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：9 h; v* u% f7 ^( E1 q2 r
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
2 ]0 a6 k" s4 M6 O$ O评估及污染治理等相关问题进行了研究，取得了以下成果。
4 k* M4 T" y$ O6 N问题一：3 ~ }/ _- z* }! V$ ^! W4 _
1、研究二氧化硫X1、二氧化氮X2、可吸入颗粒物PM10X3、一氧化碳X4、9 Q( ^4 i! N5 ~, o
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$ c0 M2 V0 V" F8 f/ e
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
5 T4 Y4 D( t9 G& |4 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
1 q: c. I: W- I9 K相关。最终给出PM2.5 与其他5 个物质IAQI 值的拟合函数为：
' G. \/ F* D0 M8 F0.2262 0.2416LnX 0.3526LnX 0.3546LnX - 0.2154LnX 0.969 1 2 3 4 5 LnY LnX ' n5 [# N4 N3 x8 a" d+ d7 D
2、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
2 l% n F0 W& r$ r+ o! F" Z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、
7 J* g5 D$ ]! M! R: N2 B4 h$ F6 c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( A( c8 e# d% x% X' g* c& R' U2 G
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：
3 J8 h" a# r' P+ ~6 ]. HLnY = 2.3975Ln𝑋6 − 14.903𝐿𝑛𝑋7 + 19.4621Ln𝑋8 − 44.323𝐿𝑛𝑋9 − 21.929𝐿𝑛𝑋10 −* {5 j6 i. m/ h: h/ S( U( [) ~
45.905𝐿𝑛𝑋11 − 85.1032
% w8 I4 t, D% C7 n5 C3 {! [问题二：. X+ e" `5 O/ _3 i" e- m
1、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# s9 @& R- R+ j' U8 o
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
: I6 d. Q8 M! E" Z8 Z5 Q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' j7 n8 p, J' i
染情况下，污染源上风和下风L公里处的浓度。% ~( a& y% m1 { w) j7 g, ]) _7 S1 I
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
' r1 S: f$ m: ^* ~% I' y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
! F6 I7 T$ n8 k0 n0 L- 3 -2 z8 f* c; P; U" h$ `, E& U/ L
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。
: g, i! o( f2 S R0 p3、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。
% v2 l6 t0 M3 o2 m4、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。
7 C6 ?7 l" X8 x2 ^- c# @0 D问题三：
( n5 K5 V; v% b" g+ D1、提出三种治理 方案：长期、快速全面。9 i6 i$ E: C8 Z8 t K) W$ Z
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：
' o7 j! z* V) Y& r1 |) |年份
$ s$ G: Z$ l# y$ w/ I5 U第一年
7 |0 t N: x) G$ T2 n7 |第二年) `- }$ ^8 R9 f
第三年4 i1 O1 [! \ v: U c9 V. Z u
第四年( }# C4 s. p% P4 {- n" h! b
第五年+ o8 _5 |, g5 f/ @7 i
PM2.5 PM2.5PM2.5PM2.5值变化额& D, ?6 w4 f F0 i7 `
2.32.32.34 `3 Y0 a& n% |/ }2 o G
7.37.37.36 J5 B4 O5 w; c1 N, j
18.318.318.318.3
" {' Q4 K& y5 T9 A$ _& k4 M9 E61.361.361.361.3, K0 B, S5 N% t
