|
空气中 PM2.5 问题的研究 上海理工大学 D11075037
" b7 _) _# B0 d" v. L
: d- n8 [, W5 l/ b5 m' }0 {1 @
# F% o5 C1 Z( x% G+ b6 {6 y1 l4 ?! J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
: @) [1 C4 A3 S/ F" i! 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
6 c c# ^" o! z3 I: p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4 {/ r/ @: r5 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! y* l, F w; i7 x
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
. j; k: ^. [4 T. H- v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。6 g5 D' v1 N- f- q+ I
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: `/ [$ m' |9 u% ]
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5 W8 I$ {: ]; I# R
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
) b4 }/ l7 A! M) t4 I2 x5 t;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
9 y, Q" h0 O& V化,优化后的拟合优度 ,因而相对湿度是 PM2.5 影响因素。
7 v9 E7 [) _. I2 x3 o" |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! f. U; b; H2 o: C! x
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) b0 V. c8 s5 `4 R
间分布情况,得出采集点之间的 PM2.5 具有较高的协同性。
4 i6 ?9 q8 m B% A; D N: G$ M5 [) v(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
' r3 N0 A* p# r; e6 M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
5 T O. e0 }! t. C, |7 ?( |$ w- FPM2.5 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
1 D9 r9 A% |; o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9 V/ d! I0 t6 S' A/ }- ?5 F8 W. }1 B
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( n& a2 w) E2 m, j
实相符。2 X1 i) x) ~! z' Q, ^9 Z5 V9 @
(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, k) \1 B1 Y1 ^' K1 ?
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2, V; A% p' e+ J% p/ ~% V5 J
与面源扩散情况,其结果展示如下表:
9 Y I: H3 o0 G5 |' ^3 u3 X扩散方向 向东 向西 向南 向北
6 y4 w9 y% ~6 {! @( f8 T: `扩散
/ Y( _0 E7 A0 a( O' }$ @' H) y: d8 D距离(m)
* l$ w* D7 p% i$ j7 a/ X5 l点源模型 50 50 200 10- y6 F2 m5 r1 M8 |" A
面源模型 500 500 3000 200
( Q, W( G3 I9 |, R7 q(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
, S2 a! W6 d- g& X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. ]1 C* t; o0 a# B- _
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; a; x; ^' p2 m$ x/ c. |
PM2.5 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%4 S# \3 V7 n0 B7 d
之内,说明模型可信。仿真与原始对比如下:, _5 ?+ b1 v2 E3 f2 s
高压开关厂 兴庆小区3 g5 `- f8 k8 i) B' |+ \" g
日期 真实值 计算结果 误差率 真实值 计算结果 误差率7 i% d8 d; ]2 F: q# C3 V
2013-1-8 383 356.7054 -6.87% 373 381.1783 2.19%
# i$ @5 y% S9 l7 y( Y6 l2013-1-9 216 211.39 -2.13% 236 217.7147 -7.75% V- R6 B! G, \$ D7 J
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1 D: M1 D" O6 t& K
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. {1 c' \) W! q. S. v2 Z ]: v5 ~
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
, x p. F2 ^8 p* o$ v& }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
7 O4 N! N. D1 s. Y3 b& [优相结合治理计划为:
6 U; r. L% y9 C. s7 G年份 2013 2014 2015 2016 2017
: u! @. _3 }2 R5 V- G综合, c/ ^$ s4 p/ p& I% {0 y
治理
) C8 A! O( u& I. X1 M1 O投入费用(百万) 51 42 32 22 129 t0 u! R# s8 \3 \9 U; V* M
PM2.5 减少浓度 4.5 19.3 34 48.7 63.5/ y4 k8 {! h2 X* Q& b. |% n" S
专项4 r3 [. q0 t% ~ ~5 h
治理& q( k% V; M2 u% I6 ]; |- t
投入费用(百万) 20 21 19 20 186 T t# P i: e/ d0 s' U9 l+ T
PM2.5 减少浓度 28 21 15 8.5 2
0 @" J+ _8 w8 F$ D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。3 l; ^4 @( B" _" Q
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
5 l- X0 u: Z' Y! o6 K" L$ f学的多目标治理模型。 9 h1 W M6 x) R) @
% }' H* C |8 q: l' h
! f0 l, d: \* I+ ?# z |