|
空气中 PM2.5 问题的研究 上海理工大学 D11075037 % `+ N! U# V" j1 U3 J! J9 ?
, l+ y H5 P: H3 @ t7 ~2 T5 v9 a( D0 |& k W8 c3 T$ n
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
6 ?4 n0 l/ P. }5 lPM2.5 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; B* L4 F2 Q% e/ ]0 S9 q
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 U( |& Q. f, G) E( O+ l
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1 v: P, o" |5 V' Y
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 c* b: f6 D U% q4 v+ m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。+ U+ E/ l5 f/ n4 Y
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& ?' `; ~7 D6 T! k5 r
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/ N/ B6 i' ?8 d6 o- Z) N
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3 M! K6 }- g) y, L- d0 x
;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* b% H3 v1 ?9 M3 _
化,优化后的拟合优度 ,因而相对湿度是 PM2.5 影响因素。
5 h: |. }! G4 f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
8 _% e: W7 M+ X3 q: m7 V y8 b: j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
$ c" e) d5 i0 m1 F* Z+ y4 c间分布情况,得出采集点之间的 PM2.5 具有较高的协同性。. t* \9 n+ E2 v9 G4 E4 k; Z
(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
0 x; a/ }7 Q# E5 j U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; u& K# W% P1 c- k V G4 ?# g7 D5 \
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
M& p% @3 Q: Y2 V) N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
, r% ~8 _. F" j2 i9 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
4 u& z. P8 H$ ]0 i实相符。
' i& u! O O/ r3 L" G(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) i" ^5 E% C3 w7 h) i
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
8 m4 N+ q7 l$ }与面源扩散情况,其结果展示如下表: b3 e( Y$ v# t0 o V
扩散方向 向东 向西 向南 向北( O6 p8 H, Y# e) s$ @
扩散- @$ G3 l( T) ]/ d" _
距离(m)* T: o5 d6 W% [: G
点源模型 50 50 200 109 T5 O4 U0 d; E/ q! S; L
面源模型 500 500 3000 200
: @/ J) v5 E0 \. j6 T- |5 t(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 Q- r. e! F
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
) Y5 R; e/ R' Z* A6 Z; L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1 T: L* t3 i/ z% z
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%2 [9 k0 f4 ]* i6 ~& w% k% R2 P7 f
之内,说明模型可信。仿真与原始对比如下:
7 S* f8 d5 `7 Z( ~9 W高压开关厂 兴庆小区
: m$ @+ }) O0 e- X. _+ c- ]日期 真实值 计算结果 误差率 真实值 计算结果 误差率
/ R* q7 ]8 Z3 @; z; S2013-1-8 383 356.7054 -6.87% 373 381.1783 2.19%: S: q$ b, {6 u7 f4 @! p, a
2013-1-9 216 211.39 -2.13% 236 217.7147 -7.75%" s2 l1 _3 _& `- u% \
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* v. r" T" ^0 ]; z
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' V7 P3 O/ ^' K* T5 x& z
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! A8 j8 B7 R# C% k, r+ h) e) S
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
3 C" Q/ F, Q) _) K0 l优相结合治理计划为:
: D1 u% {2 ^8 E# Z# U年份 2013 2014 2015 2016 2017
2 ]) f6 B" a) ~' \综合
9 j5 o0 O$ S8 i M) F治理7 n( @5 t' Z0 R! ?; s3 c
投入费用(百万) 51 42 32 22 12
, z, |: q& u9 O" LPM2.5 减少浓度 4.5 19.3 34 48.7 63.5
' R4 g4 e3 j0 O ~5 ~) h专项2 {- T- G/ }, F# ~# u9 |
治理
" x- Y1 v |# L. c) b9 N& Z$ D! ?投入费用(百万) 20 21 19 20 188 |/ y; ?' u8 _" \2 A A V e
PM2.5 减少浓度 28 21 15 8.5 2
9 U& V; O; p/ F# K9 u; [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。/ j8 B3 V2 W) \
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8 D8 ^8 y2 c( R1 R/ r
学的多目标治理模型。
" b: H/ L+ I& k- A/ f \
3 i; [" i/ D n
! f$ p8 X) I- S( |' D* Y& i8 l |