TA的每日心情 | 奋斗 2021-5-1 20:26 |
---|
签到天数: 2013 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:6 o* o* |( F5 y+ v p
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
4 n" C6 i) v: v0 n" r评估及污染治理等相关问题进行了研究,取得了以下成果。4 F0 g) s, \) R
问题一:
0 C" Q3 A% I# }6 }# R' a# q1、研究二氧化硫X1、二氧化氮X2、可吸入颗粒物PM10X3、一氧化碳X4、
% r2 w) Y& v3 @0 ?+ t9 a+ 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
' ]$ F% U2 a8 j! j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
4 E$ n9 [) Y8 u+ F# a: Q, a1 e& P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9 \" x7 x$ q7 H+ P) h
相关。最终给出PM2.5 与其他5 个物质IAQI 值的拟合函数为:4 \; a- ^: m7 F4 ?
0.2262 0.2416LnX 0.3526LnX 0.3546LnX - 0.2154LnX 0.969 1 2 3 4 5 LnY LnX
/ I- n5 y0 A) Z' D# B9 w2、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6 ^; h q3 R5 M ~; ~# i. _3 L
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、5 Q5 ]" i7 H' p& `6 K& O4 ~
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
/ u8 a) ]# U4 t: V9 B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:
; c I3 L4 G3 _( yLnY = 2.3975Ln𝑋6 − 14.903𝐿𝑛𝑋7 + 19.4621Ln𝑋8 − 44.323𝐿𝑛𝑋9 − 21.929𝐿𝑛𝑋10 −0 ]6 r8 h8 V, l3 H
45.905𝐿𝑛𝑋11 − 85.10324 |4 ~0 Y0 h2 Q
问题二:
3 S8 C) U- S! K0 D2 b" s( Q- x& j1、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
+ v" ]' E9 Q' l: v* c5 D2 H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& g6 t* z4 q$ p/ I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
5 s' O! `7 Y4 e4 B; M9 \/ T) N染情况下,污染源上风和下风L公里处的浓度。
& G1 K, y; V$ }- w" e" e+ X2、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& W3 ~5 y* q$ ~9 V7 y( [8 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* b: E. z1 h1 [! G% I6 {+ I
- 3 -
8 O) t! N2 o( l* 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。, `7 L4 ^7 r( r
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。7 L& g, d7 E/ U/ Q$ Q
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。
. F) f( x' y* K3 w+ H问题三:
5 z; C( c3 t+ f7 s8 h# ]$ k- }- B# w1、提出三种治理 方案:长期、快速全面。
7 O0 k. z* y# M1 S$ [) y) _) Z* E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:
) j) K1 M/ m# \: n# J7 G3 j# B) E% G年份: |( y7 U0 o8 X+ i; j9 W
第一年
" `' {! g! @/ V7 N* G6 n第二年, \9 u* z5 A* i$ K6 _( U, Z8 h
第三年
! j$ @1 a+ p0 ~, ~& @, H) Z- j第四年' c% B) F4 q7 L1 i b5 m
第五年
) L3 `8 o( V) v& Y1 z; b3 B# hPM2.5 PM2.5PM2.5PM2.5值变化额
; c) }6 x d m) F2 x6 }2.32.32.3( s v9 q# f: K3 i' c, {
