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：' e# E6 \/ Z1 j& m! q. q7 X) G
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
$ x; R: `# j" n3 k7 [. l" q评估及污染治理等相关问题进行了研究，取得了以下成果。
m' ]7 U8 ~: n7 Q, t* a问题一：- R e; f% p8 Z
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、% y8 X4 D8 U5 R$ a- r- N, r
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( S0 L/ {; C- P1 |+ @) D+ L
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0 o2 E4 X% K+ ~
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
2 e1 A/ [) N7 K4 I8 [相关。最终给出PM2.5 与其他5 个物质IAQI 值的拟合函数为：
# i& W% P8 a. t0.2262 0.2416LnX 0.3526LnX 0.3546LnX - 0.2154LnX 0.969 1 2 3 4 5 LnY LnX
3 ~1 z6 h7 O2 A0 I2、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
9 H/ h' A1 V9 c+ n! {/ `& {- b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、: Z$ l' d& I2 P7 ]$ H9 C0 F) Y
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 Q& G! G* `2 ]
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：: _ \! n1 [# I7 R0 l& u0 g
LnY = 2.3975Ln𝑋6 − 14.903𝐿𝑛𝑋7 + 19.4621Ln𝑋8 − 44.323𝐿𝑛𝑋9 − 21.929𝐿𝑛𝑋10 −
3 R6 S% c) |" z; ?) u0 g45.905𝐿𝑛𝑋11 − 85.10328 S; v7 K, P# V6 ^* a( h7 m! Q
问题二：
, a( z) t; u% I1 q# g; ]- i1、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* h0 w; P2 t1 f+ r
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; E }2 c9 h5 K! h! Y. p
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9 N l" A& f8 O3 E$ U2 s
染情况下，污染源上风和下风L公里处的浓度。+ a* @; ?1 k/ h! K; D2 l
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
' ?+ h8 ]2 r9 I# R9 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
+ j3 X! K0 P$ ^' c2 r/ y- 3 -
( n5 i2 G5 a0 G! C) k" M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。, U; A- D! g* Q+ U, `! {* c7 ^7 T
3、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。
& ^# M% r( R6 J+ B9 U0 W' _! f) s4、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。
' J! |4 g: j7 M- ~问题三：
; J. T `9 j4 W3 B1、提出三种治理 方案：长期、快速全面。
' z, Q" c9 K: a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：6 [8 s$ Q% x: }1 m: Q
年份. Z0 v; `5 N% O# l/ X- M T
第一年
3 U7 Q& H! z; R第二年
- l* d! E' V8 H$ H- R+ z第三年
) A7 Q" B- ~/ r$ g第四年
4 L" e/ K4 ~) D r第五年- J2 H6 }1 A( W/ n# i# a
PM2.5 PM2.5PM2.5PM2.5值变化额8 {: G/ a# ^9 K' D; ~
2.32.32.37 s5 ^9 d. T) ], y- I' ^2 V
7.37.37.3+ _& I: `" s6 p. i" o4 M
18.318.318.318.3
0 x% N1 K" b B4 a1 u61.361.361.361.35 g; r( s: k, x' p, t. U: x. S1 L. O
155.9155.9155.9155.9155.9
) M0 g; w3 H; z7 I0 }1 g6 N快速 治理 考虑 治理 成效 ，其每年 的治理 计划 为：
u1 r M! D: {6 b* B7 x+ c年份# m w# k8 a4 Z6 C- R' Y( X
第一年
* B2 }7 B3 F: ?7 Q第二年
, Q* l( a- l8 y# V第三年! ]! R* ?4 k: G c# n- h0 g
第四年
' l: J5 S5 d0 Y* T第五年
+ g' [8 Z* Q, bPM2.5 PM2.5PM2.5PM2.5值变化 额6 g0 a: ]& p K; |; [9 I: O
36.7536.7536.7536.7536.75% h. r0 _% P3 L, a: {- C
36.7536.7536.7536.7536.75' t' M+ p! \$ _% T
73.5073.5073.5073.5073.50& {; j+ }/ g" b4 e+ u4 [
49.0049.0049.0049.0049.00
\& i4 i: y( U49.0049.0049.0049.0049.00
% I! z* _% M3 L: v' J7 [* C' V/ |: 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：- L4 _$ O7 h4 M$ f! \
名称# ]: x' {' q# K& q0 p0 M Y
二氧5 A3 N& M: K) o7 O. l, F
化硫( |* A% s! O- [$ G
二氧
% l/ Y& b4 x* E! l5 n1 b化氮
" Y# x7 E1 B, W0 ^可吸入颗 粒物
6 M. N$ [! A b3 m一氧化碳
/ ^% t2 @5 o7 {& s, j8 {4 t臭氧, [' @1 S3 ]9 W$ V+ o
PM2.5
) [5 B6 M! @3 L/ cPM2.5 的 减少幅度
" m4 `, v! |& x( u1 y一年后 终值$ G0 F2 L+ d7 |, Z
47.88
8 z& t+ K: z1 q% A: H$ O v6 Y6 l74.76- z) d+ q: t, x, P; N
121.80
, C8 v# P0 ~% ]0 \50.02
/ n1 G/ N( Y7 U& x14.108 i! c- o' S3 v8 p+ T2 |4 h
220.771 o8 c1 d. F' h2 l$ N
18%0 K& |0 b3 i# k# X' K
二年后终值* y- d4 W) E( F0 A5 f3 J7 \' Y3 K
38.76
" k& Z/ ]" D a% ^60.52& b6 A2 _5 W, {! t
98.60) ? | y- q2 U3 H1 u7 w' v& }
39.04
4 m9 a. J, s* d9 Q4 x& P- q9 ?8 w8 P& @13.20" p0 d- u" \3 d/ {
172.44" k% N% z" R. ~% U1 F: w- }
36%. w7 k9 ?. B% t; ]3 O6 A
三年后终值
' [' ?# W& e% e% s1 K: T3 j29.641 D1 b7 x& _) h ^( ~6 W* V+ U
46.28
- o( |" A, t5 I7 o! c, I75.40
. u9 S/ c: O; U( g28.06
8 A* h2 g! Z3 [+ c12.30
9 c% ^/ \ {, W2 b s% U124.970 {/ G" h& e8 L) `( E" A& n0 \2 d
54%: u$ \, H# Q$ j2 R5 b
四年后终值* u0 v& d4 @& U) R
20.520 O3 @7 {5 M; n5 M
32.04
9 G( m, X7 N2 l R* m' a! e52.20
- V3 S9 P6 l) b( l: d* N17.08
) s6 P+ B5 F" L3 Y7 O. w3 x$ \11.40: ^0 z# p6 i% ~8 l9 \& ?
78.79
* w P1 E4 D6 j8 i+ c1 q" e( q74%
" o1 U _0 E8 E% _6 {7 O五年后终值" U) E* u+ e. u( F) q% ] Y
11.40
, c @+ N, R. M2 r7 _# `) F4 ]( q& U. n17.804 b9 v [) f8 }6 B3 n4 i$ _# L
29.002 g3 o1 ]4 l% v6 J8 o
6.10
5 X' C- q$ ~/ I$ i10.504 @% p( k# L: h' M
34.37
2 v8 h3 i9 L7 D3 n2 E1 k87%- {! Z0 L$ `4 l2 D0 U
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 。, M9 `7 h4 H( f$ _# c' a. j
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
7 P! j7 a5 [2 U9 h# r2 ?) D
& Z; R- ~! q4 j( \8 C2 j |
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
