TA的每日心情 | 奋斗
2024-7-1 22:21 |
|---|
签到天数: 2014 天 [LV.Master]伴坛终老
- 自我介绍
- 数学中国站长
 群组: 数学建模培训课堂1 群组: 数学中国美赛辅助报名 群组: Matlab讨论组 群组: 2013认证赛A题讨论群组 群组: 2013认证赛C题讨论群组 |
摘 要：
3 b4 }' R( ]/ F) S1 |( |% i/ B本文以武汉为例，就PM2.5 污染物的影响因素、扩散与衰减规律、预测与
& ]6 N: o& c) L, p6 l评估及污染治理等相关问题进行了研究，取得了以下成果。; t) e0 \6 u, P# T6 m" X2 ^
问题一：
/ ]* r/ B- h m$ L, o: f1、研究二氧化硫X1、二氧化氮X2、可吸入颗粒物PM10X3、一氧化碳X4、, k4 X7 f" @' A* [* `5 F* @
臭氧X5和细颗粒物PM2.5Y这6 个基本监测指标之间的相关性及独立性，并对影/ d! \. }) G* G1 t* n6 B
响PM2.5 的其它5 项分指标做出主成分分析及回归分析，得出二氧化硫、二氧
) X' d$ N8 d5 z" i化氮 、可吸入颗粒物PM10、和一氧化碳与PM2.5 正相关，而臭氧与PM2.5 负! t" ?. t" G, i1 j( \ p
相关。最终给出PM2.5 与其他5 个物质IAQI 值的拟合函数为：
" G9 r! J" v. V5 ^* {1 t3 ]) p% p0.2262 0.2416LnX 0.3526LnX 0.3546LnX - 0.2154LnX 0.969 1 2 3 4 5 LnY LnX
' L+ k/ l4 G& q3 i0 L2、探求其他影响PM2.5 的因素，分析得出，气象的变化对PM2.5 值得影响非常- ~4 ]5 u, ~- {. B, q. C
剧烈，其中PM2.5 值与湿度X6、气压X8成正相关，与大型蒸发量X7、风速X9、) b r2 c) B' m$ L W- q
气温X10、水汽压X11则负相关，并且在所有影响因素中，风速和水汽压对PM2.5; B( E/ j3 |* d
值的影响相对较大。最终给出PM2.5 与其他7 个大气因素之间的拟合函数：* d7 k- O. I1 F8 l5 i3 }) {6 V/ K
LnY = 2.3975Ln𝑋6 − 14.903𝐿𝑛𝑋7 + 19.4621Ln𝑋8 − 44.323𝐿𝑛𝑋9 − 21.929𝐿𝑛𝑋10 −& q9 L9 I# M7 @8 r1 \6 d, Q
45.905𝐿𝑛𝑋11 − 85.1032
$ t& B" J* C3 D) ?6 w问题二：
8 }- R. R7 T4 O1、客观描述武汉地区PM2.5 的时空分布规律，以高斯扩散模型为基础，充
; l, J' `8 P& w( t1 ^4 w! j分考虑影响PM2.5 扩散的因素，分析地面与建筑物边界反射、干沉积、雨洗湿 ?8 h5 _- H9 _! f8 Z0 g+ c
沉积及湿度的影响，逐步改进高斯扩散模型，并引入时间t ，计算当点源持续污
2 T' [7 x: j. } }: N0 I染情况下，污染源上风和下风L公里处的浓度。; R5 h& B& Q5 \0 a
2、通过数值仿真，得到距污染源下风向距离一定条件下污染扩散浓度的分$ [2 Y( c# a( b0 I
布规律：1）在恒定条件下，PM2.5 扩散浓度呈正态分布，扩散浓度逐渐达到最
0 ]7 m( K& d0 K0 `5 n8 S4 L) G& ^- 3 -/ V) a4 i% ^* t: I) ^4 I
大，在横向距离增到一定值以后扩散浓度逐渐降低直至为零； 大，在横向距离增到一定值以后扩散浓度逐渐降低直至为零； 大，在横向距离增到一定值以后扩散浓度逐渐降低直至为零； 大，在横向距离增到一定值以后扩散浓度逐渐降低直至为零； 大，在横向距离增到一定值以后扩散浓度逐渐降低直至为零； 大，在横向距离增到一定值以后扩散浓度逐渐降低直至为零； 大，在横向距离增到一定值以后扩散浓度逐渐降低直至为零； 大，在横向距离增到一定值以后扩散浓度逐渐降低直至为零； 大，在横向距离增到一定值以后扩散浓度逐渐降低直至为零； 大，在横向距离增到一定值以后扩散浓度逐渐降低直至为零； 大，在横向距离增到一定值以后扩散浓度逐渐降低直至为零； 大，在横向距离增到一定值以后扩散浓度逐渐降低直至为零； 大，在横向距离增到一定值以后扩散浓度逐渐降低直至为零； 大，在横向距离增到一定值以后扩散浓度逐渐降低直至为零； 大，在横向距离增到一定值以后扩散浓度逐渐降低直至为零； 