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:
% o* y8 y: T; U+ a5 }6 g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
# i/ p k: P Z0 d9 R6 L评估及污染治理等相关问题进行了研究,取得了以下成果。
& I: f7 ^; m8 \: d+ b g. ~问题一:
) |7 y, }1 E* `! n. x4 \; x1、研究二氧化硫X1、二氧化氮X2、可吸入颗粒物PM10X3、一氧化碳X4、* i0 G" f- @( J+ y/ o- y
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" ~3 p6 j8 E7 u' c5 P9 z: j
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
7 X6 D. r- v0 V8 T; d" 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
; m4 v- o4 t1 r% k- \8 a相关。最终给出PM2.5 与其他5 个物质IAQI 值的拟合函数为:
5 L- A6 J8 C5 i7 P" K4 f0.2262 0.2416LnX 0.3526LnX 0.3546LnX - 0.2154LnX 0.969 1 2 3 4 5 LnY LnX & Q; `5 b9 A, |- `
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
- |2 S+ h& F$ U$ E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、+ E# r+ L' S: Y9 ?: y' s; ^) a
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
) g! f4 {) Q* _3 k! E4 L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:
- [. B- E0 m2 f0 M/ mLnY = 2.3975Ln𝑋6 − 14.903𝐿𝑛𝑋7 + 19.4621Ln𝑋8 − 44.323𝐿𝑛𝑋9 − 21.929𝐿𝑛𝑋10 −2 F8 Q; ?3 q8 e, z- L' }
45.905𝐿𝑛𝑋11 − 85.1032
/ ~) _: p3 R$ A2 A6 d& Z( a问题二:
# G c% _( d |. u* B: e1 i/ ]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
" S, G6 D" \5 q+ v4 U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& \: p: T7 E6 C' T5 s+ N/ o
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 o( \3 g: }# }5 t1 a) m' Q
染情况下,污染源上风和下风L公里处的浓度。
9 ?0 |% m+ R( }0 \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
: s: A1 ]2 j$ D, R8 O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
' \0 \ x. j [5 [- 3 -
8 j- r* i, b0 f3 [: M/ O4 Z& D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。$ d( ^2 t2 P! [. K
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。+ K6 U% O% {. z' m
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。
* W5 D( L/ z1 a2 }3 e8 H) D问题三:# n0 Q# q: d0 ]- E! a% |
1、提出三种治理 方案:长期、快速全面。# X, E6 T4 l. |4 D4 D' W( 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:& r$ E* s$ |4 ^+ b3 g W3 J( R2 q
年份7 a0 i1 n' |$ _( ]
第一年
+ Q" ^# \' }( M! H5 Z: v第二年# N/ z: T! ]1 W* W- h* g( m0 Y
第三年
. S: ^& D6 u( N( w* p( ~第四年! c$ A* c& u7 l
第五年) O% h) E/ d& q2 P! F
PM2.5 PM2.5PM2.5PM2.5值变化额
! _1 y6 |5 p0 ?2.32.32.3
0 I$ l% K7 ]. O& F) J. `, g0 a1 n7.37.37.3
- B; K1 ^; M1 w/ c2 Y3 L18.318.318.318.3" ?2 D) \1 y+ |
