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：1 ]2 S8 N( K2 N
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
) Y+ P( [6 U! m2 }1 o8 B评估及污染治理等相关问题进行了研究，取得了以下成果。3 u/ o; h- k" ?$ i1 R+ q/ i
问题一：* t3 }: w* O4 @
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、0 u! W& a$ [# m2 N1 l4 t! T6 g( V
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
* W3 z/ ?8 h0 s" A8 f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8 M+ c. c0 U9 }) a% I' A G
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) e; }: w6 L, \2 b) U }* `
相关。最终给出PM2.5 与其他5 个物质IAQI 值的拟合函数为：1 m2 f( m( w: e) p1 y2 y! s0 A! f
0.2262 0.2416LnX 0.3526LnX 0.3546LnX - 0.2154LnX 0.969 1 2 3 4 5 LnY LnX 1 ~& l* y* R& b& ~) {. S/ A# F
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* C2 R$ }2 y. f4 L3 O
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、% s0 J% ~& f! L. o( v$ l" |5 ^
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
& Q; U' E9 {3 O ~' U0 s$ i* H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：
4 h2 q0 V1 f1 H1 N! t( p1 V9 \LnY = 2.3975Ln𝑋6 − 14.903𝐿𝑛𝑋7 + 19.4621Ln𝑋8 − 44.323𝐿𝑛𝑋9 − 21.929𝐿𝑛𝑋10 −+ |: ]8 }! U1 D6 K0 C
45.905𝐿𝑛𝑋11 − 85.1032
; F/ Z2 \& c0 T' c: g. ~- y问题二：2 x% S, G- S+ Z: j# K
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% u: m; z6 P7 c r# J3 }2 l# C
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 H- f! n1 U) t' b7 f
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$ J! Z4 i Q( ^
染情况下，污染源上风和下风L公里处的浓度。2 i `* c0 o6 s4 s3 I7 p/ p
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
2 S3 R a* D/ f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
. S+ K3 g# X$ C0 ]$ w- 3 -
; ` `1 {- Q U2 n& ~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。
; o/ q5 D! _% T5 R, o3、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。! `! U; Y* `; Z+ @' _
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。. }+ I* {! Y% R9 ~1 a
问题三：
& ]9 \- |0 i2 E) `# e, M1、提出三种治理 方案：长期、快速全面。
& Y- d: ^" [" [0 x' g: H/ k& x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：
% h+ @2 f& m" |3 T0 ?年份! N! k4 H9 }! z( v8 n
第一年# p" y7 [/ S: d
第二年7 G+ U2 |4 v# @( ]0 D/ o9 a
第三年- i# Z% p O7 Y3 K% s; M
第四年
7 c. b) `! p5 r3 Q- f+ [* O" G6 s第五年
+ \& k1 R6 j' E) U* }0 V9 LPM2.5 PM2.5PM2.5PM2.5值变化额 S6 V$ v/ A7 w
2.32.32.3
9 x% L) o/ W4 t# s7 p6 U5 q7.37.37.3
1 X2 ]& _" n% U+ T$ ~' q18.318.318.318.3" M! q9 v/ O. L0 |' I% \6 K. \
61.361.361.361.3