7.37.37.3
; Q' d! H% k' `18.318.318.318.3& K0 F( y% o3 v7 Q! c1 Q7 E
61.361.361.361.3: r- ^6 W1 \/ x+ v
155.9155.9155.9155.9155.9. B+ j8 v; [3 ]8 {& W
快速 治理 考虑 治理 成效 ,其每年 的治理 计划 为:9 e( q3 f6 |4 ~4 A2 C
年份3 i1 v: J+ n" B# b6 Z' m) o
第一年
. X6 ^. E6 N5 C' d* M: A第二年
# W2 o& {5 ~$ @' L第三年
H) G! w) c. g y6 F第四年
. q# I& \! A; A r第五年% R5 a! n6 ^& i3 F6 `1 k1 v
PM2.5 PM2.5PM2.5PM2.5值变化 额7 f1 t1 m- A( \' _# H
36.7536.7536.7536.7536.75
( Z a1 @: }! x& h36.7536.7536.7536.7536.75
E C: N2 O1 ^$ h5 @73.5073.5073.5073.5073.50# k: u' G* Z, ]/ ~: ~
49.0049.0049.0049.0049.00
# o* d7 `9 f% k) ]$ x' b) M0 B49.0049.0049.0049.0049.00
' M& F& L1 _3 c( ~0 C6 o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:
- V1 r, w5 i' v1 g: X名称0 }2 C; J: g& Y0 w; a+ S
二氧4 j' a+ w, c( `
化硫
% M2 @% n6 P8 ^3 W二氧
% c& B$ q& F4 n4 E化氮; v& n* Q5 S( x
可吸入颗 粒物7 u0 }% o2 j2 O8 ?* Z2 t
一氧化碳+ p5 l' q0 q. p7 }0 `+ g
臭氧
, r0 i0 f e8 [ K% ]( F$ SPM2.5
; u+ K" d: c( j, c) z6 p4 H0 hPM2.5 的 减少幅度
+ k, d0 Y- O! X, n r4 C一年后 终值7 b4 Y2 N9 [" ]: u" C
47.882 m% p& g* d; |( z) v
74.76, ?2 e! W- ?1 Z4 O" g
121.80
% E! v n3 j& _8 A7 [1 Z50.029 D9 d$ C+ k/ e: Q9 D8 A
14.10
( v6 Y5 ~/ c6 h220.77
) D& [- h' _/ A! G: }, n+ f1 R18%
5 w, R1 b( v6 X7 s二年后终值) l* ~5 s- w( D+ w7 l* c- f
38.76- `' b' A) @- W9 y" T
60.52$ h* k* |9 Z' T; q
98.606 a ]) n: ?3 g6 m( r+ }
39.04
9 h' a' }0 Q/ g3 k13.20
+ z9 I2 V' a* F172.444 w3 e, |2 h8 \! v, G5 x+ }" {
36%
5 y9 K7 e, i: I+ C三年后终值
$ B! L. X; d! J. C+ A. R: A29.64+ C1 `+ J* j* t, X
46.28
& a# D, @2 ?. `& w/ M& U75.40( x' U' j! u) _5 n
28.06& r5 R0 G$ u3 M1 m$ S" R! b/ T& q/ h' p
12.301 P6 v# t% x/ E R
124.97/ r/ S0 `! N( Z2 t
54%* e% }& O7 {. Q6 Z0 u! p. p
四年后终值# M7 q7 r( w/ D/ F
20.526 Q" z# u/ a% g) q7 k
32.04
1 U5 t# ^* M! I) }, O a5 g% r52.207 {' _" r" g! y' w/ C7 A2 j
17.087 V. W3 Q. p7 m- \- v
11.40
) |3 [: a& j9 t$ w$ L78.79# Y6 A' w5 X6 S6 |6 u' _$ P
74%7 \, u: v% o }8 n% y( I, I
五年后终值
. k6 ?7 H! V7 Z11.40
! F4 ?' J0 j% E. q17.803 B4 o) q% Z8 X, O. a
29.00
2 F; u7 ^5 ~! W) l! Q6 g6.10
8 q9 X, A' b& o10.50
! N7 |$ P/ A3 G7 z( @/ M' [4 L+ [# l34.37& r# r; S5 ?7 w ^) ]# P/ {: [4 s G
87%! ]; P4 g% ~; Q+ ~
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 。
; b( A0 ^" s) |/ V% A/ ^7 s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 7 s% \5 W6 O' v
V }& g, j# k4 r |
zan
|