一种挥发性有机污染物排放量计算方法及装置

技术领域

本发明涉及绿色环保技术领域，尤其涉及一种挥发性有机污染物排放量计算方法及装置。

背景技术

挥发性有机污染物（volatile organic compounds，VOCs）是在常温下，沸点50℃至260℃的各种有机化合物。在我国，VOCs是指常温下饱和蒸气压大于70 Pa、常压下沸点在260℃以下的有机化合物，或在20℃条件下，蒸气压大于或者等于10 Pa且具有挥发性的全部有机化合物。挥发性有机污染物通常可以包括非甲烷碳氢化合物、含氧有机化合物、卤代烃、含氮有机化合物、含硫有机化合物等几大类。大多数VOCs具有令人不适的特殊气味，并具有毒性、刺激性、致畸性和致癌作用，特别是苯、甲苯及甲醛等对人体健康会造成很大的伤害，主要来源于煤化工、石油化工、燃料涂料制造、溶剂制造等过程。

目前，在使用原油生产柴油、汽油等化学产品时，原油通常需要经过炼油工艺系统的粗汽油塔、吸收塔、空压机、凝缩油罐、稳定塔等设备。在经过上述的各个设备中产生的挥发性有机污染物容易在多个位置发生泄漏。因而，需要炼油工艺系统的泄漏的挥发性有机污染物总排放量，以便判断挥发性有机污染物总排放量是否超标排放。目前，可以在炼油工艺系统的多个容易发生挥发性有机污染物泄漏的位置安装VOC检测仪，以分别检测多个容易发生挥发性有机污染物泄漏的位置的排放量并汇总，得到挥发性有机污染物总排放量。然而，在有机污染物泄漏的位置较多，且在生产柴油、汽油等化学产品的生产车间足够多的情况下，则需要安装大量的VOC检测仪，成本特别高。

发明内容

本发明提供一种挥发性有机污染物排放量计算方法及装置，用于解决现有技术中在测量检测多个容易发生挥发性有机污染物泄漏的位置的总排放量时，资金成本特别高的问题。

第一方面，本发明提供了一种挥发性有机污染物排放量计算方法，应用于服务器，方法包括：

接收设置于炼油工艺系统的多个漏气位置的其中一个目标漏气位置的VOC检测仪，发送的在当前时间段内检测的挥发性有机污染物的子排放量、接收原油流量检测模块发送输入到炼油工艺系统的原油量、炼油工艺系统发送的运转功率、环境温度传感器发送的环境温度；

获取记录的历史当前时间段内的挥发性有机污染物的第一总排放量、与历史当前时间段的时长相等且连续的前1个历史时间段的挥发性有机污染物的第二总排放量、以及历史当前时间段的时长相等且连续的后1个历史时间段的挥发性有机污染物的第三总排放量；

将子排放量、原油量、运转功率以及环境温度输入到预训练的第一神经网络模型中，以确定多个漏气位置在当前时间段内的挥发性有机污染物的第一初始总排放量；

将第一总排放量、第二总排放量以及第三总排放量，输入到预训练的第一长短记忆网络模型中，以确定多个漏气位置在当前时间段内的挥发性有机污染物的第二初始总排放量；

根据第一初始总排放量、第二初始总排放量，确定多个漏气位置在当前时间段内的挥发性有机污染物的实际总排放量。

在一种可能的实施方式中，在根据第一初始总排放量、第二初始总排放量，确定多个漏气位置在当前时间段内的挥发性有机污染物的实际总排放量之后，方法还包括：

获取记录的历史当前时间段内的挥发性有机污染物的第一实际总排放量、与历史当前时间段的时长相等且连续的前1个历史时间段的挥发性有机污染物的第二实际总排放量、以及历史当前时间段的时长相等且连续的后1个历史时间段的挥发性有机污染物的第三实际总排放量；

根据第一实际总排放量、第二实际总排放量以及第三实际总排放量，输入到预训练的第二长短记忆网络模型中，以预测多个漏气位置与当前时间段时长相等且连续的下一个时间段的挥发性有机污染物的实际总排放量；

