生活垃圾發電對大氣環境影響的測試分析

摘 要：本文針對生活垃圾焚燒發電對大氣環境質量的影響，提出了一種基于YOLO網絡的深度學習模型，將模型中的環境特征、煙囪高度、氣流速度和排煙溫度4個影響因素作為YOLO網絡的輸入，并設置了池化處理、卷積處理和損失函數。試驗結果表明，在不同的環境特征下，生活垃圾焚燒發電對大氣環境質量的影響不同，增強電廠周圍植被可以顯著提升大氣環境質量。此外，氣流速度越大、排煙溫度越高均有利于降低焚燒發電過程中有害氣體的濃度。

關鍵詞：生活垃圾；發電；大氣環境

中圖分類號：X 502 " " " " 文獻標志碼：A

隨著我國城市人口規模不斷擴大，城市每天產生的垃圾也日漸增多。大量的垃圾不進行有效處理，就會造成城市環境污染，包括水源污染、空氣污染和土壤污染[1]。垃圾帶來的城市污染會極大地破壞城市生態，傳播疾病或疫情，造成更大的群體危害。因此，如何有效處理垃圾成為城市治理的重要內容[2]。城市生活垃圾焚燒發電不僅可以消滅垃圾，而且可以變廢為寶，為城市發展提供所需電能，是一種非常理想的解決生活垃圾的途徑。但是在生活垃圾焚燒發電的過程中又會產生新的污染，例如氣體、煙塵等[3]。尤其是一些生活垃圾焚燒后，可能帶有有毒氣體，對城市的大氣環境具有更大的污染性。因此，為了避免生活垃圾焚燒發電帶來的二次污染，需要對生活垃圾發電對大氣環境的影響因素進行分類，進而運用一定的模型和仿真手段分析這些因素對大氣環境的影響程度。本文以此為出發點，進行了如下研究。

1 生活垃圾焚燒發電對大氣環境的影響因素

生活垃圾焚燒發電不僅可以清除城市垃圾，而且可以變廢為寶、為城市提供電能。但是，生活垃圾焚燒的過程可能會伴隨污染物、煙塵和有害氣體排放，影響城市環境。在該過程中，垃圾焚燒對大氣環境的影響最大。

在生活垃圾焚燒過程中，產生的煙氣會直接注入大氣，形成對城市氣態環境的直接影響。該影響又涉及多個方面。1）生活垃圾焚燒發電所處的環境。如果其周邊主要為居民小區、商業建筑，那么污染就會直接而強烈，對人的危害也更大。如果其周邊有豐富的植被，例如大型、濃密的樹木群落，那么有害氣體會在一定程度上被吸收。2）生活垃圾焚燒所用煙囪的高度。該高度決定了有害氣體的排放高度。煙囪高度越高，排放點離地面越遠，對人的直接危害越小。3）生活垃圾焚燒時的氣流速度。氣流速度決定了有害氣體的排放范圍和排放速度，氣流速度越快，越有利于空氣流動，從而有利于有害氣體擴散和濃度降低。4）生活垃圾焚燒時的排煙溫度。排煙溫度會對氣體上升的高度、氣體擴散的速度產生間接影響。

至此，本文獲得了生活垃圾焚燒發電對大氣環境的4個主要影響因素，其構成情況如圖1所示。

2 各因素對大氣環境影響的分析模型構建

2.1 YOLO深度模型構建

確定生活垃圾焚燒發電影響大氣環境的關鍵因素后，需要建立一個模型分析這些因素對大氣環境的影響程度。考慮影響因素的數據量較大，可以建立深度學習模型，完成上述數據關系的分析。

深度學習是目前的主流方法之一，在綜合處理大量數據方面效果良好，學習速度快、逼近能力強且分析結果精確。深度學習網絡的類型較多，本文選擇YOLO網絡作為深度學習的主體架構。YOLO網絡的特點是各個層次的配置清晰明確，并且可以搭建DBL和Pooling等成熟單元，形成有效的深度學習框架?？紤]深度學習網絡的輸入為環境特征、煙囪高度、氣流速度和排煙溫度等影響因素的數據集合，本文構建的YOLO深度學習架構如圖2所示。

從圖2可以看出，環境特征、煙囪高度、氣流速度和排煙溫度4類影響因素是YOLO網絡的輸入。這些數據先經過DBL單元和Pooling單元的池化處理，再經過歸一化、卷積和激活等處理，建立了和大氣環境質量間的關系。不同影響因素對大氣環境質量的影響程度由一個置信度的閾值來判定，該置信度閾值如公式（1）所示。

C=ρ?IoUPT " " " " " " " " " " " " " " "（1）

式中：C代表每一個數據空間對應的置信度；ρ代表數據空間中大氣環境質量數據為正常情況的概率；IoUPT代表真實情況與預測情況的交并比計算結果。

進而進行影響程度分析。如果置信度C低于設定閾值，那么可以判斷該因素產生了負向影響。

2.2 數據的池化處理

在生活垃圾焚燒發電各因素是否對大氣環境質量產生影響的判斷過程中，僅使用一個特征、一個局部的信息是不充分的。因此，本文將生活垃圾焚燒發電各因素數據進行特征提取，并對多個尺度特征進行池化處理，再將多尺度池化結果進行融合，以增強判斷的可信度。