大，在横向距离增到一定值以后扩散浓度逐渐降低直至为零； 2）随着距 ）随着距 ）随着距 污染源下风向距离的 增大，扩散浓度变化渐趋平缓但所能影响污染源下风向距离的 增大，扩散浓度变化渐趋平缓但所能影响范围有所增加； 3）随着风速逐渐增大， PM2.5 浓度最大值变小，下降速率逐渐 浓度最大值变小，下降速率逐渐 浓度最大值变小，下降速率逐渐 浓度最大值变小，下降速率逐渐 浓度最大值变小，下降速率逐渐 浓度最大值变小，下降速率逐渐 浓度最大值变小，下降速率逐渐 浓度最大值变小，下降速率逐渐 变大，扩散速度增加； 4）源高的增大将导致污染物浓度最值向下风偏移， ）源高的增大将导致污染物浓度最值向下风偏移， 扩散与稀释速度加快，污染浓最大值明显降低。
/ Z4 ^& z: G3 R1 @% h: W' v3、预估突发情形下 PM2.5 的扩散距离及安全区域，以武汉为例浓度值突 的扩散距离及安全区域，以武汉为例浓度值突 的扩散距离及安全区域，以武汉为例浓度值突 增至 300mg/𝑚3并持续两小时情况下，结合三维图及平面分析危险区安全 并持续两小时情况下，结合三维图及平面分析危险区安全 并持续两小时情况下，结合三维图及平面分析危险区安全 并持续两小时情况下，结合三维图及平面分析危险区安全 并持续两小时情况下，结合三维图及平面分析危险区安全 并持续两小时情况下，结合三维图及平面分析危险区安全 并持续两小时情况下，结合三维图及平面分析危险区安全 并持续两小时情况下，结合三维图及平面分析危险区安全 并持续两小时情况下，结合三维图及平面分析危险区安全 并持续两小时情况下，结合三维图及平面分析危险区安全 并持续两小时情况下，结合三维图及平面分析危险区安全 并持续两小时情况下，结合三维图及平面分析危险区安全 并持续两小时情况下，结合三维图及平面分析危险区安全 并持续两小时情况下，结合三维图及平面分析危险区安全 并持续两小时情况下，结合三维图及平面分析危险区安全 并持续两小时情况下，结合三维图及平面分析危险区安全 区。
, g: j* Z( _* }5 B. ? o P4、结合小波理论及神经网络，提出的构算法并通 结合小波理论及神经网络，提出的构算法并通 结合小波理论及神经网络，提出的构算法并通 过 Matlab 实现了对 PM2.5 值的预测，拟合度较高。
+ K2 {, Z G& y3 h问题三：
' y" K1 }+ f& {/ q$ M1、提出三种治理 方案：长期、快速全面。
3 G. s) N* X( \+ J6 i+ Y# W长期 治理 方案 着眼于 经济 的可持续 发展 ，其每年 完成 计划 为：
9 u: U, U" `! j9 K年份' g) k7 J- s# y* h+ ?, ?% |& w
第一年
+ B& D Q( Y2 B0 r8 e& t第二年5 t* A' }- w7 H% o0 M+ B+ s
第三年/ t$ n3 y* q7 }% k8 { s: A
第四年
3 I) {& g2 X, c/ y第五年: b( r9 j; l) `4 ^! _
PM2.5 PM2.5PM2.5PM2.5值变化额
2 M; \- [: [ O2 I$ z$ e2.32.32.3
6 z9 A$ ?* V/ N" |8 ?. c) H7.37.37.3! j9 y0 N: ]# f+ U, _5 P
18.318.318.318.3
) @1 G2 i/ R" C2 z8 g# N% ^61.361.361.361.3
' ^3 H1 Z- {8 S7 V. l9 v155.9155.9155.9155.9155.92 e7 E5 |5 N! e/ d8 l; f
快速 治理 考虑 治理 成效 ，其每年 的治理 计划 为：5 K$ h. P; c1 c* M6 b$ W
年份$ X& K. Z# `& K1 K; O$ D
第一年! K! h" ?; k) n+ Z- H
第二年& H( a# A1 z' j0 H2 x! W* \$ ]/ X
第三年1 T- o+ j8 @; @% e; z4 t' O
第四年
7 \$ h! c; O8 H+ ?7 ^第五年7 K# T) K {! J/ D* o2 C0 f0 V: ~
PM2.5 PM2.5PM2.5PM2.5值变化 额
4 X$ a5 Y K* K. S6 {4 g36.7536.7536.7536.7536.75 x8 I5 }+ d t5 Z( H2 Q8 b+ D$ C, X
36.7536.7536.7536.7536.75
) C P$ F) {$ o73.5073.5073.5073.5073.50
