计算装置和计算方法与流程

本文所描述的实施例的某一方面涉及计算装置和计算方法。

背景技术：

近年来，已经积极地测量了空气中的颗粒物质如pm2.5的水平。气体中的颗粒浓度由单位体积的气体中所包含的颗粒质量(例如mg/m³或μg/m³)来表示。这种颗粒浓度被称为质量浓度。用于测量pm2.5的质量浓度的经典技术之一是在过滤器上俘获气体中的颗粒，然后测量所俘获的颗粒的质量。替代地，β衰减测量已经被称为是可以自动测量质量浓度的技术。通过过滤器技术或β衰减测量所得到的浓度是质量浓度。因此，目前，pm2.5浓度通常由质量浓度表示。此外，作为简单的方法，有光散射检测方法，此方法照射气体中的颗粒，然后用散射光来测量包含在单位体积的气体中的颗粒数目(如颗粒的数目/m²)。如日本专利申请公开号2001-343319、2014-240733和2014-228309所公开的那样，已经具有几种已知的自动测量空气中的颗粒浓度的方法。

技术实现要素：

考虑到这些情况，已经作出了本发明，并且本发明的目的是为了提供允许许多测量站的安装以及颗粒组成的获得的计算装置、计算机可读非瞬时性存储介质以及计算方法。

根据本发明的一方面，提供了计算装置，该计算装置包括：采集单元，其被配置成获得在第一测量站中测得的包含在气体中的颗粒的质量浓度、在第二测量站中测得的包含在气体中的颗粒的数目浓度以及在第二测量站中测得的气体的湿度；以及计算单元，其被配置成：基于由采集单元所获得的第一测量站中的质量浓度以及第二测量站中的数目浓度和湿度来计算函数，该函数限定了质量浓度和数目浓度与湿度的关系，并且该函数用来根据在第三测量站中测得的包含在气体中的颗粒的数目浓度和气体的湿度来计算包含在第三测量站中的气体中的颗粒的质量浓度，第三测量站安装在与安装第一测量站和第二测量站的位置不同的位置中。

将借助于在权利要求中具体指出的元素和组合来实现和达到本发明的目的和优点。要理解的是，如所要求保护的那样，上述总体描述和以下详细描述是示例性的和说明性的，而非限制本发明。

附图说明

图1是采用根据第一实施例的计算装置和计算程序的系统的框图；

图2是起到第一实施例的计算装置的作用的计算机的框图；

图3是第一实施例的计算装置的功能框图；

图4是通过第一实施例中的计算机执行的处理的流程图；

图5是图示了计算第一实施例中的功能的方法的流程图；

图6是在第一实施例中的数目浓度与质量浓度的比率与相对湿度的图表；

图7是采用根据第二实施例的计算装置和计算程序的系统的框图；

图8是采用根据第三实施例的计算装置和计算程序的系统的框图；

图9是采用根据第四实施例的计算装置和计算程序的系统的框图；

图10是根据第五实施例的计算装置的功能框图；

图11是通过第五实施例中的计算机执行的处理的流程图；以及

图12a至图12c图示了第五实施例中的函数f(h)和fi(h)。

具体实施方式

例如，在过滤器上俘获颗粒的技术针对每次测量需要24小时或更长。此外，难以进行自动测量。β衰减测量法可以自动测量质量浓度。然而，其测量时间不够短。此外，测量装置大且昂贵。因此，难以安装许多测量站，其中每一个都装配有质量浓度检测器。

还需要通过简单的技术来获得关于颗粒组成的信息。

由于pm2.5或其它颗粒物质对健康的影响，所以对pm2.5进行更加频繁的测量的需求已经增加。然而，遍及全国，用于测量pm2.5浓度的测量站的数目在1000以下。此外，安装位置的分布是不均匀的。因此，上述需求没有得到充分满足。

如果位于近邻的测量站实时地收集和传送关于pm2.5浓度的数据，则数据有助于在预期pm2.5浓度会上升时采取措施。此外，数据将有助于对pm2.5浓度的预测、pm2.5来源的识别和/或大气科学模拟。

采用在过滤器上俘获颗粒或β衰减测量法的技术的质量浓度测量仪器是昂贵的。因此，难以遍及全国来安装装配有质量浓度检测器的测量站。此外，由于测量时间长，所以难以进行实时测量。

与此形成对照，采用光散射检测方法的数目浓度测量仪器可以自动测量数目浓度，并且比较便宜。因此，可以遍及全国来安装装配有数目浓度测量仪器的测量站。这样的安装允许实时地汇集关于每个区域中的颗粒浓度的数据。