在上述過程中，多個尺度的池化處理為金字塔結構。在發電側數據的金字塔池化過程中使用3個尺度的池化處理，分別是5×5、9×9和13×13。生活垃圾焚燒發電各因素數據的特征被抽象為n×n×m的尺寸，進而進入本文設定的3個不同層級的池化單元進行處理，這3個不同層級的池化單元構成了金字塔。雖然這3個池化單元的尺度并不相同，但是形成的輸出均需要與輸入保持相同的維度。將最終輸出和最初的輸入效果相結合，從而形成n×n×4m的擴維特征。

2.3 損失函數設計

針對數據網格邊界定位不準確的問題，本文采用GIoU損失函數界定數據網格邊界，以進一步確定生活垃圾焚燒發電各因素對大氣環境質量影響的識別準確度。

當預測邊界與真實邊界不重合時，GIoU函數可以解決IoU無法衡量兩邊界距離的問題。同時，GIoU函數也可以解決IoU為0時無法優化的問題。GIoU利用IoU的尺度不變性，可以更準確地進行邊界回歸計算。IoU函數和GIoU函數分別如公式（2）、公式（3）所示。

（2）

（3）

式中：A表示數據網格的真實邊界；B表示數據網格的預測邊界；C表示包圍預測邊界與真實邊界間的最小外接矩形。

以GIoU代替IoU作為邊界距離的衡量標準，所得邊界損失函數如公式（4）所示。

Lbox=1-GIoU " " " " " " " " " " " " " （4）

3 生活垃圾焚燒發電對大氣環境影響的測試試驗

上文分析了生活垃圾焚燒發電的利弊，并歸納了影響大氣環境質量的4種因素，即環境特征、煙囪高度、氣流速度和排煙溫度。進而建立了基于YOLO網絡的深度學習框架，用于判定4種因素對大氣環境質量的影響程度，并給出了池化處理、損失函數等設計過程。

下文將利用所構建的YOLO深度網絡，針對4種因素對大氣環境質量的影響程度進行測試，以明確在生活垃圾焚燒發電過程中應注意的3個關鍵點。

第一個關鍵點是在不同環境特征下，生活垃圾焚燒發電后有害氣體濃度降低的百分比。本文選擇公園、樹林、商圈、居民區和綠化帶5種類型的城市空間區域，測試所得結果如圖3所示。

從圖3可以看出，如果生活垃圾焚燒發電的位置周圍有大片樹林，有害氣體濃度將大幅降低，能夠更好地保護大氣環境質量。在5種不同環境下，公園、綠化帶的情況較好，但是商圈和居民區對生活垃圾焚燒發電中產生的有害氣體的抑制作用有限。因此，生活垃圾焚燒發電的廠址一定要選在遠離商圈和居民區的位置。

第二個關鍵點是不同氣流速度下，生活垃圾焚燒發電后有害氣體濃度降低的百分比。本文將氣流速度從0m/s～10m/s分別設置了10種情況，測試所得結果如圖4所示。

從圖4可以看出，在不同氣流速度條件下，生活垃圾焚燒發電對大氣環境質量的影響存在明顯不同。隨著氣流速度不斷增加，有害氣體濃度不斷下降。氣流速度越大，有害氣體擴散速度越快，并在更大空間上得到了稀釋。因此，生活垃圾焚燒發電廠址一定要選在周圍相對空曠、氣流流動順暢的區域，并盡可能在風速較大的時段進行垃圾焚燒。

第三個關鍵點是在不同排煙溫度下，生活垃圾焚燒發電后有害氣體濃度降低的百分比。本文將排煙溫度從0℃～50℃分別設置了10種情況，測試所得結果如圖5所示。

從圖5可以看出，在不同排煙溫度條件下，生活垃圾焚燒發電對大氣環境質量的影響存在明顯差異。排煙溫度越高，焚燒發電過程中有害氣體的濃度降低得越多。

4 結論

垃圾帶來的城市污染會極大地破壞城市生態，甚至會傳播疾病或疫情，造成更大的群體危害。因此，如何有效處理垃圾成為城市治理的重要內容。焚燒城市生活垃圾并發電，不僅可以消滅垃圾，而且可以變廢為寶，為城市發展提供所需電能，是一種非常理想的解決生活垃圾的途徑。但是生活垃圾焚燒發電過程中又會產生新的污染，例如氣體、煙塵等。本文研究了生活垃圾焚燒發電對大氣環境質量的影響，歸納出4種影響因素，建構了深度學習框架和模型，進而通過試驗證實了不同因素的影響。

參考文獻

[1]何品晶，陳淼，楊娜，等.我國生活垃圾焚燒發電過程中溫室氣體排放及影響因素——以上海某城市生活垃圾焚燒發電廠為例[J].中國環境科學，2011，31（3）：402-407.

[2]余婕，張卓，吳冰思.垃圾分類情景下生活垃圾處理的碳排放評估及預測——以上海市臨港新城為例[J].中國資源綜合利用，2024，42（3）：171-174.

[3]李淵，廖勇，張莉萍，等.生活垃圾焚燒發電廠滲濾液處理的改進策略——以遂寧川能能源有限公司為例[J].四川職業技術學院學報，2023，33（5）：158-162.