一种基于多情景的机场环境承载力预测方法

1.本发明涉及一种基于多情景的机场环境承载力预测方法，属于航空飞机智能化管制技术领域。


背景技术：

2.近年来，航空运输业在提供便利与快捷的同时，引发的环境问题也越来越严重。单单对污染进行事后处理已经远远跟不上污染的排放速度，航空增长率和环境改善率之间的差距在不断扩大，对环境的影响日益增加。众多研究表明，机场作为航空运输的重要枢纽，其范围内航空器起降带来的空气污染和噪声污染等会影响机场周边居民的生活质量和健康，有必要从环境角度对污染的源头即航班规模进行管控，因此对机场环境承载力进行预测具有重要意义。
3.目前，对机场环境承载力的研究在考虑环境对机场容量限制时只包含了噪声污染和空气污染，随着“双碳目标”的提出，机场环境承载力的概念也应当随之更新，增加对机场碳排放的约束，引导机场绿色低碳发展。此外，现有研究中对于机场环境承载力的预测，都是基于现有社会经济环境和机场运行情况，并未考虑到机场发展的多样性，而由于政策和技术水平的变化，机场环境承载力的发展模式有多种可能性。


技术实现要素：

4.目的：为了克服现有技术中存在的不足，本发明提供一种基于多情景的机场环境承载力预测方法，以解决现有技术中机场环境承载力预测维度不足和发展模式单一的问题。
5.为解决上述技术问题，本发明采用的技术方案为：一种基于多情景的机场环境承载力预测方法，包括以下步骤：计算机场运行与环境影响相关的co2排放量、no
x
浓度和噪声等级作为环境指标。
6.基于ipat环境影响模型，结合机场运行特征，得到机场环境影响因素。
7.根据机场环境影响因素变化率，构建机场发展情景。
8.根据历史机场环境影响因素值，获取机场环境影响因素预测值。
9.将机场环境影响因素预测值输入训练好的bp神经网络模型，获取待测年份的co2排放量、no
x
浓度和噪声等级的预测值。
10.根据待测年份的co2排放量的预测值，获取机场碳排放环境承载力。
11.根据待测年份的no
x
浓度的预测值，获取机场大气污染环境承载力。
12.根据待测年份的噪声等级的预测值，获取机场噪声环境承载力。
13.将机场碳排放环境承载力、机场大气污染环境承载力和机场噪声环境承载力的预测值代入机场环境承载力多维度预测模型，对不同机场发展情景下机场环境承载力进行预测。
14.作为优选方案，所述co2排放量，计算公式如下：
式中：e为各类航空器所有起降循环的co2排放总量；i为航空燃油的co2排放系数；ni为i类航空器起降循环总数。
15.其中，fi计算公式如下：式中：fi为一架i类航空器一个起降循环中消耗的燃油量；j为一个起降循环内的4个运行阶段，分别为起飞、爬升、进近和滑行；r
ij
为一架i类航空器的一个发动机在j运行阶段的燃油消耗率；ni为一架i类航空器配备的发动机数量；t
ij
为一架i类航空器在j运行阶段的标准时长。
16.作为优选方案，所述no
x
浓度是机场附近任何受体点(x,y)的污染物no
x
浓度，计算公式如下：其中，为污染线源k在受体点(x,y)处的污染物no
x
浓度。
17.其中，为污染线源k的排放强度，k
ϵ
{起飞、着陆、攀爬、下降、地面运输}；和为污染线源k在y方向、z方向的沉降系数；为污染面源k的长度，vw为风向，y为受体点的长度，为圆周率。
18.作为优选方案，所述噪声等级以各敏感点噪声级以一天内的计权等效连续感觉噪声级表示，计算公式如下：其中：为一天内n次飞行次数的有效感觉噪声级的平均值；n1为日间飞行架次；n2为晚间飞行架次；n3为夜间飞行架次。
19.作为优选方案，所述基于ipat环境影响模型，结合机场运行特征，得到机场环境影响因素，包括：基于ipat环境影响模型，结合机场运营特征，从人口、富裕程度、技术三个维度选取机场旅客吞吐量、航空器起降架次、城市人均gdp、机场航空性收入和航空器能源消耗量作为机场环境影响因素。
20.作为优选方案，所述根据机场环境影响因素变化率，构建机场发展情景，包括：机场旅客吞吐量、航空器起降架次、城市人均gdp、机场航空性收入和航空器能源消耗量变化率与历史数据保持一致，民航业保持以往的模式继续发展的情景作为常规发展情景。
