|
空气中 PM2.5 问题的研究 上海理工大学 D11075037
. {5 a1 K* r# D& a$ l0 i) {" e% k( V+ ?# P& C4 S8 Y
- J) `: S2 I7 Q* G本文主要探讨的是 PM2.5 扩散、衰减模式的问题，根据该模式分析探究
- T4 T7 ?7 D3 oPM2.5 的危机治理与后 5 年的治理问题。建立了 PM2.5 与其它污染物之间的多
$ |$ E0 o# v9 f: g元非线性对数模型；在静态、风力和湿度等因素下，分别探究污染物颗粒的运动" N0 s+ C& L$ V) v& n# i
模式，并建立了 PM2.5 扩散演变模型；在污染物浓度突变的情况下，依据该模
( |8 i% l+ q( S( p型得出不同区域污染物的浓度，最后确定安全区域的范围。建立综合费用和专项0 i9 l+ @ K; T- v5 t
费用的多目标优化模型，并运用系统动力学理论对目标值进一步优化。0 i" B2 T2 i: p3 r; l
针对问题一，首先，运用主成分分析法，按照方差贡献率的大小剔除臭氧这
% c. a7 X ~/ X' V3 x个指标；其次，运用 SPSS 软件分析剩余指标之间的相关性及独立性，并建立了 K1 N$ R+ T7 u- @0 }0 P3 t
PM2.5 与其它污染物之间的多元非线性对数模型，得出西安市的拟合优度
/ I& N( `% Y1 Q3 b/ k) L；最后，搜集西安市的相对湿度数据，运用该指标对模型进行再度优( |6 Z' r _0 T& F9 Y) h
化，优化后的拟合优度 ，因而相对湿度是 PM2.5 影响因素。) o' d' l3 l, H. ?7 h
针对问题二：（1）运用统计学原理分析 13 个监测点 PM2.5 的浓度，描绘
1 r$ M3 N# c0 G( X9 m( a( O了西安市 PM2.5 的空间分布云图。同时添加时间因素，探究 PM2.5 颗粒四维空: Z8 o; q0 w. Y' X, V5 W& Q
间分布情况，得出采集点之间的 PM2.5 具有较高的协同性。
; y- {6 R( Z! m/ |, K# ]/ s% P（2）分析了静态下 PM2.5 粒子受力，漂移模式，通过结合风速、湿度、大% `) K! r. o5 V7 T3 r- i
气稳定度等季节性因素从点源、面源两方面分析了 PM2.5 扩散模式；建立了1 Y7 R' X2 y3 c
PM2.5 点源和面源扩散的偏微分方程模型；通过利用 P-G 曲线近似法，布里吉- L7 d: c- j( z6 F! u
斯扩散参数以及现有数据对季节参数进行求解，得出 PM2.5 扩散衰减模型。计2 Z6 v5 H$ j! e7 k
算结果与西安市地理位置和提供数据相吻合，说明模型所刻画传播衰减模式与事
# q+ {+ o9 C9 Y% l2 r, \, c9 b实相符。
# A' s( J) G& f6 K7 B（3）通过第 2 小问所得的 PM2.5 点源扩散模型与 PM2.5 面源扩散模型，以( h* ~; n8 u& }) u9 p) z6 B% |
高压开关厂为参考点，在 3 级北风状态下，运用 matlab 软件仿真模拟出的点源24 w1 p; A4 e; z
与面源扩散情况，其结果展示如下表：
" Q1 ~' }9 I) W: m% v/ `5 V# O扩散方向 向东 向西 向南 向北2 ^3 A9 B, I: q4 \2 {
扩散2 M0 Y" f) w/ @! f ?; ~# h8 W
距离(m)
# u( ^; M3 R" [点源模型 50 50 200 10
* Z: d7 `7 u# i1 `: S2 S1 d: Y/ K3 u- j面源模型 500 500 3000 200+ V4 \$ F {2 \; F% S
（4）结合西安市各个地区的地理位置和天气、气候等条件，建立了各个区之
3 S! D- z) A& X, X0 v1 n间的 PM2.5 扩散分析体系，利用西安市 2013 年 1 月 8 日—2 月 8 日的数据，通
; p2 N v, \2 e, E过模型求解出各个区之间的 PM2.5 的相互扩散量，然后计算仿真出各个区的
" K' v% ]2 T* r' v& R- _! qPM2.5 的浓度，通过与原始值进行对比，发现模型所得结果与实际相差在 10%( G. ?; i7 f1 n4 X6 ^6 m$ Z
之内,说明模型可信。仿真与原始对比如下：
, A. V1 f2 }% w6 E高压开关厂 兴庆小区
) Q8 h' ^8 D: d. s4 o. @8 e日期 真实值 计算结果 误差率 真实值 计算结果 误差率
8 B N' H# @+ S5 J2013-1-8 383 356.7054 -6.87% 373 381.1783 2.19%% n' R! b: a3 o1 M% h$ A
2013-1-9 216 211.39 -2.13% 236 217.7147 -7.75%" T% v; L6 |2 ?. O! I
针对问题三：基于系统动力学理论，考虑治理效果，建立了系统动力学多目4 I/ p6 g3 _7 r7 I9 ?2 Z3 w, G
标复合治理的最优化模型。利用贝叶斯支持向量机方法对武汉市基本面数据进行/ G" {0 K/ V5 P9 p
宏观预测，对 PM2.5 进行系统性预测，并且仿真求解出 PM 由 280 单位到 35 单3 G- h- ]( _1 p. N
位的五年治理方法，结果表明将综合治理与专项治理结合时治理效果最好。其最
& t8 f* Q" |+ s6 q5 J: f2 k: d' w优相结合治理计划为：
8 X0 ]5 B! r, m; z, c+ q7 O年份 2013 2014 2015 2016 2017
$ F4 Q+ j0 ~" w$ O0 w综合$ z1 f E3 ^& ^. J1 v' h) ]3 Z) `
治理4 b6 w/ v2 {- L4 W$ T
投入费用(百万) 51 42 32 22 12- d3 h5 O2 a. V# a
PM2.5 减少浓度 4.5 19.3 34 48.7 63.5; e- A0 \: i# _' s+ C
专项4 ^& L5 M" x* c& n ~9 d
治理- c. |3 U5 I1 c2 ]$ p
投入费用(百万) 20 21 19 20 18
; r5 s6 n) x( h3 C* iPM2.5 减少浓度 28 21 15 8.5 2
8 Y5 Q( C% @" P" q最后结合本文研究结果，对研究实施进行总结撰写了一份研究试验报告。
+ P8 h5 K0 b/ Q$ e/ s7 V本文创新点在于，建立了基于贝叶斯理论的支持向量机方法和基于系统动力
2 w; [9 M& ]( _" G学的多目标治理模型。
~0 P; Q" }$ e$ [
" ]7 n; ]. ^* a9 Z1 u! Y% H% c1 V
5 T; q! {, z, Z9 l* ~! J, w | 
IP卡
狗仔卡
发表于 2019-10-8 11:40
转播
淘帖
分享
收藏
支持
反对
微信
提升卡
置顶卡
沉默卡
喧嚣卡
变色卡
抢沙发
显身卡
