基于二维多箱模型的PM2.5扩散问题研究

madio

摘 要：
4 }9 L' H% }, w$ {8 b5 {随着我国新修订的《环境空气质量标准》的实施和PM2.5对人民生活健康影响越来越大，人们也越来越关注PM2.5。由于目前对PM2.5的研究较少，需要我们千方百计利用现有的资源开展探索性研究。
9 n0 P4 m  Z7 @1 D: j5 q& U+ b本文首先就西安市空气中PM2.5建立非稳态二维多箱扩散衰减模型，分析PM2.5的扩散规律。然后对PM2.5突发情况进行分析，建立了高斯扩散衰减模型。最后根据实际问题分析，给出武汉市未来五年PM2.5治理计划。
7 M( i' d: }+ ?: V' a对于问题一，我们从相关性与独立性两方面出发，利用秩和检验和独立性检验，对PM2.5、SO2、NO2、PM10、CO、O3六个污染物两两之间的相关性和独立性进行检验；并利用逐步回归得到PM2.5与其他各污染物之间的函数关系，得到PM2.5与NO2、PM10、CO呈正相关，与O3呈负相关。额外地，我们从附件1中发现日均最高温、最低温与PM2.5具有强相关性。
. W4 `9 x: t4 `& _& T3 Z% X对于问题二，我们先从PM2.5浓度单日变化、月份变化、季节变化和空间位置规律四个层面对其时空分布规律进行分析与污染评价。
! u; ]* c3 `, b, o4 \! G其次，将西安市均匀分为多个子箱，综合考虑风向、天气等因素的影响，建立非稳态二维多箱扩散衰减模型。然后结合实际情况对模型进行定性分析。以西安市某一天PM2.5的浓度数据为输入样本，根据模型模拟得到PM2.5的扩散衰减结果。模拟结果的平均相对误差为8.7%，说明模型能够较好预测西安市PM2.5扩散情况。
再次，对市人民体育场突发情形下PM2.5的污染扩散进行预测与评估，建立高斯点源扩散衰减模型。以该地区PM2.5监测数据最高的一天为例，得到在突发情况下经开区、小寨等八个区为重污染区，临潼等四个地区相对安全。
$ k/ s$ t4 J$ X& n" R, U5 Z最后对非稳态二维多箱扩散衰减模型预测PM2.5浓度与实测浓度进行比较，得到平均相对误差为25.2%，说明模型较为合理。
对于问题三，根据污染物浓度越低越难治理、以及PM2.5的复杂性等实际情况，
+ d1 N$ v8 }8 W0 L4 C8 z6 _- 3 -
& F, k. b! @7 Q9 ~在修正指数模型下得出武汉市未来5年PM2.5年终平均浓度降至35
3m / g m的治理方案，每年年终平均治理指标分别为03m / g m、1273m / g m、663m / g m、343m / g m、183m / g m，其中第一年为项目前期准备阶段，PM2.5浓度无下降。
% T* B0 ^5 x9 z, f# a- @6 o" u' }在考虑完成治理目标、费用最少且方案具有可行性等条件下，建立数学优化模型，得到武汉市未来5年内PM2.5年终平均下降浓度分别为03m / g m、1213m / g m、713m / g m、403m / g m、133m / g m，综合治理费用为245百万元，专项治理费用为107.255百万元，最后阐述了该方案的合理性。
4 s. i: K: [% J% E本文最后对模型的优缺点做出了客观评价，并提出了模型改进思路。
关键字：PM2.5； 二维多箱模型； 高斯扩散衰减模型； 目标优化

晓李非刀

晓李非刀

晓李非刀

晓李非刀