21.在常规发展情景的基础上，机场旅客吞吐量、航空器起降架次、城市人均gdp、机场航空性收入变化率得到进一步增长的情景作为和谐发展情景。
22.在和谐发展情景的基础上，机场旅客吞吐量、航空器起降架次、城市人均gdp因素变化率和航空器能源消耗量与和谐发展情景保持一致，机场航空性收入较和谐发展情景得到提升的情景作为绿色发展情景。
23.作为优选方案，所述根据历史机场环境影响因素值，获取机场环境影响因素预测值，包括：所述机场环境影响因素预测值，计算公式如下：式中：是机场环境影响因素e第t年的预测值，是机场环境影响因素e第t-1年的历史值，是t年的变化率，t为年份。
24.作为优选方案，所述将机场环境影响因素预测值输入训练好的bp神经网络模型，获取待测年份的co2排放量、no
x
浓度和噪声等级的预测值，包括：对机场环境影响因素历史数据序列进行归一化处理，获得归一化后的机场环境影响因素历史数据序列，其计算公式如下：式中，为历史年份i指标j的原始值，j∈{机场旅客吞吐量，航空器起降架次，城市人均gdp，机场航空性收入，航空器能源消耗量}，和分别为历史年份i一定时，指标j的最大值和最小值，是指标值归一化的结果。
25.初始化bp神经网络的模型，确定输入层、输出层和隐含层神经元个数；其中，输入层为5层，包括机场旅客吞吐量、航空器起降架次、城市人均gdp、机场航空性收入和航空器能源消耗量；隐含层的节点数为6层；输出层为3层，包括co2排放量、no
x
浓度和噪声等级；将归一化后的机场环境影响因素历史数据序列和对应的co2排放量、no
x
浓度和噪声等级作为训练样本输入bp神经网络进行训练，得到训练好的bp神经网络模型。
26.将环境影响因素预测值序列输入训练好的bp神经网络模型，获取待测年份的co2排放量、no
x
浓度和噪声等级的预测值。
27.作为优选方案，根据待测年份的co2排放量的预测值，获取机场碳排放环境承载力，包括：若在s模式发展情景下，机场碳排放量ce不能在p年或之前达到峰值，则机场碳排放环境承载力为：其中，为s模式发展情景下的机场碳排放环境承载力；为s模式发展情景下p年对应的机场空中交通量；，表示常规发展模式，表示和谐发展模式，表示绿色发展模式。
28.若ce在p年或之前达到峰值，则碳排放指标不对机场空中交通量产生约束，机场碳排放环境承载力为：
其中，为s模式发展情景下的机场碳排放环境承载力，为无穷大。
29.根据待测年份的no
x
浓度的预测值，获取机场大气污染环境承载力，包括：在s模式发展情景下，机场大气污染环境承载力计算公式如下：其中，为s模式下机场大气污染环境承载力；pc为no
x
浓度预测值，机场no
x
浓度预测值序列与机场空中交通量预测值序列关系。
30.根据待测年份的噪声等级的预测值，获取机场噪声环境承载力，包括：在s模式发展情景下，机场噪声环境承载力计算公式如下：其中，为s模式下机场噪声环境承载力；nl为噪声等级预测值，机场噪声等级预测值序列与机场空中交通量预测值序列关系。
31.作为优选方案，所述将机场碳排放环境承载力、机场大气污染环境承载力和机场噪声环境承载力的预测值代入机场环境承载力多维度预测模型，对不同机场发展情景下机场环境承载力进行预测，包括：根据机场碳排放环境承载力、机场大气污染环境承载力和机场噪声环境承载力的预测值，求解不同机场发展情景下的机场环境承载力多维度预测模型，得到不同机场发展情景下机场环境承载力的预测值。
32.所述机场环境承载力多维度预测模型的计算公式如下：其中，为s模式发展情景下的机场环境承载力；为s模式发展情景下的机场碳排放环境承载力，为s模式下机场大气污染环境承载力，为s模式下机场噪声环境承载力同，；s1表示常规发展模式，s2表示和谐发展模式，s3表示绿色发展模式。
33.本发明提供的一种基于多情景的机场环境承载力预测方法，与现有技术相比，本发明所达到的有益效果是：（1）本发明选取了碳排放量、大气污染物浓度、噪声等级三项环境指标，结合机场空域结构、空中交通流时空分布特性和航空器性能，提取机场环境承载力影响要素序列，充分考虑了机场环境承载力的影响因素，从多种维度综合预测机场环境承载力。
