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：
( n, ~+ u5 I4 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& S/ U1 S3 E4 ]! ]& Q+ T1 V
评估及污染治理等相关问题进行了研究，取得了以下成果。- ?0 e! o0 @" |1 u; B
问题一：; _+ p# R( `' }. k
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、
) Y7 J, E0 c+ Y+ }8 W+ v- v9 f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
: j8 y. i4 c6 l# z& _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
/ h5 R7 P1 s- z* @0 b$ x) P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
& m I5 `1 w) w+ v! y相关。最终给出PM2.5 与其他5 个物质IAQI 值的拟合函数为：; v# H8 n/ m0 L. u, V5 l
0.2262 0.2416LnX 0.3526LnX 0.3546LnX - 0.2154LnX 0.969 1 2 3 4 5 LnY LnX
; m- w6 K5 u; u1 I2 f }6 M7 ~( H: N2、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+ e+ {2 O. P0 V% K3 J% P) F+ 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、
2 X8 T5 A# `7 I4 _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
% E7 ?: L8 H) @; i |6 t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：/ F. K# r- O0 U$ o
LnY = 2.3975Ln𝑋6 − 14.903𝐿𝑛𝑋7 + 19.4621Ln𝑋8 − 44.323𝐿𝑛𝑋9 − 21.929𝐿𝑛𝑋10 −" h# i o% l6 N
45.905𝐿𝑛𝑋11 − 85.1032( p% O6 K+ s- y5 g# K, _8 l; i
问题二：
! m' }. g9 L- o" B- k% s1、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$ ~3 _3 ?- l W$ T: o5 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
L* F) z( p4 T1 [5 P6 r9 q8 H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
6 ]' {- D* l; D x染情况下，污染源上风和下风L公里处的浓度。/ O. @/ ~( [0 K9 S l1 W( U/ 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5 b/ Z# P3 Q' K2 C* s4 g
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! _1 t5 G) T' q# B& N
- 3 -
3 s5 I8 T6 X L) C; |( k* _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。
$ I: {/ q7 q3 m: B" G3、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。
4 I1 s% e, k# C( y6 m9 x+ g7 v4、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。$ n- y/ N. ?: d5 G% s/ D" k# U
问题三：
3 O3 U0 `! c* K$ C1 o1、提出三种治理 方案：长期、快速全面。
7 m: O1 V' ^* }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：% N# R7 Q2 A" O' R2 W; T9 j
年份* |& c- g& K2 _% A
第一年; M! Q' \! ?. \1 l2 A1 W; ?3 k- I
第二年* I' S6 h7 ]# B" A4 k% u0 B b
第三年
3 b6 A, g' p# ~/ M" \# S第四年; [. W4 v3 e0 ^( C4 y& f- E( N
第五年
: E& n2 D& l8 G+ W" a! c1 `PM2.5 PM2.5PM2.5PM2.5值变化额1 \- d- B! H: ?; N5 r* F. a- J5 s, b, }
2.32.32.3
" D8 }- A& w, l) z. K- J4 d( y7.37.37.3
( Y7 U# U* B) z3 H4 T3 M: A18.318.318.318.3
7 z6 V; L U! |0 N6 l61.361.361.361.3; w$ ]0 n' X. O' n1 H( S
155.9155.9155.9155.9155.96 o& Y; @* p3 ]5 F! _: \( _: { ~
快速 治理 考虑 治理 成效 ，其每年 的治理 计划 为：
% ?: y6 ^! ?1 ^年份& k2 W" z# X2 n/ Y) F
第一年
& p9 Y5 k* h5 o \! c第二年1 Z& l0 u# m# |# e2 U
第三年1 B, n q! D/ Q/ I
第四年
7 t! q, p0 j9 m第五年# N4 y% ]) e1 Y5 a1 h- s }
PM2.5 PM2.5PM2.5PM2.5值变化 额
9 V9 d+ s+ {) o- }: K$ s36.7536.7536.7536.7536.75( b$ I: t% ^4 ^; |; ~4 h( ~+ b6 A, M+ k
36.7536.7536.7536.7536.75, l9 y, Q8 C* [$ Q9 Q4 N& U+ f
73.5073.5073.5073.5073.50
( [6 q/ D" o. f7 V: W7 j) b49.0049.0049.0049.0049.00
4 {/ l4 ]- s8 U' H+ k49.0049.0049.0049.0049.007 d! E4 v6 {& ^3 w. A, Z
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：6 i+ L: _. Z/ X$ R: F% K M
名称
) a1 C3 e! I4 t二氧* I4 |) c K) |, E( L" a
化硫
4 R7 n9 c! p' k5 y1 l1 R3 w二氧. b0 N# ^6 p3 G. g2 k* W, k
化氮
( \0 x/ v) M" N5 ?5 K可吸入颗 粒物+ A* w4 G) K! Z6 I9 J' j0 [
一氧化碳
. T2 |9 z( D# b& O; t臭氧
9 a& H, [% b+ I) z/ DPM2.5
m% k2 K# ]9 ^+ J" ~9 Q/ }PM2.5 的 减少幅度8 y# @* k" j$ t. g
一年后 终值+ d) D4 r$ f, J9 p$ F
47.88$ N# w, a) o( c6 K' [
74.76 ~. Q4 d- B. j/ m1 U
121.807 Q7 V- [8 A' U; |* K
50.02: l- q6 {! j/ W6 N
14.10
/ {2 c/ D4 V7 ]& _: P6 t" U k220.779 L5 h& Z! y% K8 m6 A
18%" w/ X, c$ D9 |- ?3 @5 A; l) x
二年后终值
/ G5 @$ ^* q% h3 t5 H; y38.764 @+ [( ~0 x. L8 C
60.52
$ h3 i1 B; j& P+ N98.609 I9 x4 k+ B1 N
39.04
* I$ o; `% X) V9 j! ?! x7 I4 m R13.20
- I3 ~* p2 H i% E( O& x' h172.447 K. p+ Q& x4 A0 ~2 G R& ?3 P
36%$ w/ E. S' \( y; ?
三年后终值
4 o: n" p' V: ]9 r29.64; W9 _. z# x" q
46.28! H' g. P% y" r# ?
75.40
# k6 J& Z" c: E+ k2 E28.06
2 M/ Q* v, n& r$ U4 k12.30 N" \. G4 Z& t4 L+ _! ]" j
124.975 O; _6 N) w* n, }1 L, P, V( s
54%+ l2 T% d: C4 r5 {4 u7 P4 V
四年后终值
/ [/ e8 ^9 a: A Z9 c" g" V8 _20.52! q8 K" B! j; `* R* y
32.04
1 c( E6 L9 f, R52.20& ]5 A- ]' C) O. r ^1 @; i
17.08
& ~5 A& l: p Y. c11.40( P0 l& b- @& z4 t4 y- v9 G
78.79( p" z! D- @7 w
74%
% v5 H. H3 }0 ~8 {! y/ e$ y6 Z五年后终值( l. q0 P: \1 q5 \8 l' l
11.40/ M3 O) R: P P F- V
17.800 H+ e; x9 m) C6 C, r
29.00
& z4 Y, C; ^) l" m2 B+ H6.10
. K9 E) j3 R: q3 `5 C1 r10.50
0 @/ G9 y7 ?: {" V" D+ m7 q34.37, G% l+ H% e+ J4 l9 S
87%
% O) l: T) e" x* g. p' ^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 。4 O3 w, _/ n* E$ 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
! j- E% ^( V- ?7 _( M
+ S) z: s7 i8 t6 `) K, I |
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
