据{vs

i

}、{q

vs,i

}、{c

vs,i

}以及污染物浓度c

i

，将每个模糊源的不同组合参数进行矢量叠加计算，通过优化算法分析出最可靠的模糊源排放组合{q

vs,i

}

s

，使得下面的公式成立

[0068][0069]

abs，绝对值函数；ε为置信值，一般取1％。

[0070]

③

对于某一种污染物按照

①②

步骤可以求出一个最优的{c

vs,i

}，可以计算出{ps

i

}在第种污染物的贡献值{r

i

}

[0071]

[0072]

其中不在模糊源{vs

i

}中的污染源的r

i

＝0。

[0073]

④

对于多种污染物{over

i

}的场景，针对不同的over

i

重复

①②③

步骤，可以得到第i污染物的企业贡献率{r

j,i

}，r

j,i

表示第j个企业污染源对第i种超标污染物的贡献值。

[0074]

⑤

根据不同类型污染物的重要程度，按照专家经验分配不同污染物的计算权重{ω

i

}，计算得到当前污染场景下各企业污染源的综合贡献系数

[0075][0076]

r

j

表示第j个企业污染源综合贡献系数。

[0077]

应用例1

[0078]

某中部工业城市有重工业园区，园区内有水泥厂、钢铁厂、发电厂等多种类型的企业，园区主要监测的污染物有悬浮颗粒物(tsp)、二氧化硫(so2)、氮氧化物(nox)、挥发性有机物(vocs)等。

[0079]

(1)园区污染物信息收集

[0080]

园区内收集12家企业单位基础资料，每一个家企业都会产生不同类型的污染物，以园区左下角为坐标原点，正东方向为x轴正方向，正北方向为y轴正方向建立平面坐标系，详细信息统计如下：

[0081]

表1

[0082]

序号企业编号主要污染物排放类型相对位置信息1qy001tsp、vocs点源/排气口(0,0)2qy002tsp、so2、vocs点源/排气口(240,20)3qy003tsp、no

x

、vocs点源/排气口(260,280)4qy004tsp、so2、no

x

、vocs点源/排气口(500,50)5qy005so2、no

x

、vocs点源/排气口(560,420)6qy006tsp、so2、vocs点源/排气口(520,900)7qy007tsp、so2、no

x

、vocs点源/排气口(480,1320)8qy008tsp、so2、vocs点源/排气口(1100,50)9qy009tsp、so2点源/排气口(1000,900)10qy010tsp、so2点源/排气口(2500,900)11qy011tsp、no

x

点源/排气口(3500,1900)12qy012tsp、so2、vocs点源/排气口(5650,30)

[0083]

(2)气象信息收集

[0084]

夏季某日14时，园区天气晴，无云，10米高测得风速2.3m/s；风向正西南；1.5米测得气温为28℃，大气稳定度为较稳定。

[0085]

(3)实时信息获取

[0086]

某日14时，在线监测系统显示某固定监测点(1000,800)实时监测到各项指标的值摘录如下：

[0087]

表2

[0088][0089]

某日14时，12家企业的排气口污染物类型统计如下：

[0090]

表3

[0091][0092][0093]

(4)二段式溯源分析

[0094]

根据实测的污染物指标值，tsp、so2存在超标现象，针对两种污染物超标场景进行溯源分析。

[0095]

1)以tsp超标溯源分析为例

[0096]

①

企业的排污类型刷选出可能污染源编号集合，除了qy005都包含在内

[0097]

{qy001,qy002,qy003,qy004,qy006,qy007,qy008,qy009,qy0010,qy0011,qy0012}

[0098]

②

风速、风向以及监测点和污染源(企业排口)的相对位置进行进一步筛选，认为处于监测点风向下游的企业对本次污染场景不造成影响，概化为风向向量与某污染物到监测点的位移向量的内积小于0，即

[0099][0100]

以企业qy001为例，风向向量为位移向量计算两向量的内积故认为qy001对本次场景中tsp超标有影响，即qy001为模糊源。

[0101]

根据上述原理可以得到本次污染物超标场景中，tsp超标所有的模糊源集合为：{vs

i

}＝{qy001,qy002,qy003,qy004,qy006,qy008}；

[0102]

根据不同污染源气体中tsp的监测数据统计，模糊源排放效率摘录如下表：

[0103]

表4

[0104]

序号企业编号排气口温度℃tsp排放效率(kg/h)1qy00112053002qy0028042003qy0038043004qy004852200

5qy0066830006qy0081102800

[0105]

③

计算污染源qy001在监测点位(1000,800)处形成的污染物浓度c

qy001

，假设监测点高度为z＝1.8m；带入公式(4)计算，得到浓度值c

qy001

＝1600，单位μg/m3。

[0106]

同理，计算出所有模糊源根据公式(6)判断是否满足条件。计算可知：

[0107][0108]

不满足条件则需调整模型计算参数，重新计算所有模糊源的扩散浓度；经过多次计算得到所有模糊源的优化后的计算浓度值：最终获取{vs

i

}＝{qy001,qy002,qy003,qy004,qy006,qy008}的合理计算浓度为计算置信值：满足条件。

[0109]

④

根据公式(7)计算所有污染源对tsp超标的贡献值依次为

[0110]

{r

tsp,j

}＝{0.216,0.278,0.33,0.172,0,0.004,0,0,0,0,0,0}

[0111]

⑤

按照同样的原理，计算所有污染源中对so2超标的贡献值：

[0112][0113]

⑥

依据专家经验判断，两种指标的权重分布为ω

tsp

＝0.4，计算得到所有污染源对本次污染场景的综合贡献值

[0114][0115]

