|
空气中 PM2.5 问题的研究 上海理工大学 D11075037 8 A! x: I# r# N$ r: S( [
& M% k# g, e8 k
" M! ]5 u5 S! B9 T+ s3 c v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$ r' `& n( E5 \) S1 { V$ A/ \
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
4 g. n4 _! l$ k+ d7 ?9 A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9 G, G4 W: t0 ~, B
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6 A2 Z0 Q7 ~' d& t7 @
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
$ {2 S* n# w, F( }- ? \- C% D" e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。4 |/ F2 N8 H; w! y
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4 e' ]9 L2 H. d- K+ l
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$ y: e) ~+ Y+ e- `1 A* w
PM2.5 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
! {1 `' K% v% \# @；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
7 f. v/ K: X& F7 F% q$ U* K; ~( Z化，优化后的拟合优度 ，因而相对湿度是 PM2.5 影响因素。
- W9 z/ r) v" m+ t. [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
! Y2 @3 k% Z2 T6 {0 [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" ?7 t$ ]. |* U2 K
间分布情况，得出采集点之间的 PM2.5 具有较高的协同性。; \* a, \& I8 t' k
（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
, W! M0 L+ u0 r* T1 _6 [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" m+ U/ N$ [& v" \6 M0 m# V
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
+ e% V1 B2 v9 t& E# C3 @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
; C! {6 l" F. x) m7 T4 b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( Y& ~& k p3 b# I% C/ Y2 d4 G! n
实相符。
( e3 w) D, a( N. j% n' q+ X（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) r& Q8 j( W7 Z+ A' C( E6 o
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
6 T, V: b5 y4 m/ b! c' K与面源扩散情况，其结果展示如下表：. A1 B$ G; U: G: a9 F; q6 w
扩散方向 向东 向西 向南 向北
+ Q6 i4 Q) F L' a5 h9 r4 \( m/ ^扩散8 w) n( M& w2 q0 @2 M2 T) | S! t
距离(m)4 i$ S# X: p4 t$ _1 F( p
点源模型 50 50 200 10) d. q! @" {- r2 R7 Z( r. X
面源模型 500 500 3000 200
& {7 s) e/ P5 d- o6 I; J" |（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
5 @% W* l! x) f) N% h' z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5 p+ W- p: N+ J. Q2 O0 W( D
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5 @- g, Q4 e( p# U, E5 ^' z
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%4 T- |- y* F8 S; m5 M% O" {/ K
之内,说明模型可信。仿真与原始对比如下：, h' C1 t" @ ]' S# Z9 @% p7 R
高压开关厂 兴庆小区& i8 j, i" K. C1 U
日期 真实值 计算结果 误差率 真实值 计算结果 误差率9 W8 f+ |4 b) k. X% ?' K: u4 v
2013-1-8 383 356.7054 -6.87% 373 381.1783 2.19%
' R7 E+ D9 r8 K' o$ ?5 s$ Y2013-1-9 216 211.39 -2.13% 236 217.7147 -7.75%
" w# d0 u: v5 E0 J) e+ z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
) J8 I; f7 I: w/ L! a2 _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
/ A, V8 r4 y6 ?2 B6 D5 Z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/ ~0 P* v8 q+ f
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
9 O! E x4 e. F优相结合治理计划为：
$ E" q& P5 D: v7 L) S年份 2013 2014 2015 2016 2017
5 P1 x5 C7 B& {综合
5 X$ y% j+ j9 e' D" O" A' s治理
7 k3 h8 X; j9 O [- C9 h6 b d0 j投入费用(百万) 51 42 32 22 125 s8 G7 j( K. G n
PM2.5 减少浓度 4.5 19.3 34 48.7 63.58 P L v/ J. I U- |0 A: s% O
专项0 b0 }6 Q9 l) K/ `* Y+ T
治理7 } e M% O+ `
投入费用(百万) 20 21 19 20 18$ }1 A8 R# |, i% ^' d. O$ F% U
PM2.5 减少浓度 28 21 15 8.5 2
; y2 S) }* x5 ?- ~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。
# a( J' c1 n% I) _3 n7 l% G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
* `( G1 H. {% n7 T. W/ i: \学的多目标治理模型。
7 Z4 S0 R& C Z, F# y+ y9 O i+ y, q" j. m+ |- t8 U
4 p0 V2 I. F% m" e# `- \ | 
IP卡
狗仔卡
发表于 2019-10-8 11:40
转播
淘帖
分享
收藏
支持
反对
微信
提升卡
置顶卡
沉默卡
喧嚣卡
变色卡
抢沙发
显身卡
