技术领域
[0001] 本发明属于数据预测领域，尤其涉及一种污染物排放量的预测方法及系统。
相关背景技术
[0002] 海洋生态环境保护日益受到国家和各级政府层面的重视，入海污染源产生与排放量核算是重点技术攻关内容。
[0003] 入海污染排放研究多集中在陆地源入海排放方面，以航运业为代表的海上源入海污染排放研究较少，且海上源水污染物的产生与排放量尚缺乏较为科学的计算方法。
[0004] 目前关于船舶油污水和污染物排放量的相关研究仅限单船污染排放量计算，区域内单位时间船舶入海污染排放总量方面的研究较为匮乏；同时，现有技术中在计算区域内单位时间船舶污水产生量和污染物排放量时，并未考虑船舶的污水处理能力，导致区域内单位时间污染物排放量预测存在不准确的问题。
具体实施方式
[0021] 下面将结合附图以及具体实施例来详细说明本发明，其中的示意性实施例以及说明仅用来解释本发明，但并不作为对本发明的限定。
[0022] 具体实施方式一如图1所示，下面对本发明的一种污染物排放量的预测方法进行详细说明。
[0023] S101：根据图像采集设备发送的第一图像，确定船舶类型。
[0024] 其中，在港口的适当位置设置有图像采集设备，用于采集即将驶入港口的船舶图像。
[0025] S102：根据船舶类型确定油污水产生量的第一预测模型。
[0026] 其中，目前主要的船舶类型包括货运船舶、客运船舶和渔业船舶，可事先为各类船舶训练得出相应的油污水产生量预测模型。同时，在对不同类型船舶含油污水产生量预测时，通过选择船排权重系数以及每艘次船产生的污染物均量推荐值这种较为容易获取的参数作为主要的预测参数进行预测，从而提高预测效率。
[0027] S103：利用确定出的所述油污水产生量的第一预测模型，计算得出港口区域单位时间第一油污水产生量。
[0028] S104：将所述第一图像输入第二预测模型中，以输出排放量校正因子，根据S103得到的港口区域单位时间第一油污水产生量及所述排放量校正因子，计算得出港口区域单位时间第二油污水产生量。
[0029] 其中，船舶的实际排放量受其自身的污水处理能力影响较大，因此在本步骤中设置输出排放量校正因子，以对所述港口区域单位时间第一油污水产生量进行校正，进而得到港口区域单位时间第二油污水产生量。
[0030] S105：根据所述港口区域单位时间第二油污水产生量计算得出污染物排放量。
[0031] 其中，所述污染物排放量由所述港口区域单位时间第二油污水产生量与油污水的最高浓度排放限值相乘得到。
[0032] 下面，对上述各步骤的具体实施方式进行进一步说明。
[0033] 其中，在步骤S101之前，需确定各类船舶的图像样本，并为所述各类图像样本打标签，从而利用上述样本数据训练得出船舶分类模型。
[0034] 在步骤S101中，将所述图像采集设备获取的船舶图像输入至所述船舶分类模型中，输出船舶分类结果，所述船舶分类结果包括货运船舶、客运船舶和渔业船舶。
[0035] 在步骤S102之前，需先根据各类船舶的特点确定与各类船舶相对应的油污水产生量预测模型。在所述预测模型中主要考虑的因素有：船排权重系数、每艘次船舶产生的污染物均量推荐值。
[0036] 用于为各类船舶建立的油污水产生量计算公式如下：对于货运船舶，其油污水产生量预测模型通过如下计算公式训练得出：
P1=(QC1×SC1) + (QD1×SD1) + (QH1×SH1)
P1：港口区域单位时间货船油污水产生量；QC1：港口区域单位时间货船船排权重系数；SC1：每艘次货船产生的污染物均量推荐值，单位为吨每艘次（t/艘次）；
QD1：港口区域单位时间货船吨排权重系数；SD1：每万总吨船舶产生的污染物均量推荐值，单位为吨每万总吨货物（t/万t）；
QH1：港口区域单位时间货船货排权重系数；SH1：每万总吨货物产生的污染物均量推荐值，单位为吨每万总吨货物（t/万t）；
更进一步地，所述港口区域单位时间货船船排权重系数、港口区域单位时间货船吨排权重系数、港口区域单位时间货船货排权重系数可通过往年港口统计数据进行获取；