34.（2）本发明根据绿色机场建设发展需求，构建常规发展、和谐发展和绿色发展三种模式的机场发展情景，综合构建机场环境承载力多元预测模型，从而得到不同发展模式下的机场环境承载力，便于根据机场实际发展情况确定机场空中交通量阈值，对于指导机场绿色发展具有重要意义。
附图说明
35.图1为本发明方法的流程图。
36.图2为bp神经网络结构示意图。
37.图3为碳排放预测值的年份折线图。
具体实施方式
38.下面结合具体实施例对本发明作更进一步的说明。
39.如图1所示，一种基于多情景的机场环境承载力预测方法，包括以下步骤：选取机场运行与环境影响密切相关的碳排放量、no
x
浓度和噪声等级三个参数作为环境指标，使用icao碳排放计算模型、aermod大气扩散模型、噪声分析模型分别对环境指标进行计算。
40.基于ipat环境影响模型，结合机场运行特征，得到机场环境影响因素。机场环境影响因素为机场旅客吞吐量、航空器起降架次、城市人均gdp、机场航空性收入、航空器能源消耗量。
41.根据机场发展需求和对历史运行数据的统计分析，构建常规发展、和谐发展和绿色发展三种模式的机场发展情景，设置不同机场发展情景下的机场环境影响要素预测值序列，将其代入bp神经网络模型中得到对应的三项环境指标预测值序列。
42.根据“碳达峰”目标确定机场碳排放环境承载力，通过线性回归模型、多项式回归模型确定机场空中交通量与no
x
浓度、噪声等级的关联关系后，根据环境质量标准限制确定机场大气污染环境承载力、机场噪声环境承载力，建立机场环境承载力多维度预测模型，对不同发展情景下进行机场环境承载力预测。
43.进一步的，所述co2排放量通过icao碳排放计算模型进行计算，计算公式如下：式中：e为各类航空器所有起降循环的co2排放总量（kg）；i为航空燃油的co2排放系数（kg/kg co2）；ni为i类航空器起降循环总数。
44.其中，耗油量fi计算公式为：式中：fi为一架i类航空器一个起降循环中消耗的燃油量（kg）；j为一个起降循环内的4个运行阶段，分别为起飞、爬升、进近和滑行；r
ij
为一架i类航空器的一个发动机在j运行阶段的燃油消耗率（kg
▪
s-1）；ni为一架i类航空器配备的发动机数量；t
ij
为一架i类航空器在j运行阶段的标准时长。（s）。
45.进一步的，所述no
x
浓度通过aermod大气扩散模型计算，计算过程包括如下步骤：步骤1：所述no
x
排放量计算公式如下：式中：ss为no
x
的排放量；egi为机型i的发动机数量；ffi型i单个发动机燃油效率；eii型i的no
x
的排放指数，可通过icao数据库获得；ti为i型的飞行时间。
46.步骤2：所述no
x
浓度是各污染源浓度的总和。机场附近任何受体点(x,y)的污染物浓度可以表示为：其中，为污染线源k在受体点(x,y)处的污染物no
x
浓度。
47.所述航空器lto循环中的起飞、爬升和进近阶段产生的no
x
浓度通过污染线源扩散模式进行计算：由飞机形成的污染线源k产生的污染物浓度可表示为：可表示为：其中，为污染线源k的no
x
排放强度g/(ms) ，k
ϵ
{起飞、着陆、攀爬、下降、地面运输}；vw为风向；yk为污染线源k与原点的距离；和为y方向、z方向的沉降系数；z为受体点的高度；hk为污染线源的平均高度k；为污染线源k长度的一半，y为受体点的长度。
48.所述航空器lto循环中的滑行阶段产生的no
x
扩散模式为面源扩散，通过将面源扩散模式转化为点原扩散模型进行计算： 其中，为污染面源k的长度，为污染线源k的排放强度，y为受体点的长度。
49.进一步的，所述机场噪声分析模型如下：所述噪声等级以各敏感点噪声级以一天内的计权等效连续感觉噪声级表示，计算公式如下：式中：为n次飞行次数（一天内）的有效感觉噪声级（epnl）的平均值；n1为日间飞行架次；n2为晚间飞行架次；n3为夜间飞行架次，取全年范围内的均值；其中：式中：为飞机在航迹j上第i次飞行任务对某观测点造成的单次噪声事件的有效感觉噪声级，一般通过由npd曲线拟合进行计算：式中：a，b，c为拟合所得的某种飞机的npd曲线的系数；d为飞机到观测点的支线距离。
