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; R# N! G4 e: }5 A- ~; j5 b: ~
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( |/ b; Q9 G5 j( g3 \
评估及污染治理等相关问题进行了研究,取得了以下成果。
: x3 T8 _" b9 [) G- v问题一:
R: D, R+ v9 u( d, g" d1、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 E0 i& v7 X3 c" x y2 ~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
6 E+ m" v$ H5 d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
( `! E6 a- C4 ?: Z" L7 _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
1 O1 x$ ^$ W* [" S& H1 _相关。最终给出PM2.5 与其他5 个物质IAQI 值的拟合函数为:
" A/ s: C$ e1 S0.2262 0.2416LnX 0.3526LnX 0.3546LnX - 0.2154LnX 0.969 1 2 3 4 5 LnY LnX ; E2 a2 l* |8 a7 l+ N
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
/ t, c: F% K# m- R+ t' r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、$ V% K' q; t* l) ?( C6 z
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! `& _8 h" Y9 j6 t1 y& x0 L( t
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:
$ P, C7 h7 m1 ?LnY = 2.3975Ln𝑋6 − 14.903𝐿𝑛𝑋7 + 19.4621Ln𝑋8 − 44.323𝐿𝑛𝑋9 − 21.929𝐿𝑛𝑋10 −
* ]6 F3 I$ U4 x& T, ~8 _45.905𝐿𝑛𝑋11 − 85.1032
! T8 E1 f( d! @& {问题二:7 e" Q) a- J) F( g8 ^# {3 ?" G
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
8 i c) I" w3 N7 e' |4 ^; [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7 w, X, y) S4 Q3 d, |/ u+ U/ T! V, S9 ^
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9 V0 v9 E$ L, F5 w# W" Y
染情况下,污染源上风和下风L公里处的浓度。
# V7 P f/ N% T2、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 L& c/ I% c. t3 _: S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
; b1 {- w/ L! W) X1 z- 3 -# n1 a" Q$ s. T) }6 o
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。
Q: Q/ U5 q1 n# Z: 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。, H5 H) R8 c3 w) d
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。& B: r' K, j1 ^
问题三:. y% [) v. z% Q
1、提出三种治理 方案:长期、快速全面。
) t9 q& R. K; I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:
7 G. s) I/ O1 e, ?% ^6 U/ b年份
' C. }! p1 m6 ~% s9 h第一年
?. e6 T/ S4 w& M第二年9 g! i7 j8 I1 p0 W) r+ M) s
第三年
! S/ F i5 k1 u( Y8 x" `- ^第四年
( W+ }0 [ l: n! a: G. v第五年% J, G# c% m! H# o. \
PM2.5 PM2.5PM2.5PM2.5值变化额
# O$ w0 ~, x% x9 V3 M& O8 }2.32.32.3
9 o2 A6 L7 S1 X' }' z$ N7.37.37.3
/ @( ~" i! Y* E; Y18.318.318.318.3
3 D1 O, R$ w7 X( y% H6 |4 \* n61.361.361.361.3
, d3 X( `5 T9 o5 D- c4 V# [6 D( [3 V. v155.9155.9155.9155.9155.9- O; Y0 J4 k U' P8 c: e
快速 治理 考虑 治理 成效 ,其每年 的治理 计划 为:) Q$ O& X Y2 [. O& P# o& P* ?( i* j
年份
' j& @" B) ?7 O @: d第一年; a: r8 q, s! F; R5 q" M
第二年
r& M9 C+ G* N第三年6 \& P9 R+ N" j
第四年+ ^% s) @, {& A8 Y/ O# J8 ? N
第五年( w- v3 f0 t, k
PM2.5 PM2.5PM2.5PM2.5值变化 额1 k, \) W3 @. `& a4 I
36.7536.7536.7536.7536.75
2 \0 B& l! \3 t+ x% ~7 k36.7536.7536.7536.7536.75 G' j* l7 q9 P
73.5073.5073.5073.5073.50
! _. H; d8 {& g `49.0049.0049.0049.0049.00$ U9 B; E3 E7 b6 U9 s
49.0049.0049.0049.0049.00
7 X; x* C4 W) w3 g, C: v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 k, z S. U7 f; t0 s
名称0 I s0 i9 H9 P0 n& P( m
二氧7 {4 d( n, q1 u. ?' o+ F; e
化硫+ B( e- w: y0 e* W( l! y
二氧
. |2 C! A% x1 G化氮+ a& E9 d2 m. P. l w4 |
可吸入颗 粒物
8 Z6 ?# ? ]' b- x7 O7 N一氧化碳5 N2 b& I( O- |0 j+ @
臭氧
0 l3 L7 J) O' V) h+ Z4 z7 _PM2.5$ t' J5 t! f& E) O* F9 I
PM2.5 的 减少幅度$ v2 S: d7 G; Q+ z
一年后 终值* D/ q. I. t8 q3 O+ z% g3 C$ M* e q
47.88
5 W7 J9 Z) t1 F$ D1 l b74.766 Q6 o; j( }$ F
121.80+ z9 Q, E/ ]" x
50.02
, n7 Q& }- k! m$ X- \3 j14.10% T, d: ~- G5 c% V6 v9 c' |5 y2 [
220.77: Q u1 L- v: L; m" g! g& P# a
18%+ u& z6 j" u9 I
二年后终值: m5 } r0 g* t
38.76% @3 S( t7 n# Z, ?' P1 J" `- e# {; S) B
60.52* h7 W4 }7 J5 U% K
98.60
* F4 z! Z$ u% ~ {5 \: ^39.04 E) K' J; y/ ^
13.20
1 L P# r7 `, ~* p3 g172.44
" U( q& h" w# w36%7 ~, A7 j& o9 {
三年后终值
W3 K& N" M, A5 H6 s29.64
$ d5 c- {+ W. i3 R) ~$ M2 n46.28
0 ?& ?+ u) T7 L, ~0 c2 Q8 X2 L75.40
8 b% P, G v( |5 Y9 w( X! v1 [( _28.06
- n) Y# y Y3 q3 a" ~& M12.30
8 h1 i$ p, ~, ?8 Q- U124.97
1 T) z3 c/ C0 H i" Z54%
8 j+ B/ ?$ w" K- z; p# Y S四年后终值
: B8 V: j( e* x ^+ ^20.52
6 y+ H/ D6 {3 q: W, ^32.048 m" y$ U8 Q* G, g9 ] c6 T
52.20
$ j# T* M/ x& m& _17.08
8 Z, I: B8 ~" m% D; j/ g0 g1 p# s11.405 r$ m C' l4 ]
78.79
, d+ b5 \* R1 t' t! {+ v- I1 }, D# G n74%
- z# c" N ~: z/ H' i7 G五年后终值7 q- @) G; D; q- e r9 ~0 j
11.40
+ c, \3 a, p) |+ D/ ~/ n17.80
, M3 a$ L* ^1 A' @9 N29.00
. D" c. A! {! ~( [6 U# a+ w+ u6.107 M/ j+ {* g% J& y$ N
10.50
/ a7 o. p2 L6 i6 D9 h34.379 O) W) I* \5 e2 o
87%
- A, W: q* G) {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 。" I4 w( v3 {4 D" l
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) F3 j/ Z6 O* r, d
- J3 q& X# B( F |
zan
|