然而，由光散射检测方法所测量的浓度不是质量浓度，而是对应于每单位体积的颗粒数目的数目浓度。通过将数目浓度乘以预定的转换因子，包含在气体中的颗粒的数目浓度转换成质量浓度。然而，当使用这种方法时，转换精度不高。发明人已经通过用湿度的函数来限定转换因子而成功地提高了转换精度。转换精度的成功提高可以涉及以下现象：当气体的湿度变化时，由于颗粒的吸湿量变化，所以颗粒尺寸的分布以及颗粒的物化属性变化。颗粒是各种成分的混合物。颗粒的吸湿性取决于颗粒组成。例如，当颗粒是由硫酸铵组成时，在湿度为90％时的光散射截面比干燥条件下的光散射截面大5倍。当颗粒由有机物质组成时，光散射截面受湿度的影响较小。如所描述的那样，当颗粒组成变化时，颗粒的吸湿性变化。颗粒组成取决于位置和时间而变化。因此，如果使用相同的函数作为用于将数目浓度转换成质量浓度的函数，则无法增加从数目浓度至质量浓度的转换精度。因此，发明人考虑根据颗粒组成的变化来使用适当的函数。

如上所述，难以安装许多具有高测量精度的测量站。以下实施例安装了装配有质量浓度检测器(其可以精确地测量，但是昂贵)的测量站，并且安装了装配有数目浓度检测器(其成本较低，但是测量较不精确)的测量站，以允许许多测量站的安装。

第一实施例

图1是采用根据第一实施例的计算装置和计算程序的系统的框图。如图1所示，系统100包括测量站20、22和22a以及计算机10。测量站20兼作测量站24和26。测量站24和26安装在大致相同的位置中。测量站24包括质量浓度测量仪器30。测量站26包括数目浓度测量仪器32和湿度计34。测量站22和22a安装在与测量站20所安装的位置不同的位置中。测量站22和22a中的每一个包括数目浓度测量仪器32和湿度计34，但是不包括质量浓度测量仪器30。测量站20和22通过有线互联网网络36耦接到计算机10。测量站22a通过无线网络38如移动通信网络耦接到计算机10。可以适当地使用各种通讯方法(包括有线通信网络和无线通信网络)，以在测量站20、22和22a与计算机10之间发送和接收数据。

例如，质量浓度测量仪器30采用β衰减测量法，并且测量在测量站24中的包含在气体(例如空气)中的颗粒如pm2.5的质量浓度cm0。例如，数目浓度测量仪器32采用光散射检测方法，并且测量在测量站24中的包含在气体中的颗粒如pm2.5的数目浓度cn0。湿度计34测量在测量站24中的气体的相对湿度h0。例如，计算机10是服务器计算机。计算机10是计算装置，并且执行计算程序和计算方法。

图2是起到根据第一实施例的计算装置的作用的计算机的框图。计算机10包括中央处理单元(cpu)11、显示装置12、输入装置13、输出装置14、存储装置15、存储介质驱动器16、通信接口17和内部总线18。例如，显示装置12包括显示面板如液晶面板并且显示指令、数据等。输入装置13的示例是(但不限于)键盘、鼠标和触摸面板。输入装置13用于输入指令、数据等。例如，输出装置14是打印机，并且输出指令、数据等。例如，存储装置15是易失性存储器如随机存取存储器(ram)或非易失性存储器如闪速存储器或硬盘驱动器，并且在处理期间或在处理之后存储程序和数据。存储介质驱动器16用于安装存储在存储介质19中的程序。通信接口17从测量站20、22和22a中获得数据如质量浓度、数目浓度以及湿度。内部总线18使计算机10中的装置相互连接。

便携式存储介质可以用作存储介质19，其存储程序并且可以通过计算机10被读取。便携式存储介质的示例包括但不限于紧致盘只读存储器(cd-rom)光盘、数字多功能光盘(dvd)、蓝光光盘以及通用串行总线(usb)。闪速存储器或硬盘驱动器(hdd)可以用作存储介质19。

图3是根据第一实施例的计算装置40的功能框图。如图3所示，计算机10通过图2中图示的硬件部件与软件之间的协作而起作用。图4是由第一实施例中的计算机执行的处理的流程图。

