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:
. d( P# P! H/ E) z# f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/ z$ n: Z- c$ f
评估及污染治理等相关问题进行了研究,取得了以下成果。
' K6 C/ w c) q. O- T) Q问题一:
& L5 I6 D W/ _; ~( Q$ H1、研究二氧化硫X1、二氧化氮X2、可吸入颗粒物PM10X3、一氧化碳X4、
( }' {( x, r) E& E \, P7 U* T/ w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/ M9 E7 l4 ^' `; l/ M
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: W& K B. ]0 r1 q" {% ~) ~, q5 ?+ e e
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
. E7 ^& {2 {+ Y: _- Q( m相关。最终给出PM2.5 与其他5 个物质IAQI 值的拟合函数为:
: h& b$ A, I$ R) L0.2262 0.2416LnX 0.3526LnX 0.3546LnX - 0.2154LnX 0.969 1 2 3 4 5 LnY LnX / _" C' d; `9 S( Y0 u
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/ ]: z' k; y2 H- w1 E1 X+ n
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、
$ ]7 n7 I9 f. D# G5 u. v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PM2.58 |' c1 S( e- I6 V; d
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: n) {& f/ t- r# @9 q) s
LnY = 2.3975Ln𝑋6 − 14.903𝐿𝑛𝑋7 + 19.4621Ln𝑋8 − 44.323𝐿𝑛𝑋9 − 21.929𝐿𝑛𝑋10 −/ `7 R8 k$ p' o2 k9 R
45.905𝐿𝑛𝑋11 − 85.1032: N5 U8 [$ w$ L1 g R6 p
问题二:/ x& P6 T5 b' j6 P
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
1 i7 v3 T# B P' z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* V& R t2 T6 z7 y( H
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7 t5 b; S9 m3 L0 c
染情况下,污染源上风和下风L公里处的浓度。
, y" B# d4 t( [: ?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
4 a; o& b4 h* Y/ {3 j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* c @* q M, q" z( z5 r2 u' V
- 3 -
% I9 `, L7 D: V- C- Y0 h# S/ Q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。
& t6 X2 v# D4 ?& `! b5 j3、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。
" n6 I; L: t9 |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。
; |% T; ~0 E: p问题三:
# Y- F2 Q1 v# Z4 ~1 C' H- Y8 d1、提出三种治理 方案:长期、快速全面。, z2 B ^& W3 f
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:0 W0 k0 O/ d- q4 K0 H
年份
3 f6 d0 [, }8 O8 n: D& A4 N: w- S第一年
; q, s4 [6 P- H6 g4 g第二年
: r P& g! _" z+ J1 k9 j# O6 B第三年
7 t6 ?( M, p5 j" s9 f5 ~" Q第四年
; s1 a: S k# P" N* K3 w% H; [第五年+ s D+ S) C" F! u' @
PM2.5 PM2.5PM2.5PM2.5值变化额' K5 v5 p6 ?6 S: b
2.32.32.3
$ d* z y+ g+ V6 ?% I/ f7.37.37.3
6 J I$ t& G+ ?3 `' R$ b( U" @8 I& {18.318.318.318.3$ h9 n0 l! g' v7 m/ Q/ g/ G
61.361.361.361.3- n. j* a% P' \0 j) \
155.9155.9155.9155.9155.9
6 @, E9 @+ X9 S6 f快速 治理 考虑 治理 成效 ,其每年 的治理 计划 为:& m. ]7 _& O5 H- \9 H
年份& k) b. G/ d& I% Y
第一年+ _& j! K3 S2 F2 o
第二年+ }9 O7 I/ v1 `" c
第三年
' O) P' n# Z6 B7 Z2 _8 T第四年
2 T3 Y2 M& { E- |2 X第五年- v* H% W) T6 M* K0 O4 t3 I5 T
PM2.5 PM2.5PM2.5PM2.5值变化 额5 _( c" i. U; X' J0 U
36.7536.7536.7536.7536.75
4 n* c- U: U5 J5 D" q+ C; }- B36.7536.7536.7536.7536.751 ?8 I, M2 h. d$ |7 A/ x
73.5073.5073.5073.5073.50
$ q) Z. s: C+ R) S" T49.0049.0049.0049.0049.00, l8 F M+ [4 b8 T
49.0049.0049.0049.0049.00
9 x8 ~ d5 A. F/ K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:
* g" @1 N5 g; V- T% U( d& O: y名称, S( [- I( K# R/ l" @6 F% B
二氧! x+ V& s9 [: k% E: {! c8 C
化硫* @* g& A: A1 M( l8 J
二氧+ M: F5 ~ O, m( A
化氮0 ]2 U* W8 D( b3 H
可吸入颗 粒物
& G, u8 H% j: U0 K4 `# g一氧化碳
" r: a9 T4 a0 w; T臭氧4 @. A/ q- z( `% e5 y
PM2.5, U4 P' W/ m/ ?! u; R: c' o
PM2.5 的 减少幅度
4 L* v/ p, n: Z. `# i一年后 终值 v+ I: `- K$ [8 z0 B: E3 M
47.88
5 z2 H$ p+ h: w0 o9 L74.76
; ~$ c9 w9 }1 g121.80* V. ^8 k- w+ ?/ O
50.02
$ W$ q5 G! }! E& J3 i' N14.10; e. g$ r- M0 _) _2 }) H' l
220.77 c+ b8 ?- p, V/ u" Q
18%5 J; {3 D5 t" z# F( ?' {
二年后终值
G$ U8 v- o F) E# [5 {38.76# d. G+ l# H- O( H8 p
60.52
$ ~0 Z# s* o6 g, m98.60% v5 p' A( h8 b" W
39.04) e- |: u2 G9 V1 x; O
13.20
/ o0 n, d2 C; ~0 w6 P) Z7 B172.44- S/ t* Q6 v- w" [% @( m q) O
36%, ?9 U# m& h+ ?% m$ v; c0 a! c+ b
三年后终值3 |' B# h$ N. m9 C6 B* _
29.64
$ v. R, h; N; s% f2 b1 J46.28
6 Y3 R* l* {% T* q9 g, J( h, K75.40
# K. S2 O$ O R5 T/ _8 w28.06
0 ^$ T8 S6 _3 ]5 d1 M& L12.30% ]9 e- O6 T* |# u4 C2 I
124.97
- ?, b& ~. x+ I54%
3 _. j3 Y: z- ^2 b4 Q四年后终值+ _7 t5 W2 q6 J8 a7 \
20.52/ y+ X2 L4 K+ G
32.04
% l: ^4 w* o% W. b" z6 ?52.20
; _3 [- ?3 t N8 O3 K) k17.08" B& p; r( C& {; A
11.40
4 t/ H$ N5 I T$ E' }78.79/ f# N$ T& ~- z6 V$ g! w
74%
$ T" m4 S) Z' p/ ^五年后终值
1 O+ o- P# P* W11.40# L. {. _# a1 j' g4 d7 g, ]' v
17.80/ { D; o6 K6 Z; e% O& Z% U
29.00
1 Z+ n+ f+ c4 L0 C w3 T& k5 p6.10$ Q' q, h9 @( d7 l
10.50( J( r1 s( d6 S# |8 V
34.37
* Y; X% |% @( L9 ^8 k$ j6 ^- B87%
7 O! d. c( t$ ?/ ]1 z6 }% A2、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 。, p6 i' J* q. N8 L0 r2 y6 C
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
$ Q N+ k- ?2 @: @2 t' j4 h$ j2 l9 B, N
|
zan
|