空气中 PM2.5 问题的研究-三峡大学11075008队

杨利霞

; f+ U, }. B: r' t

空气中 PM2.5 问题的研究-三峡大学11075008队

/ Y% s# t3 N) ~7 n. P6 r4 ?$ T
. }. E$ ~/ B* S本文建立了相关性分析模型，灰色关联度模型，混合回归模型，高斯烟羽
3 Q) |2 R, T# Q; c1 ^2 S3 @3 k模型，分期治理最优化模型等模型，通过定量与定性分析的方法，从相关因素、
分布与演变、控制管理三个方面，对 PM2.5 进行了深入的研究与探讨。
0 V( U! J. I( u" H  f+ j1 l; r针对问题一：
: t2 y& w, f! x: C3 ~1、以六种污染物为相关量，建立了相关性分析模型。将附件 1 的数据代入
$ c4 V; `! ~5 M) J模型中，求得的结果表明：相关性最高的指标组是 PM2.5 和 CO，其相关系数为
5 h5 J( [" F; I0.82，相关性最低的指标组是 NO2和 O3，其相关系数为-0.063，即独立性最强。
2、以 PM2.5 为参考数列，其它 5 种污染物为比较数列，建立了灰色关联
. x+ {, |- g" g. K度分析模型，将附件 1 的数据代入模型中，求得的结果表明：PM2.5 与其它五
种污染物的平均关联度为 0.80，可见相关性较高。以 PM2.5 为因变量，其它
五种污染物为自变量，先后建立多元线性回归模型和混合回归模型，模型结果
表明：混合回归模型更优（相关系数由 0.85 增加为 0.89）。
) T8 _# P& \  l2 Z3、利用互联网收集到全国 76 个城市 AQI 的 6 个监测指标和湿度数据，以
PM2.5 为因变量，其它五种污染物为自变量，建立了线性回归模型。将湿度指
1 ^) J! `* t; }标也考虑为自变量后，回归模型的相关系数得到明显提升（由 0.88 提升到
0.92），表明湿度与 PM2.5 存在较强的相关性。
' u. K5 m5 ?. S( C- \  M7 n; f% {/ A针对问题二：
4 M) S* D' b8 ]; h1、通过伽马分布预测出 2013 年西安市 13 个地区 PM2.5 的全部数据，利用
MATLAB 画出了 PM2.5 时空分布图，并得出了三种分布规律。考虑到各地区
/ ?9 |5 ?. a3 R4 B0 K“污染程度”为较模糊的概念，因此建立了模糊综合评价模型，对每个地区的
# ^! U+ ^8 _# ~污染程度进行了综合评价，模型结果表明：高压开关厂地区污染指数最高
（94.39），阎良区地区污染指数最低(75.27)。
- L! N" N+ D* y  }- 1 -2、对 PM2.5 受风力影响在大气中扩散的问题，建立了高斯烟羽模型进行
% w. q0 U/ |8 x: `分析。假设风向为正北向，风速为 40 km h/ ，扩散系数σ 为 0.00001，排放源有
效高度为 50 m ，初始浓度为各监测站点的最高值，对模型进行求解，得到 13
个地区的扩散数据（仅列出高压开关厂地区的上风处扩散数据）：
距离（km） 0 2 4 6 8 10 11 12
* ~2 M* B1 }. KPM2.5 浓度（ m g/m
3） 1000 850 703 480 292 108 21 0
/ O" t9 w) }+ p4 u时间（min） 0 20 36 58 82 106 115 121
$ {8 u2 X0 ^) e( J" G" G2 m5 @. s3、将 PM2.5 污染程度划分为重度污染、中度污染和轻度污染（安全）三
6 }& d. Q. ?; s# L' g& \个级别，同样假设风向为正北向，风速为 40 km h/ ，扩散系数σ 为 0.00001，排