如图3和图4所示，采集单元42从测量站24中获得在测量站24中测得的质量浓度cm0。采集单元42从测量站26中获得在测量站26中测得的数目浓度cn0和湿度h0(步骤s10)。函数计算单元44基于获得的质量浓度cm0、获得的数目浓度cn0和获得的湿度h0来计算(限定了质量浓度cm和数目浓度cn与湿度h的关系的)函数f(h)(步骤s12)。例如，函数f(h)是cn/cm相对于相对湿度h的函数。采集单元46从测量站22和22a中获得在测量站22和22a中测得的数目浓度cn1和湿度h1(步骤s14)。质量浓度计算单元48基于函数f(h)来根据得到的数目浓度cn1和得到的湿度h1而计算包含在测量站22和22a中的每一个中的气体中的颗粒的质量浓度cm1(步骤s16)。例如，通过以下公式来计算cm1：cm1＝cn1/f(h)。

图5是图示第一实施例中的计算函数的方法的流程图。如图5所示，采集单元42获得质量浓度cm0、数目浓度cn0和湿度h0(步骤s20)。例如，采集单元42以规则间隔(例如以1小时的间隔)获得质量浓度cm0，并且以比获得质量浓度cm0的间隔更短的间隔(例如以1分钟的间隔)获得数目浓度cn0和湿度h0。采集单元42将在大致相同的时间处测得的质量浓度cm0、数目浓度cn0和湿度h0一起作为一组，存储在存储单元(如图2中所图示的存储装置15)中。当以与测量数目浓度cn0和湿度h0的间隔不同的间隔来测量质量浓度cm0时，可以将在与测量质量浓度cm0的时间最接近的时间处测得的数目浓度cn0和湿度h0与质量浓度cm0一起存储，以作为在大致相同的时间处测得的一组质量浓度cm0、数目浓度cn0和湿度h0。替代地，可以将在以下测量期间测得的多个数目浓度cn0和多个湿度h0与最后测得的质量浓度cm0一起存储，以作为在大致相同的时间处测得的成组的质量浓度cm0、数目浓度cn0和湿度h0：从开始质量浓度cm0的测量起直到开始质量浓度cm0的下一次测量。替代地，可以将在测量期间测得的多个数目浓度cn0的平均值和多个湿度h0的平均值与最后测得的质量浓度cm一起存储，作为在大致相同的时间处测得的一组质量浓度cm0、数目浓度cn0和湿度h0。

函数计算单元44确定数据是否已经收集了足以计算函数的数据(步骤s22)。当确定是“否”时，过程返回到步骤s20。如果确定是“是”时，函数计算单元44根据收集到的质量浓度cm0和收集到的数目浓度cn0来计算函数(步骤s24)。稍后将描述细节。函数计算单元44在存储单元如存储装置15中存储函数f(h)。例如，函数f(h)在存储单元中存储为cn/cm与湿度h的表。函数计算单元44确定过程是否结束(步骤s26)。例如，当停止浓度测量时，确定成为“是”。当确定是“是”时，过程结束。当确定是“否”时，过程返回到步骤s20。

图6是在第一实施例中的数目浓度与质量浓度的比率与相对湿度的图表。如图6所示，函数计算单元44根据在测量站24和26中在大致相同的时间处测得的质量浓度cm1和数目浓度cn1来计算cn/cm。点52表示在大致相同的时间处测得的相对于湿度h1的cn/cm。由于湿度h取决于测量站24和26的环境而变化，所以获得相对于各个湿度h的cn/cm的点52。函数计算单元44使用近似方程根据点52来计算近似曲线54。函数计算单元44将近似曲线54的函数定义为函数f(h)。

函数计算单元44可以使用在预定时间段期间(如一个月或一周)或者无常时间段期间测得的质量浓度cm0、数目浓度cn0和湿度h0来计算函数f(h)。替代地，函数计算单元44可以使用在最近的预定时间段期间(例如一个月或一周)或者最近的无常时间段期间测得的质量浓度cm0、数目浓度cn0和湿度h0来计算函数f(h)。

在图4中的步骤s16处，质量浓度计算单元48使用最新的函数f(h)来计算质量浓度cm1。

如在第一实施例中描述的那样，如在图4中的步骤s10处那样，采集单元42(采集单元)获得测量站24(第一测量站)中的质量浓度cm0以及测量站26(第二测量站)中的数目浓度cn0和湿度h0。如在步骤s12处那样，函数计算单元44(计算单元)基于质量浓度cm0、数目浓度cn0和湿度h来计算函数f(h)，该函数f(h)限定了质量浓度cm和数目浓度cn与湿度h的关系。如在步骤s16处那样，函数f(h)是以下函数：用于根据测量站22和22a(第三测量站)中的每一个中测得的数目浓度cn1和湿度h1来计算包含在测量站22和22a中的每一个中的气体中的颗粒的质量浓度cm1。

