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:& w4 C2 Y2 W$ j8 ]* D9 m+ z
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 w- [+ {6 ?& ]
评估及污染治理等相关问题进行了研究,取得了以下成果。
; g' w" j. Z0 K: j& n问题一:
2 L6 V3 Q$ }3 w& k1、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 P4 y F- B7 h" g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 T' d5 M8 T! {2 U% J2 J3 b3 X3 u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
& |* m$ s8 k, s* x: ^0 W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
4 T0 r5 `! S0 T7 S4 C9 k; N) k相关。最终给出PM2.5 与其他5 个物质IAQI 值的拟合函数为:
: V$ J$ N8 }% J9 @3 K0.2262 0.2416LnX 0.3526LnX 0.3546LnX - 0.2154LnX 0.969 1 2 3 4 5 LnY LnX
# A- e5 X! B3 q( w+ B2、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 @+ Z8 h# [: v+ D5 ~5 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、
* \% M. r* q8 i! C! U, M6 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PM2.5
: I( i- B- g' ]3 Y( O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:1 `- }) s- U5 p2 |8 ?+ f \/ v: q
LnY = 2.3975Ln𝑋6 − 14.903𝐿𝑛𝑋7 + 19.4621Ln𝑋8 − 44.323𝐿𝑛𝑋9 − 21.929𝐿𝑛𝑋10 −) X& v3 [4 y! g+ K0 G& }% y [
45.905𝐿𝑛𝑋11 − 85.1032
# a, [) \, M# k" K3 h% Z( Y9 B4 x问题二:
) ]1 m2 ~- u2 @/ W& L" ~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0 T( t& y4 G/ U3 E' A Y: T
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$ m2 c( z" _+ U7 M8 X, w V
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% X" C9 R# q4 G2 c+ L) B8 p
染情况下,污染源上风和下风L公里处的浓度。6 v' \" y. X( k5 _1 f' {9 [
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
' O2 p+ K7 y; z$ m$ B, v" [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$ K2 K1 p B, P" g
- 3 -0 x. e( x+ `# b: v, j
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。* @3 o+ `$ p) D C$ v
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。
2 i V* }0 W+ r0 o4 J5 o* G$ 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。; r3 ^* S3 q, ^4 M6 T. I
问题三:
' ]# K+ U, z" [% `% H1、提出三种治理 方案:长期、快速全面。% K) G: V0 Q7 X9 S
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:" d5 n' e: e G: B2 @
年份
5 B7 s5 `7 W6 n0 G! W: }第一年
! x) G$ Z- W; ^5 Y+ w第二年
/ @7 M, n. W3 C, ^9 u$ z% M第三年
9 h! w+ j: \7 A第四年
% ~* ?" f6 V9 Q9 y/ X% Q; l第五年, V5 E1 o7 I9 D7 `7 e
PM2.5 PM2.5PM2.5PM2.5值变化额( a/ d* `" b, K
2.32.32.39 d: Q& @4 k! U" u* X6 L. K
7.37.37.3
& L$ K! l- Q) a# J$ C* z; K; P8 x18.318.318.318.3
, \; `/ S( W& ^" f3 c+ w' N61.361.361.361.3
: o7 @# c' ^3 v' u- V4 k, Q0 n155.9155.9155.9155.9155.97 a1 ^* B: ?5 U& v3 s
快速 治理 考虑 治理 成效 ,其每年 的治理 计划 为:
. S0 F6 `/ y. e$ r: t1 c年份* N }/ v3 X2 e. d: P b
第一年% I: G% I' b3 E/ A3 S# \: o# I% P
第二年% c/ b# B& \. C6 v6 m# L4 Y
第三年
* u/ S' d: H; H7 `8 n第四年5 ]1 h! ~0 Q( n4 V$ Z% _0 O0 I
第五年
6 b0 c* _% R& z, ^9 d3 [$ ?PM2.5 PM2.5PM2.5PM2.5值变化 额1 W% Q: Y0 x% A9 x2 _
36.7536.7536.7536.7536.75* d2 ^2 |5 _! w( R. u( U
36.7536.7536.7536.7536.751 D8 r: j# e# U5 A/ g& C
73.5073.5073.5073.5073.50/ t; a% d w) @% [+ k
49.0049.0049.0049.0049.00! S V ^. _& @9 f( R7 U
49.0049.0049.0049.0049.00
& k' j1 Z3 \) R# s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:
- u' g* `. `6 }, n3 _名称( t; A0 w+ ?( q; S
二氧
$ o1 V3 \$ R9 T4 b+ h! f# ^. t化硫' U) G0 ~4 j# M) ?( K. {
二氧. C" \7 u' x) F2 J
化氮
9 l* p- j* T5 K+ X& Q! f可吸入颗 粒物
$ r1 ~# q4 L) f. t( m1 c一氧化碳* H7 p" q0 ^! b. x6 c: i5 P6 t' n3 X
臭氧
) Q: x& h: m2 ?, FPM2.5
) l5 s0 n+ k8 Q7 k$ N+ ~PM2.5 的 减少幅度; n1 G" M' S8 l6 @+ c
一年后 终值
& \; v3 n2 U$ F* ` y" \47.88' d( d1 s8 {2 W) \
74.76
0 L% J& S4 e9 \121.80. H a* l5 [* n. _
50.02% J+ Q6 y% s' Y0 r4 p( h
14.10
6 Z* X( I7 R" P* `% S/ t2 H' N" q220.77
) e% s0 s. n3 U3 g1 D18%
4 F) a9 w+ E& @8 b二年后终值- @' e( P" N2 c! q
38.76
* S, k( V& Q9 c) ~! e3 \) C" Q60.52
- k; h @: I4 i. U4 K+ v, N* g& a6 Q98.60
: k, S. z8 r+ W' P1 g# H, p39.04
( ]8 l0 r. I; S1 O! U13.20
- \( ?6 [ v/ r( w172.44
q ~' p* i+ ~2 i5 E" N36%) W# o) F& K. h
三年后终值
: V$ d! p# U6 A; z0 G29.64
* [4 R- F7 |9 z46.28
4 {* Y4 z$ J; l) _5 ~75.40
- x7 d/ v, h; s, k' e" _28.06
# V1 P- Q7 w; X) ^& c9 N* s* b12.30# Y# s8 A' v) B ]3 p
124.97, }% T2 `! W7 H2 y
54%
. H3 N0 Q3 ^$ o z四年后终值
! U: Y& I3 h# R2 q& t20.52* G$ i8 N# z6 s1 M
32.04
& B3 W1 Y' n' o8 @' G/ X- d52.20
5 N$ X) w/ M; U& c& p. u3 o: M" @17.08
5 g! g, l: N/ k, Y11.40
) h$ o' b! j. ]9 w. B* T/ J78.798 p. w9 C4 r) @$ t9 _
74%) ~9 ^3 g' b2 D1 y, C% u/ h
五年后终值3 i% b, S+ X4 _9 b) H
11.40) G2 w3 q/ n) G; @, ?: [
17.80
9 D- O' q1 R8 t' c; [$ I% j: i: _29.001 M! }3 j& Q8 l7 @
6.10% q4 b9 f( ^/ F+ x" {* I7 x/ g
10.50. r& }$ @+ ^) h" j0 n! T& b+ F! g
34.37
5 U, l2 ?4 `3 P' W$ D) J' J87%
8 j. q/ y: b7 q8 k2、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 。. m' ~0 D/ [' u) h9 c
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 " g; m* w' p( R4 t
, }" |$ m! ~1 R& d! e+ q |
zan
|