船舶进行港口均需申请才能进入，申请信息包括了船舶的排量、吨位、货物吨位等信息；并且，对于一个较长的时间来说，不同年的同一月份停靠进港口的总排量、总吨位以及货物总吨位处于一个动态均衡的水平，因此，可以用往年的月份统计数据对未来某个月份的总排量、总吨位以及货物总吨位进行预测；进而得到进入港口区域单位时间货船吨排权重系数、港口区域单位时间货船吨排权重系数以及港口区域单位时间货船货排权重系数，进而对进入港口区域单位时间内货船的含油污水产生量进行预测；同时，每艘次货船产生的污染物均量推荐值、每万总吨船舶产生的污染物均量推荐值、每万总吨货物产生的污染物均量推荐值由往年统计数据获得；
示例性地，要预测本年度6月份的含油污水产生量，可获取过去5年6月份的进入港口的货运轮船的总排量、总吨位以及货物总吨位，然后除以5作为本年度6月份的货源轮船的总排量、总吨位以及货物总吨位，进而得到进入港口区域单位时间货船吨排权重系数、港口区域单位时间货船吨排权重系数以及港口区域单位时间货船货排权重系数，进而得到进入港口区域单位时间内货船的含油污水产生量；
值得强调的是，为了使预测值更具指导意义和避免短期波动，所述单位时间为1个月。对于客运船舶，其油污水产生量预测模型通过如下计算公式训练得出：
P2=(QC2×SC2) + (QD2×SD2) + (QH2×SH2)
P2：港口区域单位时间客船油污水产生量；QC2：港口区域单位时间客船船排权重系数；SC2：每艘次客船产生的污染物均量推荐值，单位为吨每艘次（t/艘次）；
QD2：港口区域单位时间客船吨排权重系数；SD2：每万总吨船舶产生的污染物均量推荐值，单位为吨每万总吨货物（t/万t）；
QH2：港口区域单位时间客船货排权重系数；SH2：每万人次旅客运输量产生的污染物均量推荐值，单位为吨每万人次（t/万人次）。
[0037] 和货运船舶的预测参数相似，所述港口区域单位时间客船船排权重系数、港口区域单位时间客船吨排权重系数、港口区域单位时间客船货排权重系数可通过往年港口统计数据进行获取；船舶进行港口均需申请才能进入，申请信息包括了船舶的排量、吨位、货物吨位等信息；并且，对于一个较长的时间来说，不同年的同一月份停靠进港口的总排量、总吨位以及货物总吨位处于一个动态均衡的水平，因此，同样可以用往年的月份统计数据对未来某个月份的总排量、总吨位以及货物总吨位进行预测；进而得到进入港口区域单位时间客船吨排权重系数、港口区域单位时间客船吨排权重系数以及港口区域单位时间客船货排权重系数，进而对进入港口区域单位时间客船的含油污水产生量进行预测；上述的推荐值由往年统计数据获得；示例性地，要预测本年度6月份的含油污水产生量，可获取过去5年6月份的进入港口的客运轮船的总排量、总吨位以及货物总吨位，然后除以5作为本年度6月份的货源轮船的总排量、总吨位以及货物总吨位，进而得到进入港口区域单位时间客船吨排权重系数、港口区域单位时间客船吨排权重系数以及港口区域单位时间客船货排权重系数，进而得到进入港口区域单位时间客船的含油污水产生量。对于渔业船舶，其油污水产生量预测模型通过如下计算公式训练得出：P3=(QC3×SC3) + (QD3×SD3) + (QH3×SH3)
P3：港口区域单位时间渔船油污水产生量；QC3：港口区域单位时间渔船船排权重系数；SC3：每艘次渔船产生的污染物均量推荐值，单位为吨每艘次（t/艘次）；
QD3：港口区域单位时间渔船吨排权重系数；SD3：每万总吨船舶产生的污染物均量推荐值，单位为吨每万总吨货物（t/万t）；
QH3：港口区域单位时间渔船货排权重系数；SH3：每万吨渔业捕捞量产生的污染物均量推荐值，单位为吨每万吨（t/万t）。
[0038] 具体地，所述港口区域单位时间渔船船排权重系数、港口区域单位时间渔船吨排权重系数、港口区域单位时间渔船货排权重系数与上述的货船和客船的权重系数的计算方法相同；同时，上述的推荐值由往年统计数据获得。
[0039] 对于不同类型的船舶其含油污水产生量差异较大，因此本实施例根据各类船舶的特点确定与各类船舶相对应的第一预测模型，同时，在对不同类型船舶含油污水产生量预测时，通过选择船排权重系数以及每艘次船产生的污染物均量推荐值这种较为容易获取的参数作为主要的预测参数进行预测，从而提高预测效率。
