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 |
摘 要:
1 J- U8 ?& [2 U' T* K& r' f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: J7 R$ i0 j: T# x/ S2 @; C0 R2 [# I
评估及污染治理等相关问题进行了研究,取得了以下成果。
0 ~9 s9 [9 ^/ m" }问题一:
; q) j5 G2 f; \. M Q8 ~ m Q+ @$ 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、" V9 o3 |0 Z' I4 q& ?! c
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% n0 p9 b+ X9 Y% |4 V
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6 G6 |- U5 A/ J7 I
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
! P3 W8 M7 }6 E2 Z相关。最终给出PM2.5 与其他5 个物质IAQI 值的拟合函数为:" R& T$ u+ s7 ^2 d: D5 V
0.2262 0.2416LnX 0.3526LnX 0.3546LnX - 0.2154LnX 0.969 1 2 3 4 5 LnY LnX $ m! }+ e2 Y7 c: t
2、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
3 H. m4 P1 I# t/ B3 z! d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、, Q8 R f3 ?- \& }- U2 i
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PM2.57 z+ S% _8 n5 `9 S. y
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:
( w: {9 n N8 w; M: J: wLnY = 2.3975Ln𝑋6 − 14.903𝐿𝑛𝑋7 + 19.4621Ln𝑋8 − 44.323𝐿𝑛𝑋9 − 21.929𝐿𝑛𝑋10 −
+ q5 k1 K/ n* d7 F* o! I45.905𝐿𝑛𝑋11 − 85.10322 R' b5 A6 }1 K9 D
问题二:
. d" W* ~4 g6 Y! }# I2 o5 Z1、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0 i& x, T9 l# d) X T
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
2 N0 E t- _5 v M7 Q- R2 q/ m' m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
6 x ` b z, s9 k# ^染情况下,污染源上风和下风L公里处的浓度。+ i0 S2 I8 n9 \! Q) X" ^+ Y
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" |2 V' s& O* V8 i, F q9 k
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! y5 r8 H5 b/ ^+ C! v# d! S
- 3 -
8 b6 @! b) S B4 Q' V8 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。# Q" g, H& R- |% S4 x& r/ p2 X
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。
% J$ c: t; Z: n6 V% V4、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。, Q! I, }1 \( R" @" O
问题三:
1 I/ Q) Y9 g& {8 ^, ^' s/ Q9 h1、提出三种治理 方案:长期、快速全面。' _9 ` ]' t( `
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:
! D4 [- ^, I3 L* u, _2 o: U2 l( X! J年份
* b* X4 l7 `' M/ y" @8 q$ s第一年8 q/ s# L! b- M
第二年
: r. ~& w3 p1 A8 \: M! w第三年
, N" c! Q! [4 p8 m: g$ X第四年
6 C/ E+ q$ e; W" `第五年
: v- V% X( w% L1 u8 X0 B4 ZPM2.5 PM2.5PM2.5PM2.5值变化额
/ R. z/ w" O3 [: ?2.32.32.34 V" m* p2 V4 B* j- f& j" S3 T
7.37.37.34 |9 f' B2 `2 \6 r# x0 `$ L
18.318.318.318.3
, x: ?$ [9 u( [9 r0 Z" i5 C61.361.361.361.3
+ i1 F1 s8 j. v- k H `155.9155.9155.9155.9155.9
0 }1 m8 [) L* b& F( H% o快速 治理 考虑 治理 成效 ,其每年 的治理 计划 为:- b2 d& ]/ J0 w* x# o! m. Q- M: `
年份
$ m0 g0 c6 {9 O7 W第一年3 w7 \+ Y: ^+ z8 @" x
第二年9 i: s* [2 K. ~* J$ N6 R& Q5 `
第三年
3 F2 o- A1 z$ x* \第四年
9 P+ X. ~/ N# p5 D1 S ^+ G第五年
) |; ^( ?4 w7 @, ^' zPM2.5 PM2.5PM2.5PM2.5值变化 额6 G6 f# Q& ~: Z o7 p
36.7536.7536.7536.7536.75
( D) u: w6 n" r! m36.7536.7536.7536.7536.75 c0 X# d1 ]! B
73.5073.5073.5073.5073.500 n' W6 C! h+ z/ }1 r, g' X
49.0049.0049.0049.0049.00
# E! D& F( Y4 Z3 j- \: t49.0049.0049.0049.0049.00
! V8 O7 Z2 q' w o$ k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:/ t9 q% j8 y6 f$ i' ~% M5 a
名称
; \ X& w+ b! \9 R! a. o二氧
! r9 o5 D7 H/ q1 x化硫
2 u! _% u. ~# I; \3 S; p9 z二氧+ r8 R7 u6 K: ?. O
化氮
) f2 q0 J1 i' V可吸入颗 粒物
# L" b3 R4 e/ _' }( h, E6 \+ w一氧化碳, \: A% ]; D% Z& `% F3 m
臭氧+ r" B4 b- K0 Y( y* I
PM2.5# ]0 M1 R' W9 o
PM2.5 的 减少幅度8 F( ?$ P; F8 m s5 V% l( t# Y: L
一年后 终值
9 x }- P; m, O* f( j J47.885 ~) p9 Z$ x0 X3 O. ]
74.764 B! g* Z# L# L6 i5 j( A
121.800 J9 Q3 M. k- `, x) }4 ` C$ u5 y
50.02
& Z0 u# y; [- h0 Y14.10: E" u- \$ z6 v; A$ t! H8 _
220.77# i5 [6 f6 N% P" y
18%% l3 w! W2 W1 \: v9 G, f3 c
二年后终值
* J2 `0 A: \4 z: L( D0 I% K" I' P38.763 `$ w# x; ` {# M: p7 S: t
60.52
9 P& F9 ^: M2 v5 ?" R98.60
' z" T! B* w, w# x39.041 `' b, s3 l, o' N* O
13.200 M( F9 T. |, ]$ o# q
172.448 Y) \0 q' T+ Q O$ L3 |
36%, I8 L: c) n. y/ Q6 \
三年后终值
; w/ w. } m% W) J1 R29.64* d: N ]) C1 f" x
46.28
7 R& ]0 Y* C* C$ ~) I7 `7 \75.40
% D ~6 }4 Q, {28.06
1 E( y) { Z' r. R& j0 P12.30* ?& _ E% W0 q& T, r$ [+ A
124.97
: q% p8 m, Y" B2 I54%& W" L" L: Q% B. f
四年后终值
& u' c! D' \9 E8 M20.52' C6 `/ c- b- I( ^
32.04 I7 W! C/ ?. {/ [, ?& ~: x
52.20
- |% ^( e1 C: }+ E17.082 G3 @! V) k$ s$ q6 P
11.409 W7 o2 X& W$ |; V- o
78.79" |( G9 T6 e6 @4 a
74%; P9 T6 J9 }8 R. k& M o
五年后终值
4 w1 i: a7 J, N' x' Z; e11.40" I, r$ X4 \3 U6 w
17.80( c1 }4 J" L# X/ Z
29.00
$ L/ e* k) q' Y& g6.101 `% b$ s: u- q/ @# j. U
10.50
' T+ u# i0 v. h1 h' A34.37
8 ]6 M+ k7 ^* u) x$ `8 v* V$ M87%
; Q8 m( [7 w8 Y; U2、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 。
' l% x5 O1 Y/ o$ M) i7 P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
3 s+ S: T7 e% `2 l% w, c
3 @' p) K- r+ T2 i0 w |
zan
|