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:
& _' V3 M, i- u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
, Y8 N* m9 t" C7 X! t评估及污染治理等相关问题进行了研究,取得了以下成果。+ Q0 c" V- ?! f( z' m$ Z) U$ F) l
问题一:0 k4 u5 @% k0 s6 i+ ]+ w. L3 N
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 T- ?; h/ x) Q9 b: h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
$ V: C8 x! `/ g8 ?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* h' C9 ~/ q1 C/ k& X S
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) d' a4 J% f, H8 }0 ^
相关。最终给出PM2.5 与其他5 个物质IAQI 值的拟合函数为:0 o, i* v6 f1 ~# I) g% C
0.2262 0.2416LnX 0.3526LnX 0.3546LnX - 0.2154LnX 0.969 1 2 3 4 5 LnY LnX ' e- |! G) ^7 j' n4 v5 o
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1 X* q$ x) Z2 C o% j& c; F
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、
, L) c" }) }8 I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PM2.50 ~6 p6 m7 x0 ^
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:
) k4 V0 J) Q; u- w: p8 TLnY = 2.3975Ln𝑋6 − 14.903𝐿𝑛𝑋7 + 19.4621Ln𝑋8 − 44.323𝐿𝑛𝑋9 − 21.929𝐿𝑛𝑋10 −7 U v9 X' Q8 X2 `7 n8 l& B
45.905𝐿𝑛𝑋11 − 85.1032
N+ x4 s+ j7 P* X& }- P! H1 @1 g问题二:7 P4 e# E/ W& ~" U+ L- K
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( M; R* `2 w, R c
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
; z9 m l! J+ M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/ c6 L+ Z2 ?* f+ R
染情况下,污染源上风和下风L公里处的浓度。
' j: `1 J$ I8 `. a' _) ~% T2、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
& E+ [3 g7 g9 y: h# D* P% c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+ J$ {5 u9 ?, Y5 d) p/ n% |, F
- 3 -; ` i" w6 L* d- g
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。
' e& C1 o* E. g, J+ p) M3、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。: O9 E* z8 K7 o! Q1 B
4、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。
( a8 h9 W, w. A8 {! S# p问题三:
6 Q9 }8 D+ r: O/ g7 I: W1、提出三种治理 方案:长期、快速全面。
8 F; [# |! s) a, F: X& o# J4 j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 G3 U' R$ G6 R0 [/ g
年份
4 h* ^ Z5 V' a7 d, E第一年
, _ O8 [, t: y; I# h第二年
C7 u7 X8 W* `/ H+ F. \第三年
/ |: {" M& T( }0 M; z6 H; @4 W$ Y第四年
* J" k- z* G* t) U7 d% w第五年
& e0 k( @+ j; f* B1 s# K7 wPM2.5 PM2.5PM2.5PM2.5值变化额0 S! _+ X- ^$ f2 ~
2.32.32.3* V/ |9 \- `5 d! ^, R
7.37.37.3
0 r9 W5 L" r3 ]" E' ]18.318.318.318.3
6 l: z/ l3 ]* _61.361.361.361.3
' _8 k4 }+ o5 W7 @: Z7 k# F155.9155.9155.9155.9155.9/ h I! ]' L6 K/ b( ~& m1 t4 r0 Y
快速 治理 考虑 治理 成效 ,其每年 的治理 计划 为:3 M/ R7 c( ?9 a7 [5 b
年份
) p0 Q: F0 J% s; a* d5 a第一年4 H0 ~0 w3 x. N& R
第二年4 U, J; q; u K0 ?" G1 K3 Z
第三年
7 Q! y8 r% {0 `& Y第四年4 ~! R% ]5 P( Y% x' {
第五年
" c) Z9 H! I" i g& NPM2.5 PM2.5PM2.5PM2.5值变化 额' B7 T7 b$ D" e1 {( `
36.7536.7536.7536.7536.75- w7 K4 J* o7 {, c# e8 n
36.7536.7536.7536.7536.75
7 {4 C9 d! o" Q- y, m$ E73.5073.5073.5073.5073.50
$ a" r. L1 ]7 y! p# I: d- E49.0049.0049.0049.0049.00
3 _5 X9 ]' H: | Q( }+ K5 q! i1 W/ F49.0049.0049.0049.0049.00
" E3 }1 D; `4 H7 u1 b. i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:
?+ G3 q' s6 z名称
, }9 b+ e9 j: V0 a! k% I8 E; P0 B7 F二氧6 [% d) m1 @, h+ a7 L
化硫% K* a9 [, {- J" [) B
二氧. i/ M1 O6 w) y7 H* q
化氮, W% a+ ]' d e/ y) l- h! S
可吸入颗 粒物( y+ F4 `9 |9 _5 |* D/ ~
一氧化碳: |0 S; \( K! W6 @$ ?
