PM2.5 扩散预测模型及相关问题研究

madio

摘 要：
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
评估及污染治理等相关问题进行了研究，取得了以下成果。
问题一：
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、
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 K- t4 ]! n4 X2 z7 {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 F' J4 m2 C7 L9 W' ~4 X, z" M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
7 M& ]9 u" B) |  T相关。最终给出PM2.5 与其他5 个物质IAQI 值的拟合函数为：
0.2262 0.2416LnX 0.3526LnX 0.3546LnX - 0.2154LnX 0.969 1 2 3 4 5 LnY  LnX    
1 L$ c' i* z6 S' r% A* |; b: L2、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
/ A" R( O, F/ z$ P1 g4 `( Z( M; |" K( X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、
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
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：
LnY = 2.3975Ln𝑋6 − 14.903𝐿𝑛𝑋7 + 19.4621Ln𝑋8 − 44.323𝐿𝑛𝑋9 − 21.929𝐿𝑛𝑋10 −
7 o* r! i) c; r, F/ m45.905𝐿𝑛𝑋11 − 85.1032
% r; f. d$ g7 \问题二：
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
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
# c* @8 G  ?6 N( T, {( n) T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
染情况下，污染源上风和下风L公里处的浓度。
) _) l% X' N! |1 I" K1 b2、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
" P5 ]' a! n+ z* K  j$ \% h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
. N; f& N. |! K! j: h8 {+ T( N- 3 -
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。
; t. Z& F" q  p5 s3、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、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。
问题三：
1、提出三种治理 方案：长期、快速全面。
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：
) {. m9 z5 U" o年份
( Z" Z2 A! n) T! k+ N. Z第一年
* U' Q* T, [4 `7 }9 y. Q7 f! i第二年
" E/ v# m- x5 @# E8 S: ^1 `第三年
7 Z9 ?0 \* e  |' o- k. X* w第四年
第五年
PM2.5 PM2.5PM2.5PM2.5值变化额
; `9 O& Z8 \. _1 |+ r: E" Q: n$ u2.32.32.3
7.37.37.3
; U0 b/ O7 y+ c  x* f5 g/ k18.318.318.318.3
61.361.361.361.3
155.9155.9155.9155.9155.9
# i; i& B+ E2 f9 }4 P  z快速 治理 考虑 治理 成效 ，其每年 的治理 计划 为：
年份
; A- }5 l) ^. n+ N6 a" G5 O第一年
& G6 Y0 p- {% r) D* {3 d4 o第二年
. e2 e* |: _) ^/ x. L4 E第三年
第四年
第五年
PM2.5 PM2.5PM2.5PM2.5值变化 额
36.7536.7536.7536.7536.75
) f  W/ |- E$ J9 A36.7536.7536.7536.7536.75
) d2 @5 b. V; d8 }73.5073.5073.5073.5073.50
49.0049.0049.0049.0049.00
49.0049.0049.0049.0049.00
+ q$ i7 z* w- W& c) k* o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：
) P6 p, ~: B6 }1 W1 R, a& f+ K, ]名称
二氧
1 h0 v/ |: B; O; c1 Q6 _化硫
二氧
化氮
可吸入颗 粒物
一氧化碳
臭氧
) D6 v( L- }% JPM2.5
PM2.5 的 减少幅度
一年后 终值
3 ^1 b! o) h$ c- v47.88
7 d2 i2 n. X- Z4 A( d& m/ q74.76
121.80
50.02
14.10
220.77
18%
$ r/ O2 R) t# H* g/ h0 ~二年后终值
38.76
1 T: d* D* \1 E+ R6 n: [; r60.52
5 F2 R# Y, _) c+ B0 M% t98.60
39.04
13.20
172.44
/ F# {2 ?$ Z  h4 Z" Y; p36%
- d% A' t0 v+ F4 q& ^7 i: {三年后终值
29.64
46.28
75.40
28.06
12.30
124.97
) T/ s: X! w3 L. |' ?/ }% ~  E54%
四年后终值
20.52
32.04
52.20
17.08
# _7 k/ g& q6 W2 h" \11.40
" s: C. t. e* p& Z! a# n78.79
74%
9 |  D) ~% \/ j3 |五年后终值
11.40
5 P+ o0 F4 _7 L( w% |' \17.80
29.00
6.10
! s0 A' h- [! {, v10.50
34.37
87%
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 。
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
" q  Q6 q9 B! n4 C6 X

鹏程万里2014

这个也下来看看

此号被盗

这篇可以参考下
$ b- r7 G7 j7 \* B; J/ R, m

wjgvflg

可作为培训模拟题

望者！

的DDD

更多云

楼主好人~  我找了 好久了~

奥霸马2014

顶一个。。。。。。。。。。来自: Android客户端

模天大楼

还不错诶O(∩_∩)O~

sytuljs

感谢楼主分享！！！！

anjofan910

感谢分享！！