当实际总排放量大于设定的阈值时，生成用于指示实际总排放量排放超标的预警信息。

在一种可能的实施方式中，在根据第一初始总排放量、第二初始总排放量，确定多个漏气位置在当前时间段内的挥发性有机污染物的实际总排放量之后，方法还包括：

获取记录的与当前时间段时长相等且连续的前N个时间段的对应的多个漏气位置的挥发性有机污染物的多个历史实际总排放量；

根据多个历史实际总排放量、当前时间段对应的实际总排放量，确定多个漏气位置的挥发性有机污染物的实际总排放量的变化规律；

根据多个漏气位置的挥发性有机污染物的实际总排放量的变化规律，预测多个漏气位置与当前时间段时长相等且连续的下一个时间段的挥发性有机污染物的实际总排放量；

当实际总排放量大于设定的阈值时，生成用于指示实际总排放量排放超标的预警信息。

在一种可能的实施方式中，在接收设置于炼油工艺系统的多个漏气位置的其中一个目标漏气位置的VOC检测仪，发送的在当前时间段内检测的挥发性有机污染物的子排放量、接收原油流量检测模块发送输入到炼油工艺系统的原油量、炼油工艺系统发送的运转功率、环境温度传感器发送的环境温度之前，方法还包括：

将多个历史当前时间段内分别检测的挥发性有机污染物的历史子排放量、输入到炼油工艺系统的历史原油量、炼油工艺系统的历史运转功率、历史环境温度，以及对应的历史当前时间段内的挥发性有机污染物的实际总排放量构建成多个训练样本，输入到初始神经网络中，以训练得到第一神经网络模型。

在一种可能的实施方式中，在接收设置于炼油工艺系统的多个漏气位置的其中一个目标漏气位置的VOC检测仪，发送的在当前时间段内检测的挥发性有机污染物的子排放量、接收原油流量检测模块发送输入到炼油工艺系统的原油量、炼油工艺系统发送的运转功率、环境温度传感器发送的环境温度之前，方法还包括：

获取记录的多个历史当前时间段内的挥发性有机污染物的第一总排放量、与历史当前时间段的时长相等且连续的前1个历史时间段的挥发性有机污染物的第二总排放量、以及历史当前时间段的时长相等且连续的后1个历史时间段的挥发性有机污染物的第三总排放量，以及对应的历史时间段的挥发性有机污染物的历史实际总排放量构建多个训练样本，输入到初始长短记忆网络中训练，以得到第一长短记忆网络模型。

第二方面，本发明提供了一种挥发性有机污染物排放量计算装置，应用于服务器，装置包括：

数据接收单元，用于接收设置于炼油工艺系统的多个漏气位置的其中一个目标漏气位置的VOC检测仪，发送的在当前时间段内检测的挥发性有机污染物的子排放量、接收原油流量检测模块发送输入到炼油工艺系统的原油量、炼油工艺系统发送的运转功率、环境温度传感器发送的环境温度；

数据获取单元，用于获取记录的历史当前时间段内的挥发性有机污染物的第一总排放量、与历史当前时间段的时长相等且连续的前1个历史时间段的挥发性有机污染物的第二总排放量、以及历史当前时间段的时长相等且连续的后1个历史时间段的挥发性有机污染物的第三总排放量；

初始总排放量确定单元，用于将子排放量、原油量、运转功率以及环境温度输入到预训练的第一神经网络模型中，以确定多个漏气位置在当前时间段内的挥发性有机污染物的第一初始总排放量；

初始总排放量确定单元，还用于将第一总排放量、第二总排放量以及第三总排放量，输入到预训练的第一长短记忆网络模型中，以确定多个漏气位置在当前时间段内的挥发性有机污染物的第二初始总排放量；

实际总排放量确定单元，用于根据第一初始总排放量、第二初始总排放量，确定多个漏气位置在当前时间段内的挥发性有机污染物的实际总排放量。

在一种可能的实施方式中，数据获取单元，还用于获取记录的历史当前时间段内的挥发性有机污染物的第一实际总排放量、与历史当前时间段的时长相等且连续的前1个历史时间段的挥发性有机污染物的第二实际总排放量、以及历史当前时间段的时长相等且连续的后1个历史时间段的挥发性有机污染物的第三实际总排放量；

