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:
" r) k1 o4 w5 S( A7 O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 n( k& h/ t6 F+ B$ M
评估及污染治理等相关问题进行了研究,取得了以下成果。; u; {' @6 D2 S$ J! G. Y$ z: H" W
问题一:
: I$ {' e( u) J: C6 x' X9 U- u1、研究二氧化硫X1、二氧化氮X2、可吸入颗粒物PM10X3、一氧化碳X4、- Y4 @5 x5 _) e2 |; \8 d3 {5 ?
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
- @0 `. r n) |6 h" J& m+ i8 \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9 O( `0 i3 q( p& e0 O( r1 s9 c
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6 y" V, ~% A3 q7 x5 f
相关。最终给出PM2.5 与其他5 个物质IAQI 值的拟合函数为:
4 j- D! c, d: o# C0.2262 0.2416LnX 0.3526LnX 0.3546LnX - 0.2154LnX 0.969 1 2 3 4 5 LnY LnX
6 a& d7 [$ p7 f- @7 Y/ b& k2、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
0 Q9 \) u( B- w6 X0 a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、
8 G- P2 ?/ D7 b' X5 o; }. n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
! w1 o3 Z2 D; w; [' [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: P5 A( s2 o) |( g d' Q+ s" [
LnY = 2.3975Ln𝑋6 − 14.903𝐿𝑛𝑋7 + 19.4621Ln𝑋8 − 44.323𝐿𝑛𝑋9 − 21.929𝐿𝑛𝑋10 −1 o' o7 N4 F9 m% p; M. I$ `
45.905𝐿𝑛𝑋11 − 85.1032" \% f4 ~1 i$ q' f: Q8 s B
问题二:
7 G; l1 C2 n: {) u7 X+ b" {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/ ^ Y) U8 J0 u( n9 Z" c0 s5 w
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
4 W$ W! K* Z, I0 d: B. E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1 A1 J+ [4 G1 M- _
染情况下,污染源上风和下风L公里处的浓度。
1 _" k/ e8 ^* `7 ?$ { Q$ \% C0 b7 k2、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
- q8 }0 F& h; E+ d$ M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* E( G$ t$ U$ j! d( \; X
- 3 -% s. ^. Z/ O9 m! P; M; v
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。
: h9 c& n2 X2 q7 L+ E) i3、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。" J2 B9 |! h- r
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。
( ^3 K4 i! {. U5 ~- c" @0 q问题三:! A5 ?$ m7 [- }. i. l0 @, L% K
1、提出三种治理 方案:长期、快速全面。
: v; ^) Y6 G% W1 J8 |" i3 B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:, P; f2 T- s8 _2 W) ^$ R6 g" n
年份8 l. ]6 n7 |2 j0 G
第一年$ @# a& f( R: R& b* \* W; e; y, \
第二年8 w% r6 V7 \3 F1 S! M$ _7 Q7 [3 p7 B
第三年: U, p. F" M9 k% |+ D$ ?
第四年3 y% E k4 ^8 o+ F& e
第五年
0 t& a- O/ K. Q; zPM2.5 PM2.5PM2.5PM2.5值变化额; G8 ]# N' O D; H3 V$ v
2.32.32.31 k: M) s) L" u( H2 _& E, U
7.37.37.3
% b% \* b5 Y4 E18.318.318.318.3
# k0 n+ x+ L: o1 ^5 d61.361.361.361.3 o- w1 I, A4 V; Q! g
155.9155.9155.9155.9155.9
! g& p; `) |0 z' e快速 治理 考虑 治理 成效 ,其每年 的治理 计划 为:
: s( E. l% X# `& z7 Y% k年份
: d+ ^4 g! k5 X2 J- ^4 ~第一年 y7 @. M( }0 ? ]* w8 O
第二年
% s4 j8 L, C% U第三年/ O+ h* V8 o) J5 m. k9 y
第四年
{3 f- L9 e& B第五年8 Q: M. F. V& K9 Q" S- C4 }
PM2.5 PM2.5PM2.5PM2.5值变化 额
+ w7 @" z1 l, W6 P; W- `36.7536.7536.7536.7536.75
" |1 h, M7 L, {36.7536.7536.7536.7536.75
1 {7 X8 f" m+ F+ n5 v0 p7 @- T! U( S73.5073.5073.5073.5073.50
# x" |9 w0 E/ N& }49.0049.0049.0049.0049.00! A1 k' u7 u" x! O
49.0049.0049.0049.0049.00
) {' b9 N* r- n/ J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:
1 j3 N) [7 Q6 E6 |1 u& h* @名称
/ w ]: Q# v2 ~+ g/ ^二氧# ~2 W, p8 f- u' ?
化硫5 n) M, i( q1 W
二氧
: R }, m9 P8 e+ P化氮. f* j- O/ R& L3 G
可吸入颗 粒物
5 B* K" u9 ]! M3 o5 A! s一氧化碳
: k2 V9 B% d6 e9 c( }* F7 V臭氧
( s/ K! ?# \! a Y6 `+ C" G9 jPM2.5
# I( K/ g P$ _) RPM2.5 的 减少幅度- F) x7 l: c3 ?# }- o0 h
一年后 终值( p; t) q/ z. ^5 D- Z$ g3 v
47.88
0 B) l3 O. M; L, W3 }; x74.76, a. U) s, \( a" ?6 d+ u
121.802 F7 ?9 A1 s7 v* n
50.02
) s( z i$ |4 N7 n* ~* p14.10' F; `$ [4 V4 e; g( s9 B( F
220.77; A/ g- N: n& y- w, z
18%
) v0 [ c4 ]9 G二年后终值0 q) J0 c M2 Q% S! P q1 G
38.76
' r4 i3 g' q, `0 ?) E60.52% A+ p4 T6 G# k' ^
98.60 l0 \9 Y! s, K; L$ P- |& ^
39.04$ k) ?& y) [- p; } T0 q0 }5 A
13.20- ]7 w+ f0 B2 n: L1 P- k4 L
172.44& u' Q* _# E0 k6 z1 f3 ]
36%
8 U& ^" M% p7 n7 M7 ?三年后终值: ]9 Y) Q1 L* Y# K1 Z1 I7 U
29.64
% V( ^9 Y, P! F7 {7 b46.28
# e+ g0 [- r# a6 Z. {' y" j: o75.40
- I- q2 b3 |$ C+ p. D/ C* m28.06, j' g' J/ o/ D2 B9 ]+ P
12.30
3 I& t' ?0 O* P1 s) H124.97
) U+ Z! u8 x c6 Y54%" b+ x9 a$ o; W+ `
四年后终值
/ u. R3 s I9 Q( @20.52
9 f! f$ b8 w; M* ?( u32.04
5 @+ Q2 B9 G9 \& ^, u52.20& b' q: f, Y4 l7 m% Y9 |
17.089 k: g9 u( V. w8 u( C; z, ~) p4 ^
11.40
f h( E+ r S% M; H1 ]78.79
' R9 z, L/ r0 S; X1 o74%
& V. P- _4 _+ G- Q7 B( M, h五年后终值
, u2 y% j9 \; n; k11.40
- h* P! Y% D* P17.808 K1 Q, L' ^7 {2 s% W
29.00
- B1 |' a# g: x6.10* i( X: P- m, J1 x/ w3 y7 |" x
10.502 G+ R3 U6 R2 b! i0 u
34.37
* D1 ]/ ?% v3 @" F87%
' I# i$ h' z5 ]. _! M8 _- Q2、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 。: G8 C. M% y( {/ Q# ^
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 " r$ L5 {6 l) p
8 B' p" z5 r3 l
|
zan
|