空气中 PM2.5 问题的研究-三峡大学11075008队

杨利霞

  w/ H5 p% v: G  [

空气中 PM2.5 问题的研究-三峡大学11075008队

, b: ]# C' e: S) ~
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
& T4 M  N% l7 x0 ?% d* C) g" h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、
; a- l6 Z! E( k( }; V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：
3 f4 s5 m  w' G9 g  _- [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
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
/ ^/ B' X$ E6 q0.82，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、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
% i# F# S' ]7 C- k" w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
2 b9 }5 F) n1 x8 {! I2 I表明：混合回归模型更优（相关系数由 0.85 增加为 0.89）。
0 [5 n) H) I+ ^% ^0 @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
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
- k9 A. E2 b5 d. g# B0.92），表明湿度与 PM2.5 存在较强的相关性。
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
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
0 f) o5 A5 h$ I: Y/ v, V9 O“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" Q+ p+ m( z+ o（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
5 C3 d% `- [- n; q, m5 K9 N; c4 y) e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
, e9 ]6 s; B3 W7 l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
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
- @% j% Y( I" a3） 1000 850 703 480 292 108 21 0
) T8 Y- W" M% z3 Y时间（min） 0 20 36 58 82 106 115 121
8 o6 q$ p9 ]4 {, d% S* x% y& ^: z3、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
( f+ I' [: _! J$ a$ B/ w1 K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
3 P  s& C6 e4 m. b& [: m0 K* a3 p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
13 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。
8 C$ K4 \( n. s( W+ [以高压开关厂为例，得到结果如下：
- \: G  q2 a' c+ D5 P: H; c轻度污染（安全） 中度污染 重度污染
$ K0 \2 ~8 u0 ?0 o; E+ l阎良区 临潼区 广运潭
, q( j4 a% P$ }1 c纺织城 长安区
市体育馆 曲江文化集团
1 L2 i( T0 ~+ p8 H! N兴庆小区
其它
0 L6 ]! c. {& Y6 F地区
- ], c  Z4 Z9 r4、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
5 K) }& s6 s+ u+ O. R$ c$ m( ^$ _- k( U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。
* K- H; n( r) p# a针对问题三：
; u! D8 D0 {2 Z) F0 F# a1、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/ )，
预测出在不治理的情况下，五年后 PM2.5 年平均浓度为 324
, o5 x8 Z7 ^7 z- i' m3
. a, m( B, M0 n& }+ D. W2 zmg m/ 。然后采用
# K5 M2 {; A) m9 K+ K4 r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
% C* l7 t+ X# T& O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
! k& |+ @2 g, Z  e" j! h布函数，由此确定了 PM2.5 的分期治理计划：
; T* u4 k- K. r! c- h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
治理量百分比（%） 9.6 32.7 38.8 15.3 3.6
治理量 31.1 105.94 125.71 49.57 11.66
2、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
4 w$ Z# y$ N6 G; J0 w" o8 @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
1 n" V) b; N/ l$ C  m% F理最优化模型。以数据 1 中 PM2.5 年平均浓度（82
3
. b5 h" d, c  W* @" e: ?$ d# [mg m/ ）为初始浓度，假设
, e6 N1 S3 S; ^' n( d, U$ s7 [% S9 b最终治理目标为 30
8 j; T# _( g4 A0 D) v% h. x* I3
% v) ?3 v/ @# omg 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：
  ]2 O- q2 F# |6 B1 Q5 g, Q' K% b5 w1 f时期 前期（准备期） 中期（治理期） 后期（稳固期）
- a- ^# r3 N  g' _# E- p% {/ g年次 第一年 第二年 第三年 第四年 第五年
8 c! O. B/ M% }5 ~治理量
& s8 A* o. S  L! D0 `( }# ~- r3
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
1 [1 C9 W7 s0 r+ `1 D" [, S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
: @) E, f- ]2 W# N6 [1 q& T1 N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

# ]: Z2 y* r* V- F6 x
6 ]: G, K  a! U7 C