50.进一步的，所述ipat模型，将环境影响视为人口、富裕程度、技术的函数，公式表达为:i(环境影响，environmental impact)=p(人口，population)
ꢀ×
a(富裕水平，affluence)
×
t(技术，technology)。
51.基于ipat环境影响模型，结合机场运营特征，从人口、富裕程度、技术三个维度选取机场环境影响因素，分别为：机场旅客吞吐量、航空器起降架次、城市人均gdp、机场航空性收入、航空器能源消耗量。
52.进一步的，所述机场发展情景包括：所述常规发展情景指民航业保持以往的模式继续发展的发展情景，该情景中假设
各环境影响因素变化率与历史数据保持一致；所述和谐发展情景是指在常规发展情景的基础上，没有采取新的减排措施和节能技术,机场旅客吞吐量、航空器起降架次、城市人均gdp、机场航空性收入得到进一步增长，机场通过采取减排措施、运用节能技术、改进能源结构，使得能源消耗量降低。
53.所述绿色发展情景是指在和谐发展情景的基础上，加强节能减排程度的情景。该情景中假设机场旅客吞吐量、航空器起降架次、城市人均gdp因素变化率和航空器能源消耗量与和谐发展情景保持一致，机场航空性收入较和谐发展情景得到提升，以促进节能减排的投资；加大了减排措施力度，能源结构、节能技术得到了进一步优化。
54.进一步的，所述机场环境影响因素预测值序列计算方法为：式中：是机场环境影响因素e第t年的预测值，是机场环境影响因素e第t-1年的历史值，是t年的变化率，t为年份。
55.进一步的，所述bp神经网络模型进行预测包括如下步骤：步骤一，对机场环境影响因素历史数据序列进行归一化处理，公式为：式中，为历史年份i指标j的原始值，j∈{机场旅客吞吐量，航空器起降架次，城市人均gdp，机场航空性收入，航空器能源消耗量}，和分别为历史年份i一定时，指标j的最大值和最小值，是指标值归一化的结果。
56.如图2所示，步骤二，初始化bp神经网络的模型，确定输入层、输出层和隐含层神经元个数。其中，输入层为5层，即机场环境影响因素，包括机场旅客吞吐量、航空器起降架次、城市人均gdp、机场航空性收入、航空器能源消耗量；隐含层的节点数为6层；输出层为3层，即机场环境指标，包括碳排放量、no
x
浓度、噪声等级。将机场环境影响因素历史数据序列归一化的结果和对应的co2排放量、no
x
浓度和噪声等级作为训练样本输入bp神经网络进行训练，得到训练好的bp神经网络模型。
57.步骤三，将环境影响因素预测值序列输入训练好的bp神经网络模型，获取所述待测年份的三项环境指标值。
58.进一步的，利用多项式回归模型拟合机场no
x
浓度预测值序列与机场空中交通量预测值序列关系，公式如下：式中：为s发展模式下某机场no
x
浓度与机场空中交通量关系，x为机场空中交通量，；，，为s发展模式下通过多项式回归拟合得到的系数；表示常规发展模式，表示和谐发展模式，表示绿色发展模式。
59.利用线性回归模型拟合机场噪声等级预测值序列与机场空中交通量预测值序列关系，公式如下：
式中：为s发展模式下某机场噪声等级与机场空中交通量关系， ；，为s发展模式下通过线性回归拟合得到的系数。表示常规发展模式，表示和谐发展模式，表示绿色发展模式。
60.所述机场碳排放环境承载力的分析应当分两种情况，若在s模式发展情景下，机场碳排放量ce不能在p年或之前达到峰值，则机场碳排放环境承载力为：其中，为s模式发展情景下的机场碳排放环境承载力；为模式发展情景下p年对应的机场空中交通量；，表示常规发展模式，表示和谐发展模式，表示绿色发展模式。
61.若ce在p年或之前达到峰值，则碳排放指标不对机场空中交通量产生约束，机场碳排放环境承载力为：其中，为s模式发展情景下的机场碳排放环境承载力，为无穷大。
62.所述no
x
是机场大气污染物中的最关键污染种类，以no
x
作为机场大气污染物代表，计算机场大气污染环境承载力。
