|
空气中 PM2.5 问题的研究 上海理工大学 D11075037 4 K& X* M3 N+ t5 z% ~
7 z$ P) K+ j& L
8 h1 }* E/ O: y2 ?% G9 A
本文主要探讨的是 PM2.5 扩散、衰减模式的问题,根据该模式分析探究
% K! I3 h' I2 [PM2.5 的危机治理与后 5 年的治理问题。建立了 PM2.5 与其它污染物之间的多
8 m7 l- f) G8 l$ [元非线性对数模型;在静态、风力和湿度等因素下,分别探究污染物颗粒的运动
" ]7 d; Y& s# X. |0 [模式,并建立了 PM2.5 扩散演变模型;在污染物浓度突变的情况下,依据该模+ O& Y% v" \. L) j3 L9 h
型得出不同区域污染物的浓度,最后确定安全区域的范围。建立综合费用和专项( S4 Y2 R% |( H: P$ L0 ~
费用的多目标优化模型,并运用系统动力学理论对目标值进一步优化。 E9 t+ U0 G) F4 _" L
针对问题一,首先,运用主成分分析法,按照方差贡献率的大小剔除臭氧这
6 i( A$ i2 \1 y7 P* {; ~个指标;其次,运用 SPSS 软件分析剩余指标之间的相关性及独立性,并建立了
% J+ z4 d: z3 B% FPM2.5 与其它污染物之间的多元非线性对数模型,得出西安市的拟合优度
* J& f5 z T3 n, a( ~# O;最后,搜集西安市的相对湿度数据,运用该指标对模型进行再度优
. D# _: u6 Q+ M化,优化后的拟合优度 ,因而相对湿度是 PM2.5 影响因素。
, e8 F* S& g3 W0 W针对问题二:(1)运用统计学原理分析 13 个监测点 PM2.5 的浓度,描绘
. T5 G3 z3 x5 f3 q了西安市 PM2.5 的空间分布云图。同时添加时间因素,探究 PM2.5 颗粒四维空
: x# X7 L0 E2 b! z8 K* L4 Y间分布情况,得出采集点之间的 PM2.5 具有较高的协同性。
, Z3 \9 ]; P# q3 C2 N% v(2)分析了静态下 PM2.5 粒子受力,漂移模式,通过结合风速、湿度、大
, E3 l0 M% o$ b; d气稳定度等季节性因素从点源、面源两方面分析了 PM2.5 扩散模式;建立了
% s& G2 L5 u4 b N s/ gPM2.5 点源和面源扩散的偏微分方程模型;通过利用 P-G 曲线近似法,布里吉
' V! z5 o' D$ E p( J# y4 c Q斯扩散参数以及现有数据对季节参数进行求解,得出 PM2.5 扩散衰减模型。计
/ f0 |( O6 J# x* {算结果与西安市地理位置和提供数据相吻合,说明模型所刻画传播衰减模式与事
( _. U7 G8 }# f$ H0 O实相符。
1 L! i" h/ o `(3)通过第 2 小问所得的 PM2.5 点源扩散模型与 PM2.5 面源扩散模型,以
6 j6 t A6 J! h2 ~" N高压开关厂为参考点,在 3 级北风状态下,运用 matlab 软件仿真模拟出的点源2
9 J8 O% Z: [" Q) A+ t4 q0 E与面源扩散情况,其结果展示如下表:' n# X4 c# I( @
扩散方向 向东 向西 向南 向北
3 _6 p- y) E2 s3 W扩散
( L' h. B/ e1 u. n距离(m). P( D$ S& R/ O* K
点源模型 50 50 200 10
1 I6 H' [. N- v! P面源模型 500 500 3000 200, q) K# Y* |7 D
(4)结合西安市各个地区的地理位置和天气、气候等条件,建立了各个区之
U! `- p6 [) o0 L" W3 z4 b% B6 z3 t3 M间的 PM2.5 扩散分析体系,利用西安市 2013 年 1 月 8 日—2 月 8 日的数据,通& L( W# U9 t& E4 f! [
过模型求解出各个区之间的 PM2.5 的相互扩散量,然后计算仿真出各个区的
( M( f' A# w& S0 L) b6 ~PM2.5 的浓度,通过与原始值进行对比,发现模型所得结果与实际相差在 10%
! @. h9 P5 y2 }4 f( k* M& U之内,说明模型可信。仿真与原始对比如下:. O- y& f5 z' A. w8 U' W5 G
高压开关厂 兴庆小区! U7 Y7 L f2 _5 j6 h( |8 l3 E
日期 真实值 计算结果 误差率 真实值 计算结果 误差率; q( o" }- t9 K p/ }3 ]. S6 q
2013-1-8 383 356.7054 -6.87% 373 381.1783 2.19%
6 t/ O1 t$ g( I: Q0 K2 _2013-1-9 216 211.39 -2.13% 236 217.7147 -7.75%
8 e, B% w$ }1 \9 Q1 I# Q' R针对问题三:基于系统动力学理论,考虑治理效果,建立了系统动力学多目
* Q/ ?5 n) |% L C* S$ W标复合治理的最优化模型。利用贝叶斯支持向量机方法对武汉市基本面数据进行
5 I& U8 }# y& j: C. K# k( S/ z. Q2 E宏观预测,对 PM2.5 进行系统性预测,并且仿真求解出 PM 由 280 单位到 35 单
) c7 |; i8 ~9 j* D, c/ V位的五年治理方法,结果表明将综合治理与专项治理结合时治理效果最好。其最
; t) b$ e0 O g6 Y- [$ p优相结合治理计划为:( r/ V4 z$ H- j& k' _2 b- |' h; H
年份 2013 2014 2015 2016 2017
5 @8 T1 q7 @# Z* i" R3 a; J& y综合 `7 b o( @/ o$ `+ x
治理! |; j( Z7 @9 w+ {* o7 M
投入费用(百万) 51 42 32 22 12
: |2 h+ i7 u3 X3 I0 OPM2.5 减少浓度 4.5 19.3 34 48.7 63.5
/ {7 j8 a3 C, B- S5 T* Q专项! b$ Y) M+ R6 x. H3 q" K* R
治理
6 h1 A R9 j/ r7 a1 A2 s1 W投入费用(百万) 20 21 19 20 18
* f4 ?" Y* T- c# fPM2.5 减少浓度 28 21 15 8.5 2. k& B7 a, S; ^ g9 Z( B
最后结合本文研究结果,对研究实施进行总结撰写了一份研究试验报告。
# I: L( _8 b0 Y8 q7 M1 k本文创新点在于,建立了基于贝叶斯理论的支持向量机方法和基于系统动力 f# b! M6 B R" h E' S2 B/ M
学的多目标治理模型。 " e' v/ D* v' C) D
. Z* {( `( Y- {( L; e9 z
B' I0 N5 f" u4 _8 Y |