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; J" L% Y3 Q2 B6 y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; B) `/ t2 F# a; S' I& Q' q* Q9 k; H
评估及污染治理等相关问题进行了研究，取得了以下成果。+ [: M2 \0 k! i
问题一：1 @: Q3 `" U- R
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、, i2 D6 T$ i) W3 O' u, C) ~! q% M0 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9 _* d& R& B( O
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
3 |+ }8 z5 W! o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! _. u) } }& P: X7 N! {
相关。最终给出PM2.5 与其他5 个物质IAQI 值的拟合函数为：
0 U$ d, k* t& M a9 X9 F0.2262 0.2416LnX 0.3526LnX 0.3546LnX - 0.2154LnX 0.969 1 2 3 4 5 LnY LnX
. _; c7 e* n; n) f: ~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
$ |/ r0 t H4 b. d+ T7 r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、
2 `/ ^& n5 Z1 A, J! a7 J. b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
?' m7 J& ^ C: V% b- _3 S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：
* g( I+ l7 k$ |7 ULnY = 2.3975Ln𝑋6 − 14.903𝐿𝑛𝑋7 + 19.4621Ln𝑋8 − 44.323𝐿𝑛𝑋9 − 21.929𝐿𝑛𝑋10 −
: w. a5 X; t8 d2 i5 E @6 D9 e45.905𝐿𝑛𝑋11 − 85.1032# C; O* ?3 |/ x1 {' J& n
问题二：# r4 ~! q8 f" y; x1 \
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$ x4 ?" A6 x) q" `9 ~4 b
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$ }; z" x5 E# Q: B6 W
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3 I: J. K4 q+ f/ E! f1 C
染情况下，污染源上风和下风L公里处的浓度。
. f/ e B5 w% J" j+ n, G! M2、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
" N+ ^2 d. f) J% ^! Q) 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% m# w4 @4 i- x2 U* I
- 3 -
) b* c1 b: e5 n2 { a$ w/ \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。
, o$ L) ^* d: j! q2 X& B, v3、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。5 S4 i) Q: m" p) F W/ O4 t+ l2 v; x
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。
7 F- S* H4 M. \2 N4 |问题三：
. `& D: j+ V3 I3 K7 n. {6 `1 S1、提出三种治理 方案：长期、快速全面。1 W+ c: d5 @0 t! w0 }! K- R! r) N
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：
- c; s, y2 D, y7 N( W' {年份0 r7 p S6 l1 v; ~& z
第一年
; Y5 O$ r( s5 A x" s" y' t7 g第二年
2 {2 O6 R2 R1 V* O第三年. {" B( e. i, W' H: z
第四年, r- p1 m7 C0 T5 ?- R+ q
第五年8 x8 `- E+ N9 M+ @6 O$ f
PM2.5 PM2.5PM2.5PM2.5值变化额
' h9 R1 W; d6 I& g1 z' z2.32.32.30 c9 G1 X' k j0 w9 g
7.37.37.37 R+ P5 ?6 Y1 g( b6 \4 y, z
18.318.318.318.3/ d7 Z( \$ D2 x
61.361.361.361.3. G }6 S/ c' v: @
155.9155.9155.9155.9155.97 z6 r9 b. S( D2 C' n7 R8 z
快速 治理 考虑 治理 成效 ，其每年 的治理 计划 为：; J0 J$ C- l7 X
年份- \; _# t1 Z0 q9 O
第一年
+ v) B, r+ D7 w. H! W `! Z第二年5 ]" W5 q% i$ E& a- ?* b
第三年% o% C) e) n3 B+ k2 Z- S
第四年
3 Y; \8 D+ I% r6 S, A* S: t1 [第五年
1 C. t" p# W. _* C' I) ~PM2.5 PM2.5PM2.5PM2.5值变化 额
- N$ z) _4 y0 E! x& `1 A; W9 q36.7536.7536.7536.7536.75
7 ]% ~1 `: v$ T# Z36.7536.7536.7536.7536.75$ l' ^4 }# d: k& f. x. @1 l
73.5073.5073.5073.5073.508 A ]+ \9 h" [' z/ L
49.0049.0049.0049.0049.00" l* b# X& I5 l0 g" A
49.0049.0049.0049.0049.00" I1 A1 J! J5 G) f" b" k3 S7 D
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：
9 V4 V0 g: v" {7 M& E名称
. y, y3 o2 @/ g二氧
# T7 h3 Z- W1 C+ Q" m化硫+ g' M+ h- u R. z' a" f5 U( m
二氧; O7 D0 O/ @& d
化氮
/ f4 F% k: B7 f. k可吸入颗 粒物
4 b' [5 T0 H' b, s+ @. w3 y一氧化碳% x4 b1 F# ~5 _+ c/ \- g; o; P" H/ _
臭氧( h4 } v/ Z8 @! m& y+ A3 U7 a; b
PM2.5
/ \2 ]! [5 g6 XPM2.5 的 减少幅度7 Y! A5 D/ Z0 \; W$ t5 T
一年后 终值( m |& o* ^1 Q ~" M6 R( m
47.88
, g0 o: T4 X. L; Y/ f/ m74.76# f u3 Q* w4 P
121.80
: s+ l, [4 v* S6 f: {7 D8 N50.02; w0 x5 V' |9 e Y8 k/ N! a9 t3 M
14.10. }$ z8 \3 Q2 A7 \5 S9 A' s4 [1 j
220.77& P$ ~( Y9 u' @* X4 M) u% i2 h
18%
$ l6 p5 u$ |3 q, j二年后终值
6 I9 h( f2 p$ H1 x38.76" v- X; f6 |2 T/ z% S- C
60.52/ O d Q* h5 r! \/ c* \# f$ P
98.60% g% x w1 q( g5 v ]& x, O: V
39.04
& |3 U0 k3 X" O; C& j6 p5 _# h; G13.20& Q' `8 v. U1 }( I
172.44
$ u( b6 A2 k) j; l36%3 C( M, W: V# E7 h4 S3 |
三年后终值
( l7 b) N, f; E7 o5 x29.64! {6 D4 C. ?. z5 a
46.28# D6 W1 i. t/ _$ ]% B: k$ Z H
75.40
* z& q2 E8 H: @" [3 J# J28.06
$ G6 n& r# k/ H12.30
4 _; e" d4 U6 x, B; c0 e124.97( W g' R) m/ A/ O8 z, S9 y+ B
54%
5 J/ d$ j, X1 J四年后终值# C1 | K0 O8 h" u% I" d
20.52
" i* n% m. w( l% T32.04
2 r( a% R0 W3 S/ y! R52.20
1 J! _+ W9 N: n* d G' [' ^) Y17.08: e3 w( @. n0 b' m
11.40: H# w* E* q5 Z! V. M
78.79
$ V) X3 l) N" J74%; L1 D- x2 Z3 F
五年后终值8 h2 s9 r' }9 g; X8 ~) w
11.40" S5 K3 t" X, Z. `4 W
17.80
- M; N% Y5 J: Y" x5 S29.00
/ K4 n' m) n( }% W$ ~6.10/ \ L! [3 U4 Q# \0 E1 c `
10.50- U: r i6 W" q# D9 O7 R
34.37. c4 S' ?7 K! D' n
87%
& `$ U9 u0 s9 }/ B+ \4 D2、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 。6 L N& k; d. w- u2 R# @2 M
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 . y' `1 G$ e* V$ V
+ h- w9 k7 L; Z6 a. x* ~
|
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
