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

* J4 d: @7 d: x) E- N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、
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。
针对问题一：
, g6 R+ T9 W( K8 \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
0 v* ^2 Q- P3 @( [6 M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
! _; V8 n& Y7 _" 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 w4 j* [6 Y" o; I6 U' c$ e2、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
; P1 n, }! b6 }+ S* Y: j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
( T. T- I' @- _  O, s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
! y" I0 p9 H5 ^, o' w$ N1 l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。
+ R) i; f1 A: j4 G: q3 B( r# Q针对问题二：
1、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
6 a- j+ M7 [5 V. \3 b5 ZMATLAB 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
7 C( L* [: J, {) G, f; H$ X, Y“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
0 K  N4 i7 ~) a6 d+ a+ f（94.39），阎良区地区污染指数最低(75.27)。
- 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
4 ^$ g* U3 X& O& {! L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
! y9 }1 Q/ B% ]  k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
PM2.5 浓度（ m g/m
8 Z5 V3 Z3 L+ f- N+ I3） 1000 850 703 480 292 108 21 0
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
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
" }! N' @* U6 N2 J13 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。
以高压开关厂为例，得到结果如下：
* ]- R; r8 Y7 H! K! e轻度污染（安全） 中度污染 重度污染
& ?- H$ H' v5 X6 h阎良区 临潼区 广运潭
7 x5 v, X6 n& x( X0 u( C5 [纺织城 长安区
市体育馆 曲江文化集团
兴庆小区
其它
$ o' M: n. {4 M0 J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
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
2 o7 _2 L, J. X, l# X) e1 G& s/ 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：
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
3
mg m/ )，
  u) A: m0 ~. r+ C: R预测出在不治理的情况下，五年后 PM2.5 年平均浓度为 324
4 A) q/ x  v. R$ u( x3
mg 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
/ S% T) n- O& Q5 ~" f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
6 N* S% ^5 ?4 m) b% g  ~7 d4 X: a/ I布函数，由此确定了 PM2.5 的分期治理计划：
$ N, t# `. k' E) e时期 前期（准备期） 中期（治理期） 后期（稳固期）
' m$ |  b; R) V. x- Y年次 第一年 第二年 第三年 第四年 第五年
治理量百分比（%） 9.6 32.7 38.8 15.3 3.6
$ Z! x: B" i; ^; z治理量 31.1 105.94 125.71 49.57 11.66
1 k+ e5 `* I- L: Z& v1 G/ Z( G2、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
9 {8 E6 T1 t. k% ?6 u理最优化模型。以数据 1 中 PM2.5 年平均浓度（82
* F, H# C$ w" M/ [1 u3
mg m/ ）为初始浓度，假设
最终治理目标为 30
* l0 j1 f( W# i3
  s8 F1 Y# h/ C/ C) S0 Q9 I& Gmg m/ ，对模型进行求解，得到总费用为 3.38（百万），逐
$ w% k3 o5 r  e0 ^* u8 {7 I年治理计划如下表：
$ ~4 {, `6 ~+ A% E. y时期 前期（准备期） 中期（治理期） 后期（稳固期）
! v/ J1 r1 ^! `年次 第一年 第二年 第三年 第四年 第五年
治理量
3
6 h; J% @8 _+ v' B" G- Qmg 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
; Q6 M) [/ d4 n7 i, Z4 ~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。
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

: v. V8 k* S- b; r  f2 L