该装置还包括：实际总排放量预测单元，用于根据第一实际总排放量、第二实际总排放量以及第三实际总排放量，输入到预训练的第二长短记忆网络模型中，以预测多个漏气位置与当前时间段时长相等且连续的下一个时间段的挥发性有机污染物的实际总排放量；

预警单元，用于当实际总排放量大于设定的阈值时，生成用于指示实际总排放量排放超标的预警信息。

在一种可能的实施方式中，数据获取单元，还用于获取记录的与当前时间段时长相等且连续的前N个时间段的对应的多个漏气位置的挥发性有机污染物的多个历史实际总排放量；

装置还包括：变化规律确定单元，用于根据多个历史实际总排放量、当前时间段对应的实际总排放量，确定多个漏气位置的挥发性有机污染物的实际总排放量的变化规律；

实际总排放量预测单元，用于根据多个漏气位置的挥发性有机污染物的实际总排放量的变化规律，预测多个漏气位置与当前时间段时长相等且连续的下一个时间段的挥发性有机污染物的实际总排放量；

预警单元，用于当实际总排放量大于设定的阈值时，生成用于指示实际总排放量排放超标的预警信息。

在一种可能的实施方式中，该装置还包括：

模型训练单元，用于将多个历史当前时间段内分别检测的挥发性有机污染物的历史子排放量、输入到炼油工艺系统的历史原油量、炼油工艺系统的历史运转功率、历史环境温度，以及对应的历史当前时间段内的挥发性有机污染物的实际总排放量构建成多个训练样本，输入到初始神经网络中，以训练得到第一神经网络模型。

在一种可能的实施方式中，该装置还包括：

模型训练单元，用于获取记录的多个历史当前时间段内的挥发性有机污染物的第一总排放量、与历史当前时间段的时长相等且连续的前1个历史时间段的挥发性有机污染物的第二总排放量、以及历史当前时间段的时长相等且连续的后1个历史时间段的挥发性有机污染物的第三总排放量，以及对应的历史时间段的挥发性有机污染物的历史实际总排放量构建多个训练样本，输入到初始长短记忆网络中训练，以得到第一长短记忆网络模型。

本发明提供一种挥发性有机污染物排放量计算方法及装置，接收设置于炼油工艺系统的多个漏气位置的其中一个目标漏气位置的VOC检测仪，发送的在当前时间段内检测的挥发性有机污染物的子排放量、接收原油流量检测模块发送输入到炼油工艺系统的原油量、炼油工艺系统发送的运转功率、环境温度传感器发送的环境温度；获取记录的历史当前时间段内的挥发性有机污染物的第一总排放量、与历史当前时间段的时长相等且连续的前1个历史时间段的挥发性有机污染物的第二总排放量、以及历史当前时间段的时长相等且连续的后1个历史时间段的挥发性有机污染物的第三总排放量；将子排放量、原油量、运转功率以及环境温度输入到预训练的第一神经网络模型中，以确定多个漏气位置在当前时间段内的挥发性有机污染物的第一初始总排放量；将第一总排放量、第二总排放量以及第三总排放量，输入到预训练的第一长短记忆网络模型中，以确定多个漏气位置在当前时间段内的挥发性有机污染物的第二初始总排放量；根据第一初始总排放量、第二初始总排放量，确定多个漏气位置在当前时间段内的挥发性有机污染物的实际总排放量。这样一来，在同一个炼油工艺系统仅需一个VOC检测仪安装在目标漏气位置，而其他漏气位置无需安装VOC检测仪，而是通过上述的算法模型即可实现多个漏气位置在当前时间段内的挥发性有机污染物的实际总排放量的计算，成本低，且考虑了多个维度的因素，确定的当前时间段内的挥发性有机污染物的实际总排放量的可靠性高，而且在大多数情况下，炼油工艺系统的多个漏气位置之间的距离较小，进一步保证了当前时间段内的挥发性有机污染物的实际总排放量的误差较小。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的挥发性有机污染物排放量计算方法的流程图；