例如，在某一区域，认为在测量站24、26、22和22a中的颗粒组成是相同的。测量站24、26、22和22a中的质量浓度与数目浓度的比率大致相同。因此，根据在测量站24中测得的质量浓度cm0以及在测量站26中测得的数目浓度cn0和湿度h0来计算函数f(h)。函数f(h)的使用允许根据测量站22和22a中的每一个中测得的数目浓度cn1和湿度h1来精确地计算测量站22和22a中的每一个中的质量浓度cm1。测量站22和22a不包括质量浓度测量仪器30。因此，可以安装许多测量站22和22a。此外，测量站22和22a可以以短的间隔来测量数目浓度cn1和湿度h1。因此，可以实时计算测量站22和22a中的质量浓度cm1。

此外，如图1所示，测量站24和测量站26位于相同的位置。因此，可以测量在大致相同位置中的质量浓度cm0、数目浓度cn0和湿度h0。因此，更加精确地计算函数f(h)。例如，测量站24和26位于相同位置的情况是测量站24和26位于相同建筑物或相同场所的情况或者测量站24和26之间的距离约是100米或更少的情况。例如，测量站24和26位于不同位置的情况是测量站24和26之间的距离是几百米或更大的情况。

如在图5中的步骤s20和s22处那样，采集单元42获得以规则间隔或不固定间隔测得的在测量站24中的多个质量浓度cm0以及以规则间隔或不固定间隔测得的在测量站26中的多个数目浓度cn0和多个湿度h0。在步骤s24处，函数计算单元44以规则间隔或不固定间隔计算函数f(h)。相应地，在图4的步骤s16处，质量浓度计算单元48可以使用以规则间隔或不固定间隔计算的函数之中的最新的函数f(h)来计算测量站22和22a中的质量浓度cm1。因此，即使当颗粒组成根据环境变化或季节变化而变化时，也可以精确地计算质量浓度。

如在图5中的步骤s20处和在图6中所描述的那样，采集单元42获得在预定时间段在测量站24中测得的多个质量浓度cm0以及在预定时间段在测量站26中测得的多个数目浓度cn0和多个湿度h0。函数计算单元44基于多个质量浓度cm0、多个数目浓度cn0和多个湿度h0来计算函数f(h)。因此，可以计算出函数f(h)。

如图6所示，优选地，函数f(h)是依据湿度h而变化的数目浓度cn与质量浓度cm的比率cn/cm。这简化了函数f(h)的计算。函数f(h)可以是除了cn/cm以外的包含cn和cm的且依据湿度而变化的函数。

第二实施例

图7是采用根据第二实施例的计算装置和计算程序的系统的框图。如图7所示，在系统102中，测量站24和测量站26安装在不同的位置。测量站24和26之间的距离是距离d1。测量站22和22a之中最接近于测量站24的测量站与测量站24之间的距离是距离d2。由于其它配置与第一实施例的配置相同，因此省略了描述。

在第二实施例中，距离d1小于距离d2。此配置允许在相对较近的位置中的质量浓度cm0、数目浓度cn0和湿度h0的测量。因此，可以更加精确地计算函数f(h)。例如，距离d1可以是1km或更小。

第三实施例

图8是采用根据第三实施例的计算装置和计算程序的系统的框图。如图8所示，在系统104中，区域被划分成多个小区50。测量站20和多个测量站22安装在每个小区50中。如在第一实施例中那样，测量站20包括测量站24和26。如在第二实施例中那样，可以设置测量站24和26来代替测量站20。由于其它配置与第一实施例的配置相同，因此省略了描述。

在第三实施例中，测量站20和测量站22安装在小区50中的每一个中。在相同的小区50中，函数计算单元44基于测量站20中的质量浓度cm0、数目浓度cn0和湿度h0来计算测量站22中的质量浓度cm1。将区域划分成多个小区50允许了函数f(h)的更精确的计算以及质量浓度cm1的更精确的计算。

第四实施例

图9是采用根据第四实施例的计算装置和计算程序的系统的框图。如图9所示，在系统106中，安装测量站20的测量站20a和20b。在测量站22以外的测量站22b与测量站20a之间的距离是d1，而测量站22b与测量站20b之间的距离是d2。如在第一实施例中那样，测量站20a和20b中的每一个包括测量站24和26。如在第二实施例中那样，可以设置测量站24和26来代替测量站20a和20b。

在图4中的步骤s10处，采集单元42获得测量站20a和20b中的每一个中的质量浓度cm0、数目浓度cn0和湿度h0。在步骤s12处，函数计算单元44计算相对于测量站20a的函数f1(h)以及相对于测量站20b的函数f2(h)。函数计算单元44基于函数f1(h)和f2(h)来计算用于计算测量站22b中的质量浓度cm1的函数f(h)。例如，函数计算单元44使用以下方程来计算函数f(h)：

f(h)＝d2/(d1+d2)×f1(h)+d1/(d1+d2)×f2(h)

