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:# l K) R7 s, m1 U$ t7 O0 H" {2 u
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
7 C! @7 x$ ~; O( G/ k8 ^评估及污染治理等相关问题进行了研究,取得了以下成果。
( d% c1 v2 w9 y- i) {! m问题一:
! V& L' J: i2 _5 w+ b- z- f1、研究二氧化硫X1、二氧化氮X2、可吸入颗粒物PM10X3、一氧化碳X4、
2 T" s4 e8 r4 H' 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( u% Y/ ]6 X& h U
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
1 }% n, B' A7 X4 p4 Z# _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# ^% W4 z7 K s
相关。最终给出PM2.5 与其他5 个物质IAQI 值的拟合函数为:
' q5 d8 z; ]' _ l0.2262 0.2416LnX 0.3526LnX 0.3546LnX - 0.2154LnX 0.969 1 2 3 4 5 LnY LnX
! Z: g) u, a0 j2、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
: K$ O+ [# C* I; ]8 R) G- U; t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、
\0 X) g0 k( C6 U- s# m0 b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 O1 v1 ]' I3 A K
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:
' y. Q% y" E1 ?% B: G. _. ]LnY = 2.3975Ln𝑋6 − 14.903𝐿𝑛𝑋7 + 19.4621Ln𝑋8 − 44.323𝐿𝑛𝑋9 − 21.929𝐿𝑛𝑋10 −, H- I8 l+ L4 q' e
45.905𝐿𝑛𝑋11 − 85.1032* c' R3 G: l5 P
问题二:. Y9 J; t+ U) X9 [
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
# ]) h( c" K0 f1 Q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
% `) U( o' X7 @: P# M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
2 d$ y; |' J( L9 H9 D- Y z染情况下,污染源上风和下风L公里处的浓度。
; b' z; K$ }* T4 n' H/ x" ^5 O9 H2、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
/ a# V0 P$ P' A) q0 _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
; e8 S! q0 a3 P% d) |- 3 -9 k! m+ v( `5 q# f
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。! ]1 Q2 x$ j" q9 \( j
3、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。3 b: ]: t1 q. Z* }. o2 V
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。
5 V; a5 l+ Q% o" \问题三:
1 i+ b$ C J+ q7 Y6 a( G1、提出三种治理 方案:长期、快速全面。! V, w' {4 E9 f7 i, y9 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:
+ r3 G; \, R- ?( g( f; V0 h年份
C; D' e! O, Z9 V) m, T+ j, G第一年
: E* c* P: w0 e$ H第二年3 R% V. Y* w" s4 y+ b( R P
第三年
7 o- u4 G# {6 I8 L第四年# \1 X/ F2 k" T' _
第五年/ U) Y l) x7 r/ f
PM2.5 PM2.5PM2.5PM2.5值变化额
$ k! r+ R! W2 I+ p- x2.32.32.3. W0 a( T* z2 A( B* U+ `; }
7.37.37.34 G; o+ i( \5 n2 H' K7 W
18.318.318.318.3
- e& B7 s9 }2 g; |* n X61.361.361.361.3' V) C4 j7 T/ ~/ X+ c
155.9155.9155.9155.9155.9; _1 G2 w) L9 N/ b. W. q
快速 治理 考虑 治理 成效 ,其每年 的治理 计划 为:8 p# E5 J8 K( B% s9 \. _" I
年份* Z' N3 T2 z f3 |4 X1 r& Z
第一年
7 P7 D8 f7 b" O" s第二年6 s: X Q6 x! K- Q& s9 l
第三年8 S( l' G: q4 }1 m1 i0 w# N# C
第四年
. X& x2 _, j' I# | e) U第五年4 N5 O6 P9 r9 O7 g2 g* K0 m1 b9 ^/ n
PM2.5 PM2.5PM2.5PM2.5值变化 额
% H: I. H% A+ r! ^36.7536.7536.7536.7536.75
f; R; i; U0 @2 ]% Y; g* n( K% |36.7536.7536.7536.7536.75
' ]4 M: U( ~" z- C6 [1 W( Z73.5073.5073.5073.5073.50% o6 v6 s2 c6 I9 I# e+ i. S
49.0049.0049.0049.0049.003 ^5 u9 ^1 ]% h. F% `
49.0049.0049.0049.0049.00
. _2 L+ Z, [5 M: Q) f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:: g2 I9 t) x% {
名称
& A/ I. I/ _( P$ V二氧4 O; {0 N# @# Q1 G: R
化硫5 h ?2 G( c5 j; \& W r4 Z
二氧" s- V* K: Q: k
化氮
' ^5 e$ ]; l2 _可吸入颗 粒物5 K! m o5 W8 w# y1 t* ?
一氧化碳* `& A" E! B/ J( ~+ f
臭氧( \$ x+ O' B% Z- L
PM2.5# v) m* f$ |2 A7 B
PM2.5 的 减少幅度
4 v) d) U [- b' Y" i一年后 终值
. j# z7 J# r7 `5 W$ d& \47.88
* f! v% g4 a% u5 O; i2 `( j74.76
2 g- N' e0 j# _3 f! t3 U121.80
! k$ Y, z7 Z% D9 Z# g# W8 g50.02
5 R/ ~- i" u/ c" ~/ X14.10
0 h' g `( b, i220.77
" Q( d% `4 _8 g7 x( w& a9 h" G% e: g18%3 {- \+ s$ y3 o0 ^: h
二年后终值* [2 R) v% P8 ^3 X- K$ u2 R1 m
38.76
8 V1 [& a/ C* q: ~4 H3 Z60.52) G g5 d5 g9 q
98.606 B m8 U) V9 Q6 y
39.04) l' m1 f# x- }; |8 U
13.206 k8 U C+ X# b% n0 x( Q% x( y* O9 H
172.444 [ \9 U* P. M$ Q4 ~
36%
, ~* z. o; I* S# ? m三年后终值
" o5 P9 ^, f: A' d29.64
- r3 E# v4 |5 h* \6 }7 W* w46.28" i3 u% {% y% y9 t) v6 Z; p
75.40 i! f" Q1 h; y3 x9 n9 g5 e3 l _8 I4 \
28.061 A* U' b: H; `9 J+ y5 l2 W
12.30$ D4 M! h4 {' H3 G
124.97 V) f1 y3 D7 o& Y, m
54%
/ m" ]; z* {6 |6 p' T; _* J$ n1 B) S四年后终值
) r* t) f. g' S i7 x( Y A2 F20.524 A' t) ^" ~0 h( m- `
32.043 ? d2 V2 T4 n2 T
52.20& J9 ?& n5 F! e* k3 I4 r
17.08
" ~* k3 m/ U2 V, f) d4 Q( r11.40
- z8 ^, g- L7 ^2 W3 f; x* c% Z' r8 F78.79% k. q8 H m8 l5 T5 B/ t
74%. [0 ^4 o, @# W9 l0 _! o( }( j0 B
五年后终值
5 m- D. f. y9 @+ {( a' _( H11.40
9 j( F- o! y- n9 y: l. }( V17.80
% q& E& V" A. \, [0 t29.00% F2 A2 u" {. S
6.10
! Y/ h' w/ `: u# Y) m10.50& G" H" X0 O& _3 L8 ?% s
34.37
L6 Q; K1 T3 f8 A87%, I, Q3 G% B) S5 v8 w/ k* E5 E' J
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 。
) }4 O6 F1 n1 M4 U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
2 O7 f+ x$ h# n7 Q* L8 E
- B9 ^# e6 b3 F& D |
zan
|