|
空气中 PM2.5 问题的研究 上海理工大学 D11075037
; o$ R# ]: l' L7 {3 ^
% O5 G# `7 J- L8 f ^% y& s( ^. z. `3 i4 Y/ i3 a- i# G
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
1 u& ?" d# ?( U, d% s6 J! K9 tPM2.5 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
& ^4 U( X D: k0 I4 U8 }% I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2 O2 G: c4 B) s* I" g& z, `' J
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
" J/ H/ G0 S5 Q" k7 p0 `. D/ v2 X: G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
: u0 S2 h$ s- R! @; u2 ~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。' Z# \+ y* `9 u$ h% V+ j$ W) w
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
3 n& W2 K6 ^% W k3 ^) 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
4 C( {+ |: o) XPM2.5 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$ E4 P! u2 r" F0 Y& h1 Y
;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) ]0 N4 o. ~( c$ g5 ?
化,优化后的拟合优度 ,因而相对湿度是 PM2.5 影响因素。8 y5 o: s# s a: I; 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
( ?, d" T5 x* u% b5 L C. E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* m* H( v2 m, e9 V1 A/ Z& A h
间分布情况,得出采集点之间的 PM2.5 具有较高的协同性。6 k$ W0 q2 u( s
(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% O0 l- c7 h3 U7 ]
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; J, d; p* s! z" {6 s& B3 }
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
% N, f3 a; x8 z9 C2 A. i: m. e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
* H% _- o+ t8 s- b) x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9 H, [7 s" \4 {" k8 }' Y! I. @
实相符。8 w; R: H+ [4 {4 j: \" Z7 u
(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 I: i) ?" a2 N) S/ f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 }; @ b6 i0 c
与面源扩散情况,其结果展示如下表:3 @6 y( @* P6 s( ?, v
扩散方向 向东 向西 向南 向北
0 f* p+ o5 t# C+ b( D扩散
& T) {$ T- w1 X2 R# @' P2 R距离(m)
' M) Z2 O' X( t" f( p+ }7 x: F点源模型 50 50 200 10/ [9 e1 h; N- C' \4 C8 e+ O
面源模型 500 500 3000 200
0 V% d7 j. r- X(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7 o) c7 l. [7 c- v
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2 \3 e( s& U! f+ I0 \4 {1 |* K
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/ W* P: A: F9 P
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%
. m$ {1 V- p" ]4 [1 f4 U- c之内,说明模型可信。仿真与原始对比如下:+ ]; o" N& \* [
高压开关厂 兴庆小区2 y# e- j( E3 Z& Y; h2 A- ?
日期 真实值 计算结果 误差率 真实值 计算结果 误差率) j. n9 r* R6 M2 F+ U
2013-1-8 383 356.7054 -6.87% 373 381.1783 2.19%
0 v0 Z/ |9 P+ G# R2013-1-9 216 211.39 -2.13% 236 217.7147 -7.75%
7 L# k& ^7 [2 W! }* @/ p/ ^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
6 ?. l) u/ Y# S8 i* r& c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: ?# L/ S* _2 l) k2 G% d
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. T$ [0 n, @1 V) w l7 L
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/ N3 F L L2 a
优相结合治理计划为:
' q5 C. q: S$ b) \. E( q% k5 O年份 2013 2014 2015 2016 20179 q/ H) Q/ Y* ?
综合. j2 Z" i" i) V0 c8 E/ {8 v
治理+ u9 }2 }% x1 E2 S, l# k# r P
投入费用(百万) 51 42 32 22 12$ V$ _, }0 i1 c5 g n2 S- ~
PM2.5 减少浓度 4.5 19.3 34 48.7 63.5
, P W- c( P! c/ [. M0 z专项; P `: T( Q% N0 a4 V6 T, l
治理& K. l+ s. {% ^: K1 A; O. ]! ]! _
投入费用(百万) 20 21 19 20 18+ ?$ T) Z9 L- C7 G: B, m3 b/ ^
PM2.5 减少浓度 28 21 15 8.5 2; G! w0 f3 d7 [% v
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。. C: M& G3 P/ v d0 C1 d: O! Z D
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
+ O0 u7 O3 e; B8 A, }- [; o1 Z学的多目标治理模型。
* u4 b8 x- H5 F2 h6 G1 ^( r5 o3 m0 u7 K* B" _, x( e0 O
0 D: l0 G* {- u! j |