: E, n0 {2 \. ^放源有效高度为 50 m ，初始浓度为某站点最高值 2 倍，利用高斯烟羽模型求出
5 E3 u2 n, s  E. A13 个地区的扩散数据，结合各个地区之间的距离，得到了各地区的污染程度。
' z% M3 c; k% F, T+ X以高压开关厂为例，得到结果如下：
; A1 n8 G5 j$ m) m+ W' ]/ h轻度污染（安全） 中度污染 重度污染
阎良区 临潼区 广运潭
; `3 V8 V8 i5 c& Y1 \( |纺织城 长安区
: g; Y6 Y) `$ D/ ^$ ~市体育馆 曲江文化集团
. a8 n* R& `4 H# H兴庆小区
其它
地区
4、利用互联网收集到了福岛第一核电站的放射性物质扩散数据，将放射性
* }9 \  N& `, D物质与 PM2.5 扩散数据进行对比，发现两者的扩散规律总体一致，从而验证了
$ V1 v; X( ?: w. L模型的合理性。利用物质的自身沉降作用和雨水吸附作用对高斯烟羽模型进行
6 X: [" H- ^, l0 I7 H' t1 Z/ x了修正，得到了修正后更为一般性的扩散模型。
针对问题三：
+ G$ s  s8 M! M/ ^( Q( W1、根据以往空气质量的变化趋势及 PM2.5 当前年平均浓度（280
3
' r2 w- J2 B, ?" Mmg m/ )，
- G2 }) g/ P0 y  B  a' v" y4 G预测出在不治理的情况下，五年后 PM2.5 年平均浓度为 324
3
& u* [4 h5 ]5 ^) S+ F# Gmg m/ 。然后采用
分期治理的思想，将五年的治理时期分为前期、中期和后期。考虑到实际治理
5 a: e* d' b9 }2 D9 M8 V* @8 `进度的变化规律与柯西分布函数相似，通过计算机模拟找出了最理想的柯西分
布函数，由此确定了 PM2.5 的分期治理计划：
时期 前期（准备期） 中期（治理期） 后期（稳固期）
年次 第一年 第二年 第三年 第四年 第五年
0 S$ W$ v. H7 V" T# q2 n* v0 X: z治理量百分比（%） 9.6 32.7 38.8 15.3 3.6
治理量 31.1 105.94 125.71 49.57 11.66
2、以专项治理总费用最小为目标，建立了最优化模型。然后同样采用分期
* I$ ]8 C( T' x" g治理的思想，利用柯西分析函数对最优化模型进行修正，得到修正后的分期治
9 }- ?: _: ~. f6 I' {: d理最优化模型。以数据 1 中 PM2.5 年平均浓度（82
; C; o1 D$ o# ]# L* q3
mg m/ ）为初始浓度，假设
3 T5 w5 ], ~- A% ^4 u3 \2 g最终治理目标为 30
8 {$ r: Q9 z0 h% p3
+ y4 M: D& X4 U/ m6 A2 |: {. Wmg m/ ，对模型进行求解，得到总费用为 3.38（百万），逐
, s( o0 n" X+ Y7 {年治理计划如下表：
, p+ I# `" G2 d时期 前期（准备期） 中期（治理期） 后期（稳固期）
; Y- {. R: b/ @7 U3 c: o年次 第一年 第二年 第三年 第四年 第五年
治理量
3
/ M) c( e3 q* i$ X  Bmg m/ 4.15 13.65 19.1 9.85 3.25
, `; `; Z2 D+ @* E8 A9 K. E费用（百万元） 0.086 0.932 1.824 0.485 0.053
- K8 t  m& R4 R: E# K将模型得到的治理计划与实际环境治理计划进行对比，发现两者的治理进
度变化规律总体一致，从而验证了模型的合理性。
9 H1 n4 z- [/ ?  `, O5 Q2 I关键字：相关性分析模型 灰色关联度模型 高斯烟羽模型 柯西分布函数


' o1 u# j% h9 T5 O( e' {/ Y