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 |
发表于 2014-8-30 18:48
|显示全部楼层
|
|邮箱已经成功绑定
摘 要:0 @/ L2 u: f8 \) Z# z$ ~
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
+ i# s" z& @, h& L, |0 t评估及污染治理等相关问题进行了研究,取得了以下成果。
( P/ K, f1 k6 p/ E P8 n1 L0 @! K问题一:
) L9 K9 y/ Q. |1、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 Y1 V- N0 n3 @- h
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
. C" ~3 ]2 b% j9 c I' a% r5 I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
2 @% E0 f5 {; d( f. e, J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
, T; x$ @: u$ Y% }5 {7 [& Y% X相关。最终给出PM2.5 与其他5 个物质IAQI 值的拟合函数为:8 ?0 T8 Y/ {3 q
0.2262 0.2416LnX 0.3526LnX 0.3546LnX - 0.2154LnX 0.969 1 2 3 4 5 LnY LnX
+ {" d' M1 g' v1 t- e Q% Q2、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
. q0 B I# d i3 _* f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、
: t+ i- [2 n# b0 g( e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+ E! j& z: o' e0 y# 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:1 J& F" j0 j9 D! x
LnY = 2.3975Ln𝑋6 − 14.903𝐿𝑛𝑋7 + 19.4621Ln𝑋8 − 44.323𝐿𝑛𝑋9 − 21.929𝐿𝑛𝑋10 −
7 ?0 E/ q: ^- p) ]0 O( Z: O45.905𝐿𝑛𝑋11 − 85.1032
9 z9 V# m9 C& v& H3 R! Y1 m$ J! I问题二:
6 }; Q8 Y, z5 c* b y1、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' B( g3 i4 S j/ T/ s
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 ^! d: ]% x1 r, M* n8 D
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 V5 g; L" A n& O! r
染情况下,污染源上风和下风L公里处的浓度。+ [/ j- {8 v; c% x% c* v
2、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
! o, W, A' f; T: T; L5 ^% q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
# I' E' ^* F8 E5 O- 3 -- T6 T+ r" _7 c4 J
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。
% c$ F! j- u: ]) Q/ O' a" D& [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。) S& F4 |5 l/ g. e/ C j
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。
, y* ?2 P" l+ p) d8 Q, V& i问题三:
0 @. k1 K) C& b, @1、提出三种治理 方案:长期、快速全面。
% n$ i2 U9 k3 G# m# s! Q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:
+ V1 t! u: g$ h" w; ?2 C年份
$ w( g* |, Y! w. Z第一年
2 x ?$ x, ], M/ R6 O第二年- E. ~1 s) c$ O7 k
第三年
6 S. i7 T4 J4 |0 N# `, r0 C/ S* U第四年
* d$ i) h1 X* E第五年
/ O; ]6 W2 o: IPM2.5 PM2.5PM2.5PM2.5值变化额
4 d# k" d& J9 A2.32.32.3
U' K" n/ B& d' K8 L, Z$ J1 L7 b: m2 ~7.37.37.3
1 ^& _7 }; E/ l' R: X5 v; ] v18.318.318.318.3! e6 L' c) X& K) B( t; z! v4 W
