|
空气中 PM2.5 问题的研究 上海理工大学 D11075037 # B% Z" U( y5 N7 @
: y/ V( h4 _+ m! x
r- _7 f) |, Y/ e; l3 p
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
% s8 u1 {. a' n% E" FPM2.5 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/ @" A, J9 F: y4 x7 W- x; 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( C2 O5 ^# j8 ?7 d5 x3 M% n2 l
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
+ }# A% p' |6 o, u2 z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
- q' F% I& S: U5 W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。
5 j6 v1 S4 v2 s, V: \8 Y% {6 N( c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
8 f. U: b" K4 X1 O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2 z+ j* O# I) h: g7 y& s
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
4 u N7 l2 P& H2 s" d# k& b；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
! }% u$ x$ @7 n$ s% x化，优化后的拟合优度 ，因而相对湿度是 PM2.5 影响因素。
7 T6 g8 ~( }; E8 ~1 s) `7 N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
9 m4 M, e8 A% y- f5 C! c. K/ ]' j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
4 j }4 Q9 [& \间分布情况，得出采集点之间的 PM2.5 具有较高的协同性。
4 h5 k/ n. N' e- Z( t（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
( h9 x# t9 F8 O7 i: q! a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
. a; c4 o* r! H& q. t3 zPM2.5 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: c8 V, I: f& H* S
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
( R% {9 h; @0 E$ S( g/ E( Z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6 H- |5 r6 C9 Y/ T) K
实相符。
' S- r( P# e' E0 o/ g6 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) N8 f6 d8 d* ^, d4 U
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
9 Z) W4 E0 J4 N/ W' C7 b1 j与面源扩散情况，其结果展示如下表：' A5 k8 v/ n$ ]+ H
扩散方向 向东 向西 向南 向北; i* L4 B _- B/ m/ o2 Q7 a
扩散1 O* x5 T, L) j1 v7 q
距离(m)
4 @. ~0 A4 }. C点源模型 50 50 200 10& Q0 u6 D6 `) J& g, f' h
面源模型 500 500 3000 200
* V, r& A/ S# H8 b' R/ k! B- c（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
2 Y1 ]9 \) ~' W& f/ S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
3 k" I+ Z0 c5 z$ y3 T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: C& r' e, Z. D" T: O8 F: I
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%
) q) k( K& d% W; R! P$ k之内,说明模型可信。仿真与原始对比如下：
1 O5 ]- J3 G) I; C8 P7 N高压开关厂 兴庆小区9 A& n6 v5 [* d+ p
日期 真实值 计算结果 误差率 真实值 计算结果 误差率
7 a9 B; C ^/ X( U) O) e; D# Y. ^2013-1-8 383 356.7054 -6.87% 373 381.1783 2.19%
. n0 g3 K7 J4 C5 ?& j2013-1-9 216 211.39 -2.13% 236 217.7147 -7.75%- F* W9 x6 [$ U8 C0 e F/ T, T3 F
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 U) H' I9 ?( k$ ^- \/ S- V
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
, c+ _9 A! Z6 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. a6 i) u+ m" ?
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; z+ L6 G" U$ M
优相结合治理计划为：# a# n- O$ T; X, D' c' n& n
年份 2013 2014 2015 2016 2017# c- h: ~/ _! r* }
综合# a0 W1 z% J3 V2 z, E$ ?/ g
治理/ c1 e# A% O: g) V8 F+ m
投入费用(百万) 51 42 32 22 12
8 H5 a$ k0 A1 {PM2.5 减少浓度 4.5 19.3 34 48.7 63.51 h0 j! X0 N, t0 z; H+ x
专项& S3 y; U) Y9 m; r* ] _0 u
治理3 f5 I6 Z; q3 r% s3 R( N0 B3 ^4 o
投入费用(百万) 20 21 19 20 183 Z: s5 m) J. c
PM2.5 减少浓度 28 21 15 8.5 2
% L1 J; q/ e! ?1 h4 g1 O# x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。
& e1 n( a4 ? J$ k6 X2 i) 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7 R+ o6 w( r# v" F
学的多目标治理模型。 + l2 A# I4 F6 h: R
7 J7 L5 J3 h0 @, q, q" x1 o
/ Y( w3 `7 @* q5 g | 
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
