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:2 B$ }" t& [6 f* g2 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3 C6 g2 {6 w* U, A
评估及污染治理等相关问题进行了研究,取得了以下成果。
6 L5 w; U/ h& |' l8 \" Q0 ~& k问题一:0 u$ P% }5 l. Z4 F
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、
9 \3 i' g4 Y0 f |% E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 p& M0 h* r' p% F' a( ]" @
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
. m+ r) `# {$ 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
& E6 x" Q4 j! S/ ?相关。最终给出PM2.5 与其他5 个物质IAQI 值的拟合函数为:
8 V2 z% |0 G8 c6 e; a; y7 X4 s0.2262 0.2416LnX 0.3526LnX 0.3546LnX - 0.2154LnX 0.969 1 2 3 4 5 LnY LnX 0 W* `5 E0 w. V g! W3 k
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
! D4 [- q% v( D4 u7 m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、
4 y h8 F( d& c+ S6 K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
% z2 L1 I" _ x/ u# P: D3 }' U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:, J/ E0 L1 b; { F0 c% I
LnY = 2.3975Ln𝑋6 − 14.903𝐿𝑛𝑋7 + 19.4621Ln𝑋8 − 44.323𝐿𝑛𝑋9 − 21.929𝐿𝑛𝑋10 −
; X7 k: c K6 d: g) _45.905𝐿𝑛𝑋11 − 85.10323 v% h7 Z# a, [( f
问题二:: ?4 r9 p5 _1 w% \$ y2 v4 b
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: P& ~8 M+ ^: h' h* M+ Y
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
+ P& ]5 a/ t; @+ k( f5 O p+ O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
% x- ^9 Z1 ^1 q4 P染情况下,污染源上风和下风L公里处的浓度。" I/ x3 v( }) `, i. M
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
% S! b5 c0 m5 E2 T6 j. q$ z6 _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
|) @; [7 A) L4 c! D- 3 -' E+ ~* }& S8 `* D x1 X
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。
/ k' v$ | H* k1 p3、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。
! x- i, x3 ~ D- i4、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。
% |) h. d7 g# @3 }/ c3 G问题三:
9 ^7 K5 z! |& U: [9 C7 q2 ?1、提出三种治理 方案:长期、快速全面。
7 ]5 y9 E8 m+ B7 U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:
. g( m" G$ }( Z+ f年份
* d% ?8 J/ W6 t4 [: S第一年
( `& l8 L9 X, d" B第二年& V( V4 U! U4 L" `
第三年
1 j9 J* H/ N; B第四年0 L5 d$ w+ p K3 P' J# T e( U2 m
第五年7 L ?8 I: |+ g# C {% j
PM2.5 PM2.5PM2.5PM2.5值变化额
* w* D+ X0 I0 e; e2.32.32.3
* y1 u1 u* I ?! v( T$ c7.37.37.38 t8 p4 l4 {9 u* C4 l' q
18.318.318.318.3
" s1 f( Q5 t& @8 k% a( ~5 ^6 v( Z, t" w61.361.361.361.3
2 r/ z9 i0 L/ ^& K4 e- L155.9155.9155.9155.9155.9" [% f! c. ?5 U! M4 [2 y! m+ o
快速 治理 考虑 治理 成效 ,其每年 的治理 计划 为:+ O9 x$ @# T2 i4 }
年份$ C. K# j a' E0 d1 h. e$ x% O
第一年
# \* G; \) _+ m5 u9 n; E' Y第二年; p0 L% h4 X' D% i3 D2 t
第三年
1 {- y% G. L2 E7 q5 q3 ~第四年8 |* }. Z8 O( ^) \" D; W
第五年6 U* i; `; B4 O6 N
PM2.5 PM2.5PM2.5PM2.5值变化 额4 x+ }6 X" L- a6 M
36.7536.7536.7536.7536.75
/ y3 o9 Q) B' ^& H9 g2 `0 X36.7536.7536.7536.7536.75
9 t" y; ^. S4 i: U4 X73.5073.5073.5073.5073.500 {- t, c3 O/ v5 }1 `: P4 A
49.0049.0049.0049.0049.00; ]) K) v$ e: D0 D3 a5 u; ^' n0 n, A
49.0049.0049.0049.0049.00
2 B) d- h. f5 _/ j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:& G4 w% D' z) G* P# G' z* w
名称$ }' u, Q( U, C( ^, ]& S
二氧8 ]0 E. ]7 r" C, M1 A% c2 t
化硫- j0 t2 p1 S" K
二氧+ D; G* w5 l6 w( P6 Q" c% b
化氮
3 }( Y+ I/ o$ U6 }可吸入颗 粒物
: ^. ?2 b" u1 ]' d一氧化碳0 ~4 j9 U- r' R& c# }1 r
臭氧# O& O& R% s( V' @* |$ q- K
PM2.5
/ W1 I+ j0 z' ]& Y, {PM2.5 的 减少幅度: M$ h- E3 M4 J8 h# G
一年后 终值9 F2 w. c& k, D6 F1 S& g2 x
47.881 M2 T& n6 ^+ c& N- X
74.76
- v; C# i% m; G! U. h121.80
! K1 H; c# o/ u4 G% n4 J50.027 h: x6 V# I# Y* a6 x- ^0 G
14.10
. [. V; ^" t5 R% ]220.773 Q! O+ [7 g/ P- e- V6 A
18%: W) g2 q: J1 p8 @8 C
二年后终值 r5 y `8 o: t4 K
38.76# x$ Z/ y2 h3 v& @- E7 ^
60.52
/ z5 F0 W& E# J+ V98.60
t0 Y. f' E9 k" Y$ w& G d39.04( A" R0 r" [# H/ M8 W; N' k
13.201 L* @6 p8 c* D) p% ?* q, o+ }" K* \
172.44
# A \' u0 t+ d: a$ v9 u. P36%
% Q* |, J& B, _" H( z9 f8 y三年后终值
& L; F+ m/ u4 z29.64
0 e% h5 B2 k/ c5 u2 v46.28
6 u0 ?: I" u2 l75.40; V( W: s' |& l& V
28.06$ V9 }$ Z! `4 [ _
12.30/ y( y+ G4 d2 M* s
124.97
0 Q) c X; {5 u3 d( k. R- N54%
$ R. B# `- b6 G E! d; t6 K四年后终值9 g# ]/ W( E. T5 \4 y
20.52# ^* R. C* o- Z! O+ M
32.04' X) z$ w/ Y# E1 a2 ]
52.20
. q+ w% q% S6 @4 D6 ^2 M2 X0 }" Z17.08" u# ^$ h2 }" u) U* j
11.402 \* N ~# `: X/ X) @1 }) N
78.79$ u+ K- B: H, _
74%
2 B8 G1 C) {5 Y# ]+ \. w& u五年后终值
. y2 l4 ]# n3 |11.40
3 [. [0 ]% d! S& x) \17.80# R9 U( Z3 k' H( n% g# ^# m
29.00
# k1 b- P2 w% T7 v6.10: r0 m$ k" A; g+ Q9 u+ R9 o
10.50
# u* e% E& p! a; v R7 V34.37
9 J9 x4 ^7 k# G4 B9 v" g87%6 k/ ]9 C8 e2 ^4 l" E; p- c4 b
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 。8 v( Y: c+ m" q$ ^9 p
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
$ M! L" u( z W: `' p1 n
+ e9 z9 P1 w4 W& D |
zan
|