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
! y/ W. F6 u/ t4 y1 u- m9 [; z2 j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: w) Q: R- S, b6 f& M) H6 n) G' M' {
PM2.5 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8 C: e4 |9 y3 U; w! m& B
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
! E" ^) t2 h V+ I; Y0 W0 K5 T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 n! ?4 @, H9 D% s' k: _
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
. X+ V9 Z' T# u9 b' X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。- Q7 k$ i9 x2 o5 \' z) f5 r) p
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2 k2 ~2 V. M C& }
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
: k/ c: I2 s8 I# iPM2.5 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& `! X+ }" Q! q9 i1 M; Q
2 R 0.90;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* j3 i$ |3 f4 T& m
化,优化后的拟合优度2 R 0.94,因而相对湿度是PM2.5 影响因素。2 x6 N8 ?. f- H+ u1 O! \2 p2 s
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" d1 i$ C8 [6 N g4 Z! C
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) U2 |( M* I( K3 u( l6 ~# i% \6 t
间分布情况,得出采集点之间的PM2.5 具有较高的协同性。- g' X9 B$ ^' H
(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, L* ]9 Z# [- \' v7 T/ ?+ K
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
) V, S! G/ o3 ^) G" v. o$ [" HPM2.5 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
( }- u# [" C3 d6 Y# D8 A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4 S0 A1 }% I3 N2 D! @/ {' i
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" [& M7 x0 }, ~2 b5 O
实相符。
O; M! _ m, C(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
" ]8 y5 n. H. y* R0 S; D3 F8 `8 A) _0 Q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
' A* H" q! H" N, |2
0 ~; w& o; J, L: m! ?与面源扩散情况,其结果展示如下表:
) Q" w, n s4 S" Q* s/ @3 S扩散方向
0 Q' T0 O8 E& G: k; U Z' f8 [6 X向东
( \. x9 j6 q# g6 l: J/ [: Y6 C w* `向西8 ^1 Z7 a3 `9 \1 K9 @- _/ s0 W
向南/ n' k6 l1 @4 l% c% ?. w+ x, \& _
向北4 m) C* W0 S, O; H) F! |
扩散3 N& [$ a2 P- |" h9 |* k9 \
距离(m)8 T3 R2 b Y8 r6 m* v8 d% e8 z
点源模型
) [5 p- s9 U" }) B- ~, U50
7 \& F+ W' E4 ~3 r50* U* b* ?* Q" Y
200& F! Z% {7 @5 N. ]
10- v& |' `3 p, Y; E, R$ c
面源模型
1 G. t1 L4 Q% W* h5009 X: r! ]5 i. a* d
5006 z' p! y/ a3 X+ f8 G/ K
3000
" H& ^! D! H( J# m200
4 F+ ~% U4 f. n7 s(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%之内,说明模型可信。仿真与原始对比如下:
* u9 w& E. @( }9 S高压开关厂
0 ?" \% Y' q8 z2 {1 j4 q4 I$ ?兴庆小区
8 z% q2 F% X8 w: f& X日期: J8 v" a; C. Y( B
真实值
- A5 m1 v& P% l# W& b s @计算结果
: {3 @( N" X' q; ], \! ]误差率
- ?! p$ ]9 ^ u1 q' c6 v真实值' l6 `2 W9 {3 g9 R$ v
计算结果; n7 x, D; m% j+ j
误差率 2013-1-8% m T- p# B8 A* e {5 g
383- a0 z q7 I* B' N
356.70545 d$ d: P/ g6 y
-6.87%; T3 s) I, h. s5 `) H0 d7 G. E! t
373
5 _" m9 @/ z& x8 p3 J5 R4 B381.17833 j' X0 L: L$ I" ?
2.19% 2013-1-9
7 x# e1 D7 K3 e. ?! M: K4 _+ R216
( x% n- k- H+ }211.392 Z% w& h; r) y. n/ N
-2.13%
9 ^, v/ h, T% I' A236
/ N: r/ g7 G8 @# R$ r6 ^217.7147
. N% p* }/ Y3 X" L. y+ d0 F7 D-7.75%
5 g! H1 ?* X$ T9 F- H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。其最优相结合治理计划为:
& m: [) {' ?9 {- T年份
( b! j2 \/ ^* j2013
5 z; z( [. a) F7 p1 C2014
5 ?7 c6 e7 h- |/ R# Q# ?, g20157 n: O) S- [& @6 Q T$ h- |. B) o" Z
2016* Z. A7 {0 D: q
20177 d2 Y9 M0 L; I
综合! B/ @7 {9 B$ n% J. W
治理
2 E- C+ h% s2 l7 |投入费用(百万)7 R0 X$ a2 a! t; l3 @* V6 a0 R
51
0 B' b+ `" l, \8 S! }42
3 B% b" Z; r' ]3 X9 H( ^32
. c% M# a2 A) N223 q' n. `7 e$ w7 V3 Y
12. X! D6 \ f) {: T' R. C, t$ c
PM2.5减少浓度5 @/ k9 K. z5 j1 E
4.5! ?) p$ i' e6 f: M" C" t* D
19.3
9 y ^+ T% o+ ]1 Q34
! b3 L2 J4 @& `% L9 S48.7
; e4 j4 F! A8 b2 q63.53 G/ |* y: h# |
专项 w6 j; n- U1 K3 O$ V. c5 y! U
治理! T+ o' |% C! R W3 X$ j: T% `
投入费用(百万)
7 B1 ?8 ?+ y/ v4 n209 D; U9 q8 S3 m5 l1 ~) V
21; ~6 p+ [, Z1 d) j8 Q/ h
19
+ Y8 N. h8 o$ v2 f20' W7 t2 w/ x" Y& v
18/ ^7 Y: d- R) Q8 U/ V, }4 D0 Z
PM2.5减少浓度
; a6 U, K7 l q28
& K( n& C8 y9 d! v0 O7 J21, A+ P3 K1 D& J
15
! S4 r; n' C# N7 |6 v* h8.5
0 L: E6 ~# T4 p# E# W21 A7 T# T6 p# C7 R Q- C
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。. [* P7 l5 u4 w- T1 k
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学的多目标治理模型。
/ w) ^# l1 L! y }3 K4 f% U% u关键词:多元非线性对数模型,扩散衰减微分模型,系统动力学理论 C) M! I4 Q1 g2 x2 k
/ A8 w& E' J; J' }. e
|
zan
|