图2为本发明实施例提供的挥发性有机污染物排放量计算装置的功能模块框图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在根据本实施例的启示下作出的所有其他实施例，都属于本发明保护的范围。

本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等（如果存在）是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

下面，以具体地实施例对本发明的技术方案以及本发明的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本发明的实施例进行描述。

请参阅图1，本发明实施例提供了一种挥发性有机污染物排放量计算方法，应用于服务器。本发明提供的方法包括：

S101：接收设置于炼油工艺系统的多个漏气位置的其中一个目标漏气位置的VOC检测仪，发送的在当前时间段内检测的挥发性有机污染物的子排放量、接收原油流量检测模块发送输入到炼油工艺系统的原油量、炼油工艺系统发送的运转功率、环境温度传感器发送的环境温度。

示例性地，炼油工艺系统可以包括粗汽油塔、吸收塔、空压机、凝缩油罐、稳定塔等设备。多个漏气位置可以包括粗汽油塔与吸收塔的连接处、吸收塔与空压机的连接处、空压机与凝缩油罐的连接处、凝缩油罐与稳定塔的连接处等，在此不作限定。目标漏气位置可以是根据历史经验选择的漏气最显著的一个位置，可以理解地，多个漏气位置之间的挥发性有机污染物排放量存在一定规律（如存在相应的比例）。

上述的子排放量、原油量、运转功率以及环境温度，与炼油工艺系统的多个漏气位置在当前时间段内的挥发性有机污染物的实际总排放量存在关联。

需要说明的是，当前时间段可以是12月1日的9:00-10:00。

S102：获取记录的历史当前时间段内的挥发性有机污染物的第一总排放量、与历史当前时间段的时长相等且连续的前1个历史时间段的挥发性有机污染物的第二总排放量、以及历史当前时间段的时长相等且连续的后1个历史时间段的挥发性有机污染物的第三总排放量。

历史当前时间段可以是11月30日的9:00-10:00，与历史当前时间段的时长相等且连续的前1个历史时间段可以是11月30日的8:00-9:00，历史当前时间段的时长相等且连续的后1个历史时间段可以是11月30日的10:00-11:00。

S103：将子排放量、原油量、运转功率以及环境温度输入到预训练的第一神经网络模型中，以确定多个漏气位置在当前时间段内的挥发性有机污染物的第一初始总排放量。

其中，可以将多个历史当前时间段内分别检测的挥发性有机污染物的历史子排放量、输入到炼油工艺系统的历史原油量、炼油工艺系统的历史运转功率、历史环境温度，以及对应的历史当前时间段内的挥发性有机污染物的实际总排放量构建成多个训练样本，输入到初始神经网络中，以训练得到第一神经网络模型。

S104：将第一总排放量、第二总排放量以及第三总排放量，输入到预训练的第一长短记忆网络模型中，以确定多个漏气位置在当前时间段内的挥发性有机污染物的第二初始总排放量。

其中，可以获取记录的多个历史当前时间段内的挥发性有机污染物的第一总排放量、与历史当前时间段的时长相等且连续的前1个历史时间段的挥发性有机污染物的第二总排放量、以及历史当前时间段的时长相等且连续的后1个历史时间段的挥发性有机污染物的第三总排放量，以及对应的历史时间段的挥发性有机污染物的历史实际总排放量构建多个训练样本，输入到初始长短记忆网络中训练，以得到第一长短记忆网络模型。