61.361.361.361.3
* i4 V3 X3 b: K `% a155.9155.9155.9155.9155.9
% ^" O9 N: p0 t( C4 p快速 治理 考虑 治理 成效 ,其每年 的治理 计划 为:2 R: Q# |9 J& j# ^
年份9 Q. F8 z( e4 c1 } b
第一年; W- Z) S9 L I( j: G# ]
第二年( l/ p/ X! i) n9 {( X
第三年
2 S# A' c# B! C" x第四年
) E/ S; R; J: A" K( {7 u9 v) B第五年
4 I$ P. B& @! `, CPM2.5 PM2.5PM2.5PM2.5值变化 额
, B4 T4 |" Z& ]36.7536.7536.7536.7536.75
( |8 w; }' M; B36.7536.7536.7536.7536.75
9 P1 s) I3 P0 F5 Q" L73.5073.5073.5073.5073.50. C4 f: c2 j( Q2 j+ K5 z8 N
49.0049.0049.0049.0049.003 [" \3 R7 r2 }! T8 ]
49.0049.0049.0049.0049.00
8 F3 V- Q2 J6 u1 ?# h8 H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:# C3 U- Z& R ^1 }$ t. \
名称( A3 _3 T8 U0 k% v3 N
二氧
3 y0 S q1 y4 n化硫
# [$ R# |. c3 h2 _- {, o二氧
, h$ X: I9 \% Q; l1 s9 o6 k* Z化氮( S6 o8 {; U8 I" C! C5 @) [! ]
可吸入颗 粒物
3 u2 S' e- O& T5 d6 b$ M( E- h3 i一氧化碳3 c7 {" c c: w: N
臭氧
7 @7 s& ^3 \3 \* fPM2.5& ]+ W; E; ~0 r7 r0 f+ M
PM2.5 的 减少幅度* D Y& S" o, ^0 F+ m
一年后 终值" W. |( k$ |2 t6 H! |+ B
47.88
% {5 f& p; Y" O8 c) [7 c, H! M74.76
^& a+ W0 {6 z4 C6 a4 [7 Y; X0 W121.80! U3 A3 ~0 M D- Y2 I* S
50.02, \1 B: T* \, _. ^
14.10. O" H+ z# w2 g; I; `/ x
220.77) T7 Y9 u: h2 o3 o8 w7 B2 ]% k, Z
18%2 Q, I9 a6 @" H/ X
二年后终值
c% b4 X p- A( n8 I" G38.769 J0 c C% ?0 [
60.52
3 j9 Y( V, ]1 |% W2 j98.60
7 h% c9 f$ g* O# d$ f) m& y# N39.04: ^+ t7 q6 X2 g) Y/ F
13.20
* l# \; H' o5 ]2 i" N172.44
9 u+ v0 ]3 L1 s5 F; z36%
$ I- j! ~: Q1 v6 v2 ^三年后终值
2 r( l8 O1 C# t29.64
) J ^( p( Q9 v9 N# v' Q" w46.28
+ r: ?- a4 [' B& P% B2 r/ P+ i75.40) K) Y% h0 V% b& I( g
28.06
5 O# e& R. A7 t1 {12.30. Q9 t: H( S$ a0 O: N9 Y4 c( f
124.97
' W7 z" E* ~- a$ y/ O# s/ Z54%* b7 n% g9 ]) o7 J2 I" l8 Y
四年后终值7 v0 D# r; c8 ^# V4 W
20.52 w3 }$ ~# {* h; g1 A
32.044 a" _' r2 H) X6 R$ V# P
52.20
- u! l }& G/ x% u: W" L17.08
+ H9 ]5 o% \. e& h! f- T0 }$ m' X9 O8 \11.40
; {4 u) j8 B- n$ ]" ^% c6 l78.79, V( t0 g$ Y2 }% `4 R% i# A
74%
) X. }8 b! C) n1 p# z' e2 O% T! R五年后终值
0 [5 {0 i3 T/ V* j0 Z( N7 Q11.40
3 ]8 \1 L' ~/ X/ X& I17.80. i9 Z' W4 p0 e' Y
29.00$ ]. `4 y8 a& ]4 o5 K/ E
6.106 R3 ~+ b# R+ L6 Q/ G9 I
10.503 O$ l4 Q9 W! O7 d* ?& _
34.37" @3 H; e3 [/ Q. M4 F6 |" X$ u# g
87%
7 q/ N* g+ d; S: C$ l2、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 。
+ G- G6 B4 N+ @% K4 r; f" K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 ; ^% L: ~8 D2 X% [3 v# w' {- O$ ~
( @& ?+ l+ X4 F |
zan
|