61.361.361.361.3
* S" y! O* N6 L t, L155.9155.9155.9155.9155.9
" v; N8 F9 B2 m0 {$ h7 h快速 治理 考虑 治理 成效 ,其每年 的治理 计划 为:
# F7 ] K+ N' K5 S% ]年份
; _' g: f% z4 g( w8 L' |1 q9 u第一年
( f* Z# j8 x+ P/ P* Z; X+ w3 G+ E第二年/ ^/ s& X2 `" f6 ~6 ~3 Y8 F
第三年
% v( O* S" n4 s3 C第四年
2 U, m9 Z' v; T第五年
' ~& W2 @7 z6 b9 ~, w3 s+ G7 ]- [, OPM2.5 PM2.5PM2.5PM2.5值变化 额
0 q ?8 h, s" i8 T( N36.7536.7536.7536.7536.75: k. n$ j3 O, W+ G5 z6 ]7 S
36.7536.7536.7536.7536.75! N2 E" c' g9 u; y4 j) T# G) b. T; q2 n
73.5073.5073.5073.5073.50
; q" n5 E) V h$ h. s49.0049.0049.0049.0049.00& m, S! @) l+ }" S. X
49.0049.0049.0049.0049.00* Y( i p) L; q
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:
% X) A' H' Q7 H- r5 U名称
! O- N2 w# J& R# p s二氧0 j1 Z3 f6 ~. B( Q+ J2 K
化硫
) {3 `5 P8 W+ L. m二氧; N% Z8 B, a' k2 D1 H- h
化氮
: q( D1 A: W0 M; P$ |可吸入颗 粒物( M) R' G- {6 {. {. |7 d
一氧化碳
8 g; \; ^* T# G9 \, _7 p+ r臭氧+ L K# p- r' J7 w5 ~0 ~
PM2.5' L" @7 F* ~. m6 _3 ~* m
PM2.5 的 减少幅度
6 Y, ~* O. W* C. ^- ]9 H一年后 终值
% e# H4 Q. }& z47.88
+ q1 x0 U4 \+ s74.76
" G- ~* X* K3 k1 y* n) N; ^121.80
7 v, b3 F! \( R50.027 P# ?9 }% \4 _* _# }, p
14.10% h7 e0 B. v+ i( k0 k3 u
220.77
' D+ L+ L: q/ h+ {. O% U- E2 D9 K18%
/ e( \& ?0 v" U" V* L8 k二年后终值
* v8 h5 f6 h P! D$ D7 \38.76
! r7 o/ J4 q. |60.52; V; E# I* l% d0 O. I3 n
98.60
" V+ |' c% p) G& D) s39.04
" i5 @# S3 d; H6 I! f1 u% B& ?1 h9 m13.20
w, J5 g6 c; J, s, o) D8 A172.44
/ e" B0 R+ y. a4 p36%5 o$ r7 w) R$ t. l! U7 t
三年后终值
" u" S R N' I: j6 n- Y3 }29.644 c- f4 {, N2 o& y* n
46.28
- Y! u+ P) x' b0 D2 X% C75.400 y" D V. W# W# ?# @- E, g% o0 M
28.06
7 B0 _& f: n/ g5 A a8 g12.30
( [0 ]5 E0 K6 \8 G0 z124.97- i3 Y C* i" ~( _! _1 ?1 D
54%
/ [: L: ] C% q- n, X四年后终值
4 g- K' y/ u' }" m20.52' D4 b$ ]! e* R8 W+ G. o
32.04
7 j- E! s9 B6 W; J d- e52.20& a& @+ \* \# C" Z
17.08' Q/ }" J1 C0 Z6 V( u6 k# b* O5 }' _
11.401 @5 H! F5 W' x$ I
78.79
) ?& y- Z8 r" E$ Y5 V% D74%5 C$ Y" W E% ~7 M" F
五年后终值
$ _; i! @. p2 u9 ^3 w! D: d11.40' C) D4 D) r; C1 X# C) v# B/ |
17.80" e( t+ f& g) y/ e6 S9 K5 @' A- u: J
29.004 h9 b1 s7 F; ^1 v
6.10
5 E+ }: f$ a- W3 L& [10.50. ]1 l7 k! d) \3 O0 E7 B
34.373 y, V1 `/ A1 R! k4 N
87%
/ x( G' R+ D/ _" k/ t5 A% h2、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 。2 {; G$ v7 |0 j2 V# t' f5 D
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
2 Q. [1 I' E3 O. Q5 H
6 r% C3 a7 e4 {' x |
zan
|