155.9155.9155.9155.9155.92 ~4 ~8 q: L% q6 Y4 |% o; M2 `
快速 治理 考虑 治理 成效 ，其每年 的治理 计划 为：
3 h: q6 U2 I/ Y$ v& S/ V1 V年份
% n8 T H8 y/ Y; B% m9 [第一年
, G$ E2 j( G4 y9 S7 d) s- o第二年! [) n4 D q7 r h% A9 L7 H/ Y, S
第三年
) Q @+ E5 _" K5 j8 e! W7 R# |第四年
# \! X9 r. E! K' s- r1 Q第五年
0 y* H0 b" m, J+ X" |2 hPM2.5 PM2.5PM2.5PM2.5值变化 额' w, r+ D" W2 D& z2 g( h3 t' H T
36.7536.7536.7536.7536.75
/ P5 f: H- ?5 n; l+ \: @* V36.7536.7536.7536.7536.758 N: v6 v: f; q, y- ~& S
73.5073.5073.5073.5073.50# e: D& m- Z K+ r+ o) j# V
49.0049.0049.0049.0049.00! z3 M' r3 }( J' |
49.0049.0049.0049.0049.00
8 d. r: P& }2 @: o& |! i- a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：
0 m* R3 \9 E @ i; |名称
) f" q& F- O* B. P- v% L0 Y; s二氧
( ^* M M- q0 ]化硫
. e7 S# j8 g( F E! j0 K二氧
. g2 o4 F8 `9 S/ c$ y2 h- n# {. @化氮; @7 n- I7 b& s' \1 g. z) y* }: Q
可吸入颗 粒物
! l0 {( W/ ]( x4 D5 R8 }一氧化碳" S# A `% \; {$ n( b/ m
臭氧9 h6 }+ @. K5 K+ s9 R- w
PM2.5
2 s$ [* c5 O7 G7 NPM2.5 的 减少幅度
/ F0 L I6 ?* a一年后 终值
& t( Y% l7 m7 Q# j47.88% ]0 t' Z; k: W( o
74.76- V. ?/ s8 |3 ?
121.807 D. E' K5 ^( j* ]) r1 H4 b+ I% @
50.02
$ O0 v" W: t4 @7 [$ B) y0 F14.10
$ R4 Z( n+ j: ^; m4 z220.77
1 F2 ^# |+ |' s- B% @* T) F# j18%) `& R6 ]* g+ X2 O+ G. s& M
二年后终值
, d1 ?2 [7 ]+ ^ J7 {+ i' N9 c38.760 }0 d4 o1 @: W" N$ d' |; R* O8 c
60.522 }5 N9 M0 [' a
98.60
3 r7 o$ F! X- P$ ^. ?! C2 w. x39.04
5 m+ E1 _% j3 N! [$ J, W( l0 s" X13.208 s% R3 q) e$ K2 j! n1 C
172.445 U0 h- n: ?1 i3 j8 z/ V5 E
36%
" h& T* v! U; m$ H% h; j9 C三年后终值8 q- Q9 d* z' v# e0 V8 q
29.64" a7 {9 L$ q1 v2 w, ]; ]; p2 u
46.28! `7 I0 R. A0 J. O
75.400 H5 {5 t- V. o/ i& f! h+ u
28.066 }* A) A# i: F% n
12.30
! F: x; u8 C$ Z, P124.97
* q/ S# N2 K7 O54%
; M' P7 I8 t5 r% G& P四年后终值7 `1 F2 B, @/ R$ d: k$ P
20.520 M2 h* v% s( U# V7 P* @
32.04
8 U- {/ S% L& t D/ J. ^52.20
) U% f3 B% W' f( |17.08$ _# t8 z6 Q7 ^9 u4 j9 _
11.40
' O( ?" F. H" l4 K( N3 _* S78.79
+ O$ F' Y8 y$ K8 x# O! X4 d! P9 ]$ ^74%0 j O0 r, f4 J, b, X0 f
五年后终值
; m1 c S) Z9 @11.406 C% H3 D9 i& `+ F
17.80' J( D* r) W/ \
29.00" X" J: l3 J7 P: _) S1 d' H7 Z
6.10
9 | b3 m- N9 K0 P9 `10.502 r, N( w6 S; s0 b* E8 p
34.377 [8 R6 q" ]2 g2 Q
87%
4 d4 S9 i7 D# s2、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 。$ h8 ^7 s/ g: ?' X) P& z$ H- k! O5 ]
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
0 g8 k9 b1 x9 m4 n. f" k5 b2 W! {! |5 w# q4 u& i; g, A- C4 u& r
|
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