S105：根据第一初始总排放量、第二初始总排放量，确定多个漏气位置在当前时间段内的挥发性有机污染物的实际总排放量。

例如，可以对第一初始总排放量、第二初始总排放量进行加权平均，以确定多个漏气位置在当前时间段内的挥发性有机污染物的实际总排放量。

综上所述，本发明实施例提供一种挥发性有机污染物排放量计算方法，综上所述，本发明实施例提供一种挥发性有机污染物排放量计算方法及装置，接收设置于炼油工艺系统的多个漏气位置的其中一个目标漏气位置的VOC检测仪，发送的在当前时间段内检测的挥发性有机污染物的子排放量、接收原油流量检测模块发送输入到炼油工艺系统的原油量、炼油工艺系统发送的运转功率、环境温度传感器发送的环境温度；获取记录的历史当前时间段内的挥发性有机污染物的第一总排放量、与历史当前时间段的时长相等且连续的前1个历史时间段的挥发性有机污染物的第二总排放量、以及历史当前时间段的时长相等且连续的后1个历史时间段的挥发性有机污染物的第三总排放量；将子排放量、原油量、运转功率以及环境温度输入到预训练的第一神经网络模型中，以确定多个漏气位置在当前时间段内的挥发性有机污染物的第一初始总排放量；将第一总排放量、第二总排放量以及第三总排放量，输入到预训练的第一长短记忆网络模型中，以确定多个漏气位置在当前时间段内的挥发性有机污染物的第二初始总排放量；根据第一初始总排放量、第二初始总排放量，确定多个漏气位置在当前时间段内的挥发性有机污染物的实际总排放量。这样一来，在同一个炼油工艺系统仅需一个VOC检测仪安装在目标漏气位置，而其他漏气位置无需安装VOC检测仪，而是通过上述的算法模型即可实现多个漏气位置在当前时间段内的挥发性有机污染物的实际总排放量的计算，成本低，且考虑了多个维度的因素，确定的当前时间段内的挥发性有机污染物的实际总排放量的可靠性高，而且在大多数情况下，炼油工艺系统的多个漏气位置之间的距离较小，进一步保证了当前时间段内的挥发性有机污染物的实际总排放量的误差较小。

另外，本发明实施例提供的方法还可以包括：

步骤1：获取记录的历史当前时间段内的挥发性有机污染物的第一实际总排放量、与历史当前时间段的时长相等且连续的前1个历史时间段的挥发性有机污染物的第二实际总排放量、以及历史当前时间段的时长相等且连续的后1个历史时间段的挥发性有机污染物的第三实际总排放量。

步骤2：根据第一实际总排放量、第二实际总排放量以及第三实际总排放量，输入到预训练的第二长短记忆网络模型中，以预测多个漏气位置与当前时间段时长相等且连续的下一个时间段的挥发性有机污染物的实际总排放量。

在当前时间段可以是12月1日的9:00-10:00时，当前时间段时长相等且连续的下一个时间段的挥发性有机污染物的实际总排放量可以是12月1日的10:00-11:00。

步骤3：当实际总排放量大于设定的阈值时，生成用于指示实际总排放量排放超标的预警信息。

可以理解地，通过上述的步骤1-步骤3，可以精确地预测多个漏气位置与当前时间段时长相等且连续的下一个时间段的挥发性有机污染物的实际总排放量，以实现提前预警。

另外，本发明实施例提供的方法还包括：

步骤A：获取记录的与当前时间段时长相等且连续的前N个时间段的对应的多个漏气位置的挥发性有机污染物的多个历史实际总排放量。

步骤B：根据多个历史实际总排放量、当前时间段对应的实际总排放量，确定多个漏气位置的挥发性有机污染物的实际总排放量的变化规律；

步骤C：根据多个漏气位置的挥发性有机污染物的实际总排放量的变化规律，预测多个漏气位置与当前时间段时长相等且连续的下一个时间段的挥发性有机污染物的实际总排放量。

在当前时间段可以是12月1日的9:00-10:00时，当前时间段时长相等且连续的下一个时间段的挥发性有机污染物的实际总排放量可以是12月1日的10:00-11:00。

步骤D：当实际总排放量大于设定的阈值时，生成用于指示实际总排放量排放超标的预警信息。

可以理解地，通过上述的步骤A-步骤D，可以精确地预测多个漏气位置与当前时间段时长相等且连续的下一个时间段的挥发性有机污染物的实际总排放量，以实现提前预警。

请参阅图2，本发明实施例提供了一种挥发性有机污染物排放量计算装置200，应用于服务器。需要说明的是，本发明实施例所提供的挥发性有机污染物排放量计算装置200，其基本原理及产生的技术效果和上述实施例相同，为简要描述，本发明实施例部分未提及之处，可参考上述的实施例中相应内容。具体地，具体地，本发明实施例装置200包括数据接收单元201、数据获取单元202、初始总排放量确定单元203、实际总排放量确定单元204，其中，