63.进一步的，所述根据环境质量标准，确定no
x
大气浓度阈值，给出机场大气污染环境承载力预测方法指：其中，为s模式下机场大气污染环境承载力；pc为no
x
浓度预测值，=100μg/m3，为no
x
大气浓度标准限值。机场no
x
浓度预测值序列与机场空中交通量预测值序列关系。
64.进一步的，所述根据噪声等级标准，确定噪声阈值，给出机场噪声环境承载力预测方法指：其中，为s模式下机场噪声环境承载力；nl为噪声等级预测值，=70db，为机场周边噪声标准限值。机场噪声等级预测值序列与机场空中交通量预测值序列关系。
65.进一步的，所述机场环境承载力多维度预测方法包括：结合碳排放、大气污染浓度和噪声三个维度的机场环境承载力评价方法，建立机场环境承载力多维度综合预测模型：其中，为s模式发展情景下的机场环境承载力；；s1表示常规发展模式，s2表示和谐发展模式，s3表示绿色发展模式。
66.实施例：本发明设计的方法在实际的应用过程中，可以参考如下具体实施例：
如表1所示为某机场2010-2021年的环境指标和环境影响因素数据。
67.表1 某机场2010-2021年的环境指标和环境影响因素数据根据此机场各项环境影响因素历年变化趋势，结合民航业未来发展规划和目标，如“十四五”民用航空发展规划、“碳达峰碳中和”目标、四型机场建设目标等，设置常规发展情景、和谐发展情景、绿色发展情景三种发展情景下的因素变化率，以2021年为基准年，从而得到2022-2035年不同发展情景对应机场环境影响因素的预测值序列；不同的机场发展情景下的因素变化率设置如表2所示。
68.表2 不同发展情景下的因素变化率将不同发展情景下的机场环境影响因素的预测值序列代入所述bp神经网络预测模型，得到三项环境影响指标的未来预测值。其中碳排放预测值情况如图3所示。
69.所述常规发展情景下机场环境承载力的计算包括如下步骤：步骤1：在本实施例中，机场碳排放环境承载力碳达峰目标年份n=2030，碳排放未能在2030年及之前达峰，则所述常规发展情景下的机场碳排放环境承载力为：
步骤2：通过线性回归模型拟合得到机场nox浓度与机场空中交通量关系如下：则所述常规发展情景下的机场大气环境承载力1233（架次/日）。
70.步骤3：通过多项式回归模型拟合得到机场噪声等级与机场空中交通量关系如下：则所述常规发展情景下的机场噪声环境承载力为770（架次/日）。
71.步骤4：则所述常规发展情景下的机场环境承载力结果如下：所述和谐发展情景下机场环境承载力的计算包括如下步骤：步骤1：在本实施例中，机场碳排放环境承载力碳达峰目标年份n=2030，碳排放未能在2030年及之前达峰，则所述和谐发展情景下的机场碳排放环境承载力为：步骤2：通过线性回归模型拟合得到机场no
x
浓度与机场空中交通量关系如下：则所述和谐发展情景下的机场噪声环境承载力为1308（架次/日）。
72.步骤3：通过多项式回归模型拟合得到机场噪声等级与机场空中交通量关系如下：则所述和谐发展情景下的机场大气环境承载力为821（架次/日）。
73.步骤4：则所述和谐发展情景下的机场环境承载力结果如下：则所述和谐发展情景下的机场环境承载力结果如下：所述绿色发展情景下机场环境承载力的计算包括如下步骤：步骤1：在本实施例中，机场碳排放环境承载力碳达峰目标年份n=2030，碳排放量在2030年之前达峰，则所述绿色发展情景下的机场碳排放环境承载力为：步骤2：通过线性回归模型拟合得到机场nox浓度与机场空中交通量关系如下：
则所述绿色发展情景下的机场大气环境承载力为1359（架次/日）。
74.步骤3：通过多项式回归模型拟合得到机场噪声等级与机场空中交通量关系如下：则所述绿色发展情景下的机场噪声环境承载力为903（架次/日）。
75.步骤4：则所述绿色发展情景下的机场环境承载力结果如下：上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。
76.以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。