一种基于大数据分析的异味智能数据库构建方法与流程

本发明属于环境保护领域，更具体的说涉及一种基于大数据分析的异味智能数据库构建方法。

背景技术：

1、恶臭异味污染是典型的扰民污染，直接影响人民群众的生活质量和舒适度，与人民群众的根本利益密切相关。根据近五年全国生态环境投诉统计数据显示，污染投诉率居高不下，仅次于噪声污染，位居第二，已经成为“要集中攻克老百姓身边的突出生态环境问题”。恶臭异味污染具有瞬时性与阵发性，传统的离线测试技术已经无法满足监测需求。近三年，现场快速监测技术逐渐发展，主要包括传感器、快速质谱、光谱、离子迁移谱等。然而，现场监测结果仅能体现物质种类及其含量，无法识别关键致臭物质、锁定污染来源，也无法评价对周围环境造成的污染程度与污染范围。因此，如何进行污染成分快速分析、污染程度评估与异味现场诊断成为当前亟需解决的问题之一。

2、数据库是生态环境污染监测、溯源与评估的重要手段。国内外研究机构根据环境污染情况研发了用于查看多种环境空气质量信息数据的软件工具，方便人们了解环境污染状况。比如，美国环境保护署发布了关于大气污染源挥发性有机物和颗粒物的speciate数据库，囊括了8000余种物质信息，包含各组分的物质信息、有害程度和光化学评估信息等；由清华大学主持开发的多尺度排放清单模型构建了高分辨率的中国人为源大气污染物及二氧化碳排放清单；由南开大学组织开发的大气污染源谱数据库囊括了全国40余个城市的不同颗粒物粒径的固定燃烧源、工艺过程源、移动源、生物质燃烧源、扬尘源等3000余条源谱数据，为相关科学研究、政策评估和空气质量管理工作提供基础排放数据支持。

3、以上这些数据库是以健康风险、光化学污染、碳排放、颗粒物为统计指标，评估国家、地区的特定指标污染现状，进而指导污染管理工作。然而，数据库在恶臭异味污染领域的应用仍然处于空白，给我国恶臭异味污染管理带来不小的阻碍。因此，开发适用于我国的异味污染监管需求的数据库是十分必要的。

技术实现思路

1、本发明针对异味污染致臭物质识别不清、来源不明的难题，建立“物质分析-感官评价-来源追溯”流程化的智能数据库，具备数据统计、模拟预测与比对分析功能，可以实现物质嗅觉阈值与气味性质预测、致臭因子精准识别与污染快速溯源诊断功能。

2、为了实现上述目的，本发明是采用以下技术方案实现的：所述的方法包括：

3、建立自动化数据采集工作站，具备数据接口与传输功能，实时采集传感器在线监测的臭气浓度，同时实现监测数据的录入；

4、构建物质信息数据集，包含物质的气味特征、扩散特征、健康风险与行业分布，用于污染物的气味性质查询以及污染排放特征分析与关键致臭物质筛选的基础数据调用；

5、污染特征分析与可视化，包括描述型分析与统计型分析：基于监测数据，分析排放源、企业、区域在不同场景下的异味污染排放特征，找到主要浓度贡献与检出率高的污染物，绘制源成分谱，进一步通过气味轮廓、气味活度、气味强度等特征以及统计学分析对致臭物质进行筛选，并建立源指纹谱；

6、来源解析与报告生成，基于谱图比对方法，计算源指纹谱与环境/敏感区指纹谱的相似度，并排名各谱图间的相似度，锁定“嫌疑”污染来源；汇总监测数据、污染排放特征分析结果与来源解析结果，生成恶臭污染分析报告，得出关键污染物、致臭因子、来源锁定等结论。

7、在一个方案中，所述的嗅觉阈值采用基于线性回归的定量构效关系建立嗅觉阈值预测模型，所述的气味品质采用卷积神经网络建立预测模型；

8、嗅觉阈值预测，预测变量x包括摩尔折射率、偶极性/极化率、氢键酸碱度、原子/化学键个数、概化后的中心原子杂化类型，预测变量y为嗅觉阈值；

9、气味品质预测，基于嗅觉感知三大理论与香气化学原理，利用分子形状、振动频率以及物理吸附/化学吸附，采用卷积神经网络建立气味品质预测模式；

10、其中，输入层信息包括官能团、官能团个数、摩尔折射率、摩尔体积、偶极性/极化率、共价键数量、氢键供体数量、氢键受体数量，输出层为气味品质。

11、在一个方案中，所述的气味持久性以饱和蒸汽压、摩尔质量、嗅觉阈值、相对含量作为筛选因子，确定各要素的权重系数和赋值标准，计算物质的综合得分并排名；

12、样品中物质的气味持久性评分排名前20％的，定义为该样品的“气味持久性因子”；

13、各要素的权重系数如下：

14、y＝0.3a+0.4b+0.2c+0.1d

15、式中，a表示饱和蒸汽压，b表示分子量，c表示嗅觉阈值，d表示相对含量。

16、在一个方案中，所述的气味健康因子指物质的嗅觉阈值与健康风险值的比值，如下：

17、

18、式中，ii——i物质的气味健康因子；oti——i物质的嗅觉阈值，mg/m3；twai——i物质的4～16个小时内平均测得的累计有毒气体暴露极限值，mg/m3；