[0040] 可见，在步骤S103中，可根据统计数据对当前船舶的各类权重系数进行估算，将各类权重系数的估计值和各类均量推荐值输入至步骤S102中已确定的第一预测模型中，从而计算得出港口区域单位时间第一油污水产生量。在步骤S104之前，先根据各类船舶图像与相应的污水处理能力建立训练样本，利用所述训练样本训练得出第二预测模型。其中，第二预测模型输入为船舶图像，输出为排放量校正因子；现有技术在计算船舶污水排放时，仅考虑了船舶污水产生量，而大部分船舶均具有污水处理能力，也就是说，船舶产生的部分油污水是可以处理成无害中水排放到大海的，因此，将这部分中水计算在船舶污水排放量中时，得到的船舶污水排放量结果会与实际值有较大的偏差，导致计算不准确的情况出现，因此，本实施例根据船舶图像确定油污水排放量校正因子，从而对区域内单位时间污水排放量进行准确校正，提高船舶污水排放量预测的准确性。
[0041] 具体地，统计获得船舶单位时间油污水产生量以及船舶单位时间油污水处理量，所述排放量校正因子计算公式为：排放量校正因子=1‑船舶单位时间油污水处理量/船舶单位时间油污水产生量；
然后根据船舶类型以及船舶载重量和计算得到的排放量校正因子作为样本数据对第二预测模型进行训练，从而得到训练后的第二预测模型；
所述第二预测模型输入数据为船舶图像，可通过船舶图像获得船舶类型和载重量，进而输出排放量校正因子；
然后通过每个船舶的排放量校正因子求平均获得港口区域内单位时间所有船舶的排放量校正因子；需要说明的是，船舶污水处理能力越强，则所述排放量校正因子越小，船舶污水处理能力越弱，则所述排放量校正因子越大。
[0042] 其中，步骤S104中得出的所述港口区域单位时间第二油污水产生量由所述港口区域单位时间第一油污水产生量与所述港口区域内单位时间所有船舶的排放量校正因子相乘得到。
[0043] 具体实施方式二在本发明的另一实施例中公开了一种污染物排放量的预测系统，图2是本发明一种污染物排放量的预测系统的系统框图，包括如下功能模块：
船舶类型确定模块：根据图像采集设备发送的第一图像，确定船舶类型。
[0044] 其中，在港口的适当位置设置有图像采集设备，用于采集即将驶入港口的船舶图像。
[0045] 预测模型确定模块：与船舶类型确定模块连接，用于根据船舶类型确定油污水产生量的第一预测模型。
[0046] 其中，目前主要的船舶类型包括货运船舶、客运船舶和渔业船舶，可事先为各类船舶训练得出相应的油污水产生量预测模型。
[0047] 港口区域单位时间第一油污水产生量确定模块：与预测模型确定模块连接，用于根据确定出的所述港口区域单位时间油污水产生量的第一预测模型，计算得出港口区域单位时间第一油污水产生量。
[0048] 港口区域单位时间第二油污水产生量确定模块：与港口区域单位时间第一油污水产生量确定模块连接，将所述第一图像输入第二预测模型中，以输出排放量校正因子，根据港口区域单位时间第一油污水产生量确定模块得到的第一油污水产生量及所述排放量校正因子，计算得出港口区域单位时间第二油污水产生量。
[0049] 其中，船舶的实际排放量受其自身的污水处理能力影响较大，因此在本步骤中设置输出排放量校正因子，以对所述港口区域单位时间第一油污水产生量进行校正，进而得到港口区域单位时间第二油污水产生量。
[0050] 污染物排放量确定模块：与港口区域单位时间第二油污水产生量确定模块连接，用于根据所述港口区域单位时间第二油污水产生量计算得出污染物排放量。
[0051] 其中，所述污染物排放量由所述港口区域单位时间第二油污水产生量与油污水的最高浓度排放限值相乘得到。
[0052] 本发明的一种污染物排放量的预测方法及系统，仅通过驶入港口的船舶图像，即可对其初始油污水排放量、排放量校正因子进行估算，并进而可预测出其油污水排放量和污染物排放量。本发明提出后为地区污染物排放量统计提供数据，支撑相应污染排放管控措施的提出。
[0053] 以上所述仅是本发明的较佳实施方式，故凡依本发明专利申请范围所述的构造、特征及原理所做的等效变化或修饰，均包括于本发明专利申请范围内。