臭氧
5 |1 k7 o. F2 E) \( K, X7 rPM2.5
" F; d) s% n" Y% s4 Z* a0 r# FPM2.5 的 减少幅度 l. \ L3 D0 _/ O+ h
一年后 终值
% Z( U, A% {+ X9 L7 ^1 e7 E: [47.88
# b7 R3 @1 u- A) I: ~5 t) w74.76
( h/ \8 T( u9 K1 N: w7 G' G121.801 ~, ^% B D* r9 {$ ?/ j
50.02
% P* J6 J5 L9 ?$ t$ e' x4 O14.10% g1 O4 W3 _" z) E2 r& [
220.77
" b& F. F: Z& l: n% w18%! z1 K9 i+ q) z. T! V1 ?
二年后终值+ ^- ?- u* m) A+ M
38.76
. K' Z( r# ~7 v: o0 _+ j- B60.52' U4 A. j( V h6 `$ N
98.60* q) Z8 q9 l R+ ?
39.04
8 \2 K% B; B2 B, E13.20
5 Y1 s8 y q! U' f, b9 I) r$ U172.44) X6 H7 Q& Q2 j0 u* u
36%% [. S4 F; f) e# k# J
三年后终值" W' Q& W- y' g# ]$ o
29.64
! H5 v+ m% a G46.28
" \* ]" R; P% @8 L75.40, d( {- Q9 j$ `3 B! O$ r
28.06. x. u! h3 J7 R4 g
12.30. c9 y" M, H( t1 B+ x5 c$ q) I
124.97
9 e- [$ O/ o" ]/ H" z8 i54%
; A- Q1 [: t/ H, T4 I+ t四年后终值
, T5 W9 O. ~$ M) l' o20.52
+ H) h" Q7 P: Z32.04
+ M# ?( \: q* F" F% ^) r52.208 q% N8 k% o; R) P" k
17.08
, ?$ {$ E- j+ x11.40- t1 o+ B7 [% `8 o- `! b% s @4 I
78.79
, K& i5 l7 Y3 P% G0 C74%
$ Q4 ^! g& }( w; @6 K五年后终值2 S$ `( y, r) t) g
11.40! J! C" v! W0 R3 T' s7 |+ r
17.80, z) G, i4 X0 ?/ c" d
29.00
r3 i+ s8 h. k. \0 |6.10: m# Z! Q( z) r, F
10.50
) c2 ]! p1 t& Z9 d/ j34.37
8 D/ J" }9 A+ T( A) D- B87%
5 s3 a; ^- d9 O: j" k5 \ ]2、以全面治理计划 作为 治污 方案 ,根据 本文 提供 的综合 治理 与专项 治理 费用 与 PM2.5 浓度 减少 的关系 ,建立 最优化方程 。/ L7 \* @+ b! C2 \) w2 p
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
4 ]5 g; \4 ]4 @8 Y; q# o
3 Z6 y6 L/ G" h8 c" \7 J7 E |
zan
|