上述实施案例仅为本发明中部分实施案例，但本发明的实施方式并不受上述实施案例的限制，如实施例中方案的各种形式的组合，其他的任何未背离本发明的精神实质与原理下所做的改变、修饰、替代、组合均应为等效的替换方式，都在本发明的保护范围之内。技术特征：

1.一种基于高斯模式的大气污染溯源方法，其特征在于：包括如下处理步骤：(1)污染源信息处理步骤：通过污染源信息处理模块将研究区域内各污染源进行统一标识，赋值污染源id；本模块需要对污染源的属性进行标识，包括污染排放类型、主要污染物类型排放信息；根据研究区域的污染源实际调研结果，制作形成标准分辨率的grid格式文件，并导入数据库；(2)气象数据预处理：利用气象数据预处理模块对气象要素进行预处理，形成标准分辨率的grid文件；(3)污染源实时数据处理：利用污染源实时数据处理模块通过在线监测系统实时获取污染源排放信息，通过标准化的处理流程，形成标准分辨率的grid文件；(4)二段式溯源计算：分为模糊溯源和精准溯源，能够实现不同污染场景的追踪溯源计算。2.根据权利要求1所述的基于高斯模式的大气污染溯源方法，其特征在于：所述的污染排放类型包括点源、线源、面源、体源，所述的主要污染物类型包括vocs、pm

10

、so2、氮氧化物，所述的排放信息包括管径、排口高度、排放效率、气体温度。3.根据权利要求1所述的基于高斯模式的大气污染溯源方法，其特征在于：步骤(2)中通过克里金插值法将相关要素进行空间插值处理，形成标准的grid数据文件。4.根据权利要求1所述的基于高斯模式的大气污染溯源方法，其特征在于：步骤(3)中所述的污染源排放信息包括污染源id、排放位置、类型、排放浓度。5.根据权利要求1所述的基于高斯模式的大气污染溯源方法，其特征在于：针对某一种污染物，模糊溯源是利用当前污染物类型、风速风向和预处理完成的污染物类型分布这些信息初步判断污染来源，定性分析出哪些污染源对污染场景负责，将该污染源定义为模糊源。6.根据权利要求1所述的基于高斯模式的大气污染溯源方法，其特征在于：所述模糊溯源具体包括如下步骤：

①

确定输入的污染物类型和浓度集合{type

i

,c

i

}；

②

计算各个类型污染物的超标程度，对于超标的污染物提取为新的集合{over

i

}；

③

根据风速(u)、风向(dir)以及污染源{ps

i

}属性信息(污染物类型、位置)等信息，获取对当前污染场景可能造成贡献的模糊源{vs

i

}{vs

i

}＝θ(u,dir,{over

i

},{ps

i

})θ为判断函数，判断ps

i

是否为模糊源，其中7.根据权利要求1所述的基于高斯模式的大气污染溯源方法，其特征在于：所述的精准溯源是在模糊溯源{vs

i

}基础上，利用大气扩散理论高斯模式公式计算各个模糊源单独排放造成的空间污染分布特征，然后实现多模糊源在空间上的矢量叠加计算，接着利用当前污染场景的浓度信息，配合全局优化算法逆向分析不同模糊源的贡献系数；当前场景有多种超标污染物时，单独分析各类型污染物的模糊源的贡献系数，然后按照权重系数进行综合计算，分析出不同污染源对本次污染场景的综合贡献系数。8.根据权利要求6所述的基于高斯模式的大气污染溯源方法，其特征在于：所述的精准溯源的步骤如下：

①

针对模糊源集合{vs

i

}，假设第i个模糊源vs

i

的排放效率为q

vs,i

，根据排放类型和相关基础信息计算出在监测点位置的污染物浓度为c

vs,i

，计算公式如下c

vs,i

＝f(q

vs,i

,vs

i

,u)

f为污染物浓度模拟函数，计算特定环境下污染物的大气扩散过程。

②

根据{vs

i

}、{q

vs,i

}、{c

vs,i

}以及污染物浓度c

i

，将每个模糊源的不同组合参数进行矢量叠加计算，通过优化算法分析出最可靠的模糊源排放组合{q

vs,i

}

s

，使得下面的公式成立abs，绝对值函数；ε为置信值，一般取1％。

③

对于某一种污染物按照

①②

步骤可以求出一个最优的{c

vs,i

}，可以计算出{ps

i

}在第种污染物的贡献值{r

i

}其中不在模糊源{vs

i

}中的污染源的r

i

＝0。

④

对于多种污染物{over

i

}的场景，针对不同的over

i

重复

①②③

步骤，可以得到第i污染物的企业贡献率{r

j,i

}，r

j,i

表示第j个企业污染源对第i种超标污染物的贡献值。

⑤

根据不同类型污染物的重要程度，按照专家经验分配不同污染物的计算权重{ω

i

}，计算得到当前污染场景下各企业污染源的综合贡献系数r

j

表示第j个企业污染源综合贡献系数。

技术总结

本发明公开了一种基于高斯模式的大气污染溯源方法，基本理论是基于高斯模式气扩散理论，核心计算方法使用JAVA语言实现，包括4个核心处理模块：污染源信息处理模块、气象数据预处理模块、污染源实时数据处理模块和二段式溯源计算模块；本发明通过克里金插值法将相关要素进行空间插值处理，形成标准的GRID数据文件，避免大量的实时运算，提高模型计算效率，降低溯源时间成本，能够实现污染源分钟级溯源追踪，为行政管理水平的提升提供有力支撑。为行政管理水平的提升提供有力支撑。为行政管理水平的提升提供有力支撑。

技术研发人员：马方方 么新 杨宏伟 孙如飞

受保护的技术使用者：清华苏州环境创新研究院

技术研发日：2021.07.14

技术公布日：2021/10/26