空气中 PM2.5 问题的研究-三峡大学11075008队

杨利霞

6 o( n7 C% y1 @7 j  _& R6 C  j4 |# X

空气中 PM2.5 问题的研究-三峡大学11075008队

' H( v1 y* p% h4 }0 t) e
本文建立了相关性分析模型，灰色关联度模型，混合回归模型，高斯烟羽
) _/ {4 S+ N* G, j, I3 J; ?! B1 r模型，分期治理最优化模型等模型，通过定量与定性分析的方法，从相关因素、
8 k. J5 V; f# W2 @  Y分布与演变、控制管理三个方面，对 PM2.5 进行了深入的研究与探讨。
针对问题一：
: Q5 x8 i% E$ L! g! {: Z1、以六种污染物为相关量，建立了相关性分析模型。将附件 1 的数据代入
) n2 H. i' a1 T5 |, T模型中，求得的结果表明：相关性最高的指标组是 PM2.5 和 CO，其相关系数为
1 Z, ?4 e1 F2 ]7 F) ]0.82，相关性最低的指标组是 NO2和 O3，其相关系数为-0.063，即独立性最强。
2、以 PM2.5 为参考数列，其它 5 种污染物为比较数列，建立了灰色关联
度分析模型，将附件 1 的数据代入模型中，求得的结果表明：PM2.5 与其它五
- G2 _3 \9 k" D" f* L1 N& @种污染物的平均关联度为 0.80，可见相关性较高。以 PM2.5 为因变量，其它
五种污染物为自变量，先后建立多元线性回归模型和混合回归模型，模型结果
表明：混合回归模型更优（相关系数由 0.85 增加为 0.89）。
3、利用互联网收集到全国 76 个城市 AQI 的 6 个监测指标和湿度数据，以
PM2.5 为因变量，其它五种污染物为自变量，建立了线性回归模型。将湿度指
2 c: G% V6 Z! L- y7 |2 m" w7 w标也考虑为自变量后，回归模型的相关系数得到明显提升（由 0.88 提升到
0.92），表明湿度与 PM2.5 存在较强的相关性。
7 S  a3 b4 }! Y9 M+ F  ^: S0 |针对问题二：
1、通过伽马分布预测出 2013 年西安市 13 个地区 PM2.5 的全部数据，利用
MATLAB 画出了 PM2.5 时空分布图，并得出了三种分布规律。考虑到各地区
3 o; ^' c3 ~' q" D& a“污染程度”为较模糊的概念，因此建立了模糊综合评价模型，对每个地区的
. K% [2 j& h5 V9 I" u. X& P污染程度进行了综合评价，模型结果表明：高压开关厂地区污染指数最高
（94.39），阎良区地区污染指数最低(75.27)。
- 1 -2、对 PM2.5 受风力影响在大气中扩散的问题，建立了高斯烟羽模型进行
2 T: y* c5 Y% P% ~  ?  F8 O. ]  @分析。假设风向为正北向，风速为 40 km h/ ，扩散系数σ 为 0.00001，排放源有
) @1 o- t& f$ G8 m/ v* n( V. t" G# ^效高度为 50 m ，初始浓度为各监测站点的最高值，对模型进行求解，得到 13
2 ]3 `$ z. P, R' n; j! o3 I个地区的扩散数据（仅列出高压开关厂地区的上风处扩散数据）：
) _; {- V, I. z* [! z距离（km） 0 2 4 6 8 10 11 12
$ p# I6 s" u1 ?6 K3 @PM2.5 浓度（ m g/m
3） 1000 850 703 480 292 108 21 0
时间（min） 0 20 36 58 82 106 115 121
3、将 PM2.5 污染程度划分为重度污染、中度污染和轻度污染（安全）三
. a- h+ E( }% ]6 C& H个级别，同样假设风向为正北向，风速为 40 km h/ ，扩散系数σ 为 0.00001，排
6 D- n% r0 j& Q0 }放源有效高度为 50 m ，初始浓度为某站点最高值 2 倍，利用高斯烟羽模型求出
13 个地区的扩散数据，结合各个地区之间的距离，得到了各地区的污染程度。
( Z5 W# A# j1 K6 Q# M以高压开关厂为例，得到结果如下：
: e! ]. M; T: h9 i- n7 V轻度污染（安全） 中度污染 重度污染
6 j2 V2 D5 r- I. @" d: ^阎良区 临潼区 广运潭
纺织城 长安区
市体育馆 曲江文化集团
+ H7 m. p+ r7 L  r) N$ O7 x兴庆小区
其它
地区
4、利用互联网收集到了福岛第一核电站的放射性物质扩散数据，将放射性
物质与 PM2.5 扩散数据进行对比，发现两者的扩散规律总体一致，从而验证了
- `$ i; B, X0 m& s模型的合理性。利用物质的自身沉降作用和雨水吸附作用对高斯烟羽模型进行
了修正，得到了修正后更为一般性的扩散模型。
针对问题三：
( b8 L6 C4 j2 S/ G2 ]1、根据以往空气质量的变化趋势及 PM2.5 当前年平均浓度（280
3
mg m/ )，
预测出在不治理的情况下，五年后 PM2.5 年平均浓度为 324
5 s) S; B' w( E# ~; L& M: s3
mg m/ 。然后采用
分期治理的思想，将五年的治理时期分为前期、中期和后期。考虑到实际治理
进度的变化规律与柯西分布函数相似，通过计算机模拟找出了最理想的柯西分
布函数，由此确定了 PM2.5 的分期治理计划：
时期 前期（准备期） 中期（治理期） 后期（稳固期）
年次 第一年 第二年 第三年 第四年 第五年
0 F9 P4 I# m* v4 V! N治理量百分比（%） 9.6 32.7 38.8 15.3 3.6
治理量 31.1 105.94 125.71 49.57 11.66
2、以专项治理总费用最小为目标，建立了最优化模型。然后同样采用分期
治理的思想，利用柯西分析函数对最优化模型进行修正，得到修正后的分期治
7 Y# s8 `6 x& n* C: F9 J0 ]8 m理最优化模型。以数据 1 中 PM2.5 年平均浓度（82
3
- {/ H% Z( U) q$ [4 fmg m/ ）为初始浓度，假设
最终治理目标为 30
3
3 j6 w  {# s2 g& |5 r& Ymg m/ ，对模型进行求解，得到总费用为 3.38（百万），逐
年治理计划如下表：
时期 前期（准备期） 中期（治理期） 后期（稳固期）
年次 第一年 第二年 第三年 第四年 第五年
治理量
3
mg m/ 4.15 13.65 19.1 9.85 3.25
费用（百万元） 0.086 0.932 1.824 0.485 0.053
/ u+ P# K. |' }3 b' @0 R8 ]将模型得到的治理计划与实际环境治理计划进行对比，发现两者的治理进
( q. y2 v% R' y! V! \0 i度变化规律总体一致，从而验证了模型的合理性。
关键字：相关性分析模型 灰色关联度模型 高斯烟羽模型 柯西分布函数
7 c1 j% ^: A7 N- b