空气中 PM2.5 问题的研究-三峡大学11075008队

杨利霞

空气中 PM2.5 问题的研究-三峡大学11075008队

5 Z4 t- d; b: r. R& }8 h
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
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、
7 r4 J& L- d7 U' r) r# [& @- M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。
4 w1 n8 B) r' O8 x" e2 j针对问题一：
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
- _# u" t  ]- {9 B" m; t3 R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
3 R$ D4 y, A! N: T, @0.82，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。
+ ]& ?7 c( Y& m: n; _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
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
4 N1 ]8 l0 [9 W( }: I# ]: G# o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）。
3、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
; q8 x/ e( i% S# z$ J- V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。
1 [) A! j( i# X# q* x. z6 _针对问题二：
# `8 h9 @0 O# v4 V' I9 g1、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
“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
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
% g" N" G5 @- L- z（94.39），阎良区地区污染指数最低(75.27)。
5 ^! r5 F5 {  Q% s7 D% R. b- 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
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
- A8 B: C- ?- M( b' u+ ?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）：
6 v! S* q; ]2 V1 t8 q距离（km） 0 2 4 6 8 10 11 12
! w+ |1 c6 k$ w( gPM2.5 浓度（ m g/m
3） 1000 850 703 480 292 108 21 0
& s7 R3 Q5 V" z时间（min） 0 20 36 58 82 106 115 121
3、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
1 R; |" Z( j! ?: U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
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
% U5 d. Z- H/ b. d9 W2 M13 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。
# w& d' _+ O8 F# [, Q6 _2 \  S6 |以高压开关厂为例，得到结果如下：
轻度污染（安全） 中度污染 重度污染
阎良区 临潼区 广运潭
+ C8 W. @7 K6 N/ a$ s+ r; F6 V纺织城 长安区
市体育馆 曲江文化集团
兴庆小区
& z1 a* [" c# H+ I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
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
. d# N6 O# I' A% v4 Z7 R7 [7 m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
了修正，得到了修正后更为一般性的扩散模型。
针对问题三：
1、根据以往空气质量的变化趋势及 PM2.5 当前年平均浓度（280
6 n9 \* t. @/ }0 F. R0 s8 ]3
9 [, f" i, u( N8 _mg m/ )，
, |7 G  D# D: z3 D3 b预测出在不治理的情况下，五年后 PM2.5 年平均浓度为 324
, [( A7 q3 w* S: J' V' z3
$ G; {: y# ~8 z7 J3 I8 F! A- Kmg m/ 。然后采用
2 }: Z) u! U- d* v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
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
) |5 k2 h: \% ?% y- l; G& w布函数，由此确定了 PM2.5 的分期治理计划：
9 A% }0 S  W  W' L# B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
" s+ R7 s! e6 `治理量百分比（%） 9.6 32.7 38.8 15.3 3.6
. {1 S* b+ x& [7 L# O4 Z0 E治理量 31.1 105.94 125.71 49.57 11.66
# }9 [6 w4 A% {5 }3 C2、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
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
/ h. F. \/ S6 F; I/ Y* ]理最优化模型。以数据 1 中 PM2.5 年平均浓度（82
3
mg m/ ）为初始浓度，假设
最终治理目标为 30
3
mg m/ ，对模型进行求解，得到总费用为 3.38（百万），逐
年治理计划如下表：
时期 前期（准备期） 中期（治理期） 后期（稳固期）
' i% ^; P9 ]" v# H5 h" E( `( I! J年次 第一年 第二年 第三年 第四年 第五年
, ], q6 @9 r" Y- |# W$ E" j  d治理量
3
mg m/ 4.15 13.65 19.1 9.85 3.25
费用（百万元） 0.086 0.932 1.824 0.485 0.053
' z2 ^0 ]( q) }% e' @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。
& M5 \2 V, E$ d( @* L6 j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
+ `8 ~, R, e1 S. M/ |

( r0 h# f: E8 D1 G1 l; Q