由于其它配置与第一实施例相同，因此省略了描述。

第四实施例对函数计算单元44进行配置，以便基于测量站20a和20b中的质量浓度cm0、数目浓度cn0和湿度h0以及距离d1和d2来计算函数f(h)。此配置允许更加精确地计算测量站22b中的质量浓度cm1。

此外，在步骤s12处，函数计算单元44可以基于关于测量站20a和20b以及测量站22b中的至少一个的环境的信息来对距离d1和d2进行加权，以计算测量站22b中的函数f(h)。此配置允许更加精确地计算测量站22b中的质量浓度cm1。

例如，函数计算单元44使用以下方程来计算函数f(h)：

f(h)＝w1×d2/(d1+d2)×f1(h)+w2×d1/(d1+d2)×f2(h)

此处，w1和w2是满足以下关系的加权因子：w1+w2＝1。关于环境的信息可以是关于天气如风向的信息。例如，当测量站20a比测量站22b更进一步位于上风向处并且测量站20b比测量站22b更进一步位于下风向处时，w1被配置成小于w2(w1<w2)。

第五实施例

例如，颗粒如pm2.5由各种成分如元素碳、有机物质和无机盐组成。如果识别出颗粒组成，则可以获得关于颗粒源的信息。然而，颗粒组成分析需要昂贵的装置。因此，难以容易地分析颗粒组成。

在第五实施例中，图2中图示的计算机10起到计算装置的作用，并且执行计算程序。图10是根据第五实施例的计算装置41的功能框图。如图10所示，计算机10通过图2中图示的硬件部件与软件之间的协作而起作用。图11是通过第五实施例中的计算机执行的处理的流程图。

如图10和图11所示，如在第一实施例中那样，采集单元42从测量站24中获得质量浓度cm0。采集单元42从测量站26中获得数目浓度cn0和湿度h0(步骤s10)。函数计算单元44基于获得的质量浓度cm0、获得的数目浓度cn0和获得的湿度h0来计算函数f(h)(步骤s12)。组成计算单元47从存储单元45如存储装置15获得各自对应于组分的函数fi(h)(步骤s30)。当颗粒由单一组分组成时，函数fi(h)是限定cn/cm与湿度h的关系的函数。对应于每个组分的函数fi(h)提前被测量，并且被存储在存储单元45中。组成计算单元47基于函数f(h)和fi(h)来计算颗粒组成(步骤s32)。在步骤s32之后，过程结束。

图12a至图12c图示了第五实施例中的函数f(h)和fi(h)。图12a图示了由函数计算单元44所计算的函数f(h)。图12b图示了存储在存储单元45中的组分a的函数fa(h)。图12c图示了存储在存储单元45中的组分b的函数fb(h)。组成计算单元47通过线性组合函数fi(h)来计算最佳近似函数f(h)的近似方程。例如，当通过公式x×fa(h)+y×fb(h)来近似f(h)时，组分a和b以x对y的比例存在于颗粒中。

第五实施例预先设定了函数fi(h)，其限定了与颗粒的每个组分相关联的质量浓度cm和数目浓度cn与湿度h的关系。组成计算单元47(计算单元)基于函数f(h)和多个函数fi(h)来计算包含在测量站24中的气体中的颗粒组成。因此，可以容易地识别颗粒组成。

优选地，函数f(h)和函数fi(h)是依据湿度h而变化的数目浓度cn与质量浓度cm的比率cn/cm。这简化了函数f(h)和fi(h)的计算。函数f(h)和fi(h)可以是除了cn/cm以外的包含cn和cm的且依据湿度而变化的函数。

优选地，当函数f(h)由函数fi(h)的线性组合来表示时，组成计算单元47基于线性组合的因子x和y来计算组成。这简化了颗粒组成的计算。

如在第五实施例中那样，第一实施例至第四实施例的计算装置可以计算颗粒组成。第五实施例的计算装置可以被设置成与第一实施例至第四实施例的计算装置分离。

本文记载的所有示例和条件语言旨在用于教导目的，以帮助读者理解由发明人贡献以促进本领域的本发明和概念，并且要被理解为既不对这样具体记载的示例和条件进行限制，说明书中的这样示例的组织也不涉及显示本发明的优势和劣势。虽然已经详细描述了本发明的实施例，但是应该理解的是，可以在不背离本发明的精神和范围的情况下对本发明的实施例进行各种改变、替换和变更。