9 F% g [6 ] l% C# F$ h8 T49.0049.0049.0049.0049.00
3 |& k, w- G, J9 ~; A49.0049.0049.0049.0049.00
) |; b- f; r1 {$ ^# o- |! p全面 治理 根据 第一问 中得出 的 PM 2.5 与其他 5个指标 的关系 ，通过 降低 其他 5个指标 浓度 达到 对 PM 2.5 的治理 ，其每年 的治理 计划 为：. V: X( x% d8 t0 K. w+ A4 D- o
名称
& a5 H& q1 T% J6 b T/ M( G二氧, T8 c4 z& U$ L$ d ^
化硫$ Z5 z& V, u6 ]! K- i
二氧( \" {( E; k5 F* l5 s4 I% w" I
化氮% o$ u( F: }9 G3 U! \- `
可吸入颗 粒物
4 l6 a8 f9 ~9 Z) Q. B一氧化碳
+ x: q' ~2 _1 \& J7 r6 B臭氧: s1 _/ }% i, J1 t# l
PM2.5/ j+ A# x$ O3 o- X9 Y2 D; e
PM2.5 的 减少幅度
, T: @( C D0 o一年后 终值
Z. }# O8 A, P' Y' T47.88
) p4 x4 H- u/ a" O2 H, v74.76$ J Z2 z# s$ m+ c" R. Q; D1 E& W
121.80; n# z2 N, }) F+ q
50.02
# L' r- Z0 B+ R7 T$ J& h, @" P14.10
+ t& e, [0 _% _( b, D3 g. p220.77
' h3 A3 _. _; l7 q18% t# Y5 Z l* i6 \( W2 q8 T9 f% ?2 Y
二年后终值
( E) [+ N9 S4 [4 G% B' ]38.76
& G& p3 I" M: E. E; I: x60.524 s3 Z2 M3 G+ Y8 L8 x5 G4 G
98.60. H& [" h2 v* a
39.04% e& q; \# [+ I; Y0 O$ d5 b
13.20! w7 r# Z$ S! r. Q' L: Q
172.44
8 y0 a* \( B* G36% n2 I3 L6 g" C* C% p
三年后终值
; i6 M5 @* G2 N$ |& ?3 v- Z( {! p) B- v29.640 i0 p# m/ t5 O" F$ \
46.28
+ D" n- q* g6 I+ y; _$ F75.40; ~* \; E, |3 q1 O" _
28.061 L# Y/ l2 @ P0 @. c+ k
12.30$ |) \' f6 @' [5 H8 a1 U7 }
124.97
9 A1 E! w0 W ?- N54%
, l% r. X# T' k& p- U四年后终值
+ X X. V: x L20.528 K( i- l8 I9 b2 p& W
32.04
& z4 |4 M% u& {. ~0 N- n6 V2 h52.20
; K# h9 O5 g* M' g17.08' J( x9 ~8 T* h
11.40/ P8 Y- Q% |$ ^4 `' Z4 Y' v
78.79
3 G; h" V* b/ V/ r5 N74%
" `3 V9 C" P5 J! a3 A五年后终值
; h1 H9 J1 X+ i( e11.40' M1 J' @+ Y4 b$ g4 G
17.801 z7 `9 m( l1 S+ |
29.00+ M# H* ]- o0 I, ]0 J& R
6.10
! X4 ?2 i* _ O10.50
% C* k4 {. C& b5 |$ _0 Z0 w4 ^34.379 z4 C$ v7 |; w) N# ~. @/ P
87%& _) k6 D! H& @
2、以全面治理计划 作为 治污 方案 ，根据 本文 提供 的综合 治理 与专项 治理 费用 与 PM2.5 浓度 减少 的关系 ，建立 最优化方程 。
. \! S( J" f+ _9 G关键词：主成分析，多元回归改进高斯模型小波神经网络最优化 关键词：主成分析，多元回归改进高斯模型小波神经网络最优化 ; ?( e H3 k/ M& _1 p- Y
0 W+ {& j! @7 B- F8 Q
|
zan
|
IP卡
狗仔卡
发表于 2014-8-30 18:48
转播
淘帖
分享
收藏
支持
反对
微信
提升卡
置顶卡
沉默卡
喧嚣卡
变色卡
抢沙发
显身卡
发表于 2014-8-30 19:22