19、若比值大于1，说明该物质对人体健康影响占主导；若比值小于1，说明该物质对人类嗅觉刺激占主导。

20、在一个方案中，所述的远距离传输等级，以化学反应速率常数与半衰期构建波士顿矩阵评价物质的远距离传输等级，分为1～4个等级，等级越高传输能力越强；1级表示“远距离传输可能性低”，2级表示“远距离传输可能性较低”，3级表示“具有一定远距离传输的可能性”，4级表示“远距离传输可能性较高”。

21、在一个方案中，所述的推断性统计分析，分析排放源/企业的气味特点，形成气味轮廓图；利用气味轮廓、气味活性分析、最小偏二乘拟合、聚类分析和相关性分析，找到物质与其气味性质的关联关系，锁定关键致臭物质，形成气味名单；

22、在一个方案中，所述的污染来源解析包括：

23、(1)建立污染指纹图谱，以生产工艺或企业为观测维度，基于气味名单及其浓度值，建立以物质种类为横坐标、以甲苯相对含量为纵坐标的污染源指纹图谱；同样的，建立厂内/厂界/敏感区的受体指纹图谱；

24、(2)指纹图谱比对，使用matlab的夹角余弦法计算污染源与受体指纹图谱的相似度，相似度大于等于0.85的指纹图谱间具有“高度相似度”，介于0.70～0.85的指纹图谱间具有“较高相似度”，低于0.70的指纹图谱间具有“较低相似度”。

25、在一个方案中，所述的报告生成，分为企业类、园区类和行业类，企业类侧重于分析各排放源特征分析，找到排放源的特征异味污染物；园区类侧重于分析企业的典型异味物质分析及污染来源解析；行业类侧重于分析明确主要工序的污染特征和关键异味物质。

26、本发明有益效果：

27、本发明开发的异味智能数据库，具备数据统计、模拟预测与比对分析功能，可以实现嗅觉阈值模拟、气味性质模拟、异味物质贡献与来源分析，实现“物质分析-感官评价-来源追溯”的多元化恶臭异味评价，为解决物质分析不清与来源不明提供技术支持。

技术特征：

1.一种基于大数据分析的异味智能数据库构建方法，其特征在于：所述的方法包括：

2.根据权利要求1所述的一种基于大数据分析的异味智能数据库构建方法，其特征在于：所述的物质信息包括：气味品质与嗅觉阈值、气味持久性、气味健康因子、远距离传输等级、行业分布。

3.根据权利要求2所述的一种基于大数据分析的异味智能数据库构建方法，其特征在于：所述的嗅觉阈值基于线性回归的定量构效关系建立嗅觉阈值预测模型，所述的气味品质采用卷积神经网络建立预测模型；

4.根据权利要求2所述的一种基于大数据分析的异味智能数据库构建方法，其特征在于：

5.根据权利要求2所述的一种基于大数据分析的异味智能数据库构建方法，其特征在于：

6.根据权利要求2所述的一种基于大数据分析的异味智能数据库构建方法，其特征在于：

7.根据权利要求1所述的一种基于大数据分析的异味智能数据库构建方法，其特征在于：所述的来源解析包括：

8.根据权利要求1所述的一种基于大数据分析的异味智能数据库构建方法，其特征在于：所述的报告生成，分为企业类、园区类和行业类，企业类侧重于分析各排放源特征分析，找到排放源的特征异味污染物；园区类侧重于分析企业的典型异味物质分析及污染来源解析；

技术总结
一种基于大数据分析的异味智能数据库构建方法，属于环境保护领域，该方法包括建立自动化数据采集工作站、构建物质信息数据集、进行污染特征分析与可视化以及来源解析与报告生成等步骤。物质信息数据集中的物质信息包括气味品质、嗅觉阈值、气味持久性、气味健康因子、远距离传输等级和行业分布等。通过这种方法，能够精确识别致臭物质、解析污染来源，帮助园区、企业有效地解决异味问题。

技术研发人员：孟洁,王静,杨伟华,王亘,荆博宇,张志扬,李伟芳,翟增秀,韩萌
受保护的技术使用者：天津市生态环境科学研究院（天津市环境规划院、天津市低碳发展研究中心）
技术研发日：
技术公布日：2024/12/5