+ r4 Q$ I4 o$ v; k+ Q; o- G155.9155.9155.9155.9155.9& m* `. e3 U7 j8 A% R, b
快速 治理 考虑 治理 成效 ，其每年 的治理 计划 为：2 ~4 T( y9 @5 G3 Q* u
年份
& m _6 E5 T6 A5 k& C. J$ d4 u第一年' Q) C! P5 n3 m" u8 J! R
第二年% A6 I+ ^/ l; h4 X
第三年
" G/ M Y4 |- i3 f9 B) @9 a8 {+ H第四年
2 @/ n+ _; S" H5 D" V第五年. O. e1 e& \0 F6 f2 ^
PM2.5 PM2.5PM2.5PM2.5值变化 额$ I/ K3 c) j- c
36.7536.7536.7536.7536.75! {" t9 H L: }' }+ S! U
36.7536.7536.7536.7536.75( S/ Y5 Q3 A6 n, J- o1 F. ] f
73.5073.5073.5073.5073.502 s& c# \& R/ ]8 _7 I# ~
49.0049.0049.0049.0049.00
0 q1 _6 j( O2 o5 ?# T49.0049.0049.0049.0049.005 h) t8 X8 c* x1 t- u, W
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：
6 V) A7 s J) s名称/ |9 u/ r" l2 t5 r+ r! z* X
二氧' l& {6 ^) }9 c- q
化硫3 H% ~) C6 F/ g! [9 s" \
二氧
& m# I5 [8 K7 X% @: @( L5 [化氮7 G Q. n7 N5 M: N' y
可吸入颗 粒物
" W3 k$ Y; ` J5 L, R' @# i一氧化碳
4 i% a0 u& N y$ o, P( Y( w! v臭氧
1 n+ d% r. `1 q6 h! a# F; ]4 g+ \PM2.5
1 l L* z& k! J! LPM2.5 的 减少幅度
2 C! f+ `5 a, _2 K一年后 终值7 t5 a9 L0 ?7 C
47.88/ |# U; K# P+ f7 y% A2 K
74.76% e! O( q& A+ {. ^$ X
121.80
/ t" z, i. r1 D$ b. n( t50.024 U: s0 \8 j* {' F5 u8 }- x4 I3 |
14.109 ]8 S' K, m8 o
220.777 M7 t k- I* X8 _
18%
) r9 {/ [: B( ^6 k z/ [, }% Z9 L二年后终值
* E, z `9 e9 ?, F7 {4 D38.76' k3 ?& j8 e- }3 ~0 E4 G; V
60.52
$ b- Z- n0 |4 s; @/ l" s3 z) f98.60& K; h: R/ }9 H. A" h8 D, n
39.04
9 G1 S& u5 U; _4 c$ K& C13.20
. x3 A. e$ e- }9 ]172.444 @! _7 X9 }3 F' I9 @- F: c! z3 W
36%
2 R, v- o& `. R/ Q三年后终值
( s) e$ k0 y+ V: y6 u29.648 f2 Q) ~4 G; A+ R2 r
46.28
0 y3 r6 l5 X$ {( Q( u75.40
% J: h# _0 H& @$ Q) E: @28.06. n" k5 {: A9 i% A# n6 w
12.30
7 B$ n/ }2 _& H9 n124.97
6 n+ C5 {( q1 s7 A54%
; u+ ?/ o( w3 v( k四年后终值
; |" } u- r, f9 }# N20.52$ k: z/ z2 i) q( m u
32.04: M0 g4 m$ q7 d& ^* M3 m. I$ q. [
52.20( X6 O, J9 s$ Q1 @/ ?: C: {; x
17.08. ]; t% f: f& ~ X X. i+ t" W/ f
11.40/ [+ ]- x* o. @6 n ~+ n x
78.79' d3 a* k! Z2 p& ~$ m
74%1 E& D. \8 i4 ?( w7 H6 G
五年后终值& W. T: B* a8 E3 }) I9 v
11.40
; K# ` N, p' M) n/ p1 Q17.80
A- r# c: l2 b7 K+ G29.00
; d- E! k" Q* f6.10
9 h4 K9 V' w/ Q! {- I10.50
5 `) D; z0 ~9 X6 X K# R1 w* m2 W) t34.37) j- p& n- ~& w3 ~2 r
87%
3 c( v% @1 O' x) M. u H( ^4 m2、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 。
7 s8 v% y f& I6 G4 ~) t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 " F3 _# a* Q1 R c1 O
1 l& Z/ f( v$ `+ ~
|
zan
|
IP卡
狗仔卡
发表于 2014-8-30 18:48
转播
淘帖
分享
收藏
支持
反对
微信
提升卡
置顶卡
沉默卡
喧嚣卡
变色卡
抢沙发
显身卡
发表于 2014-8-30 19:22