数据接收单元201，用于接收设置于炼油工艺系统的多个漏气位置的其中一个目标漏气位置的VOC检测仪，发送的在当前时间段内检测的挥发性有机污染物的子排放量、接收原油流量检测模块发送输入到炼油工艺系统的原油量、炼油工艺系统发送的运转功率、环境温度传感器发送的环境温度；

数据获取单元202，用于获取记录的历史当前时间段内的挥发性有机污染物的第一总排放量、与历史当前时间段的时长相等且连续的前1个历史时间段的挥发性有机污染物的第二总排放量、以及历史当前时间段的时长相等且连续的后1个历史时间段的挥发性有机污染物的第三总排放量；

初始总排放量确定单元203，用于将子排放量、原油量、运转功率以及环境温度输入到预训练的第一神经网络模型中，以确定多个漏气位置在当前时间段内的挥发性有机污染物的第一初始总排放量；

初始总排放量确定单元203，还用于将第一总排放量、第二总排放量以及第三总排放量，输入到预训练的第一长短记忆网络模型中，以确定多个漏气位置在当前时间段内的挥发性有机污染物的第二初始总排放量；

实际总排放量确定单元204，用于根据第一初始总排放量、第二初始总排放量，确定多个漏气位置在当前时间段内的挥发性有机污染物的实际总排放量。

在一种可能的实施方式中，数据获取单元202，还用于获取记录的历史当前时间段内的挥发性有机污染物的第一实际总排放量、与历史当前时间段的时长相等且连续的前1个历史时间段的挥发性有机污染物的第二实际总排放量、以及历史当前时间段的时长相等且连续的后1个历史时间段的挥发性有机污染物的第三实际总排放量；

该装置200还包括：实际总排放量预测单元，用于根据第一实际总排放量、第二实际总排放量以及第三实际总排放量，输入到预训练的第二长短记忆网络模型中，以预测多个漏气位置与当前时间段时长相等且连续的下一个时间段的挥发性有机污染物的实际总排放量；

预警单元，用于当实际总排放量大于设定的阈值时，生成用于指示实际总排放量排放超标的预警信息。

在一种可能的实施方式中，数据获取单元202，还用于获取记录的与当前时间段时长相等且连续的前N个时间段的对应的多个漏气位置的挥发性有机污染物的多个历史实际总排放量；

装置200还包括：变化规律确定单元，用于根据多个历史实际总排放量、当前时间段对应的实际总排放量，确定多个漏气位置的挥发性有机污染物的实际总排放量的变化规律；

实际总排放量预测单元，用于根据多个漏气位置的挥发性有机污染物的实际总排放量的变化规律，预测多个漏气位置与当前时间段时长相等且连续的下一个时间段的挥发性有机污染物的实际总排放量；

预警单元，用于当实际总排放量大于设定的阈值时，生成用于指示实际总排放量排放超标的预警信息。

在一种可能的实施方式中，该装置200还包括：

模型训练单元，用于将多个历史当前时间段内分别检测的挥发性有机污染物的历史子排放量、输入到炼油工艺系统的历史原油量、炼油工艺系统的历史运转功率、历史环境温度，以及对应的历史当前时间段内的挥发性有机污染物的实际总排放量构建成多个训练样本，输入到初始神经网络中，以训练得到第一神经网络模型。

在一种可能的实施方式中，该装置200还包括：

模型训练单元，用于获取记录的多个历史当前时间段内的挥发性有机污染物的第一总排放量、与历史当前时间段的时长相等且连续的前1个历史时间段的挥发性有机污染物的第二总排放量、以及历史当前时间段的时长相等且连续的后1个历史时间段的挥发性有机污染物的第三总排放量，以及对应的历史时间段的挥发性有机污染物的历史实际总排放量构建多个训练样本，输入到初始长短记忆网络中训练，以得到第一长短记忆网络模型。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或对其中部分或全部技术特征进行等同替换；而这些修改或替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。