北京大气污染物时空变化规律及评价预测模型研究

发布时间：2020-05-14 12:31

【摘要】：本论文的研究内容来源于北京市属高等学校高层次人才引进与培养——“长城学者”计划项目(项目编号：CITTCD20130320)：《基于无线传感器网络的城市空气环境参数实时监测系统研究》。当前北京面临着较为严重的空气质量问题,而以颗粒物为主的大气污染物则是导致城市污染加剧的关键因素。掌握大气污染物的污染水平及变化规律,探索合理的城市空气质量评价和预测方法,分析污染物的时空变化特征,对于揭示北京市空气质量的演变规律、控制城市大气污染有重要的科学意义。本文以北京市主要大气污染物为研究对象,将研究尺度划分为区域大环境和小气候微环境,研究周期划分为2013年3月～2014年2月的不同季节和时段,深入、系统地进行了大气污染物质量浓度变化的数据挖掘分析和理化实验研究。论文的主要研究工作包括： (1)分析了当前北京市主要大气污染物的变化规律和相互影响程度。构建了多点位、完整时间序列的颗粒物质量浓度数据资料,并应用数理统计分析的手段,对当前北京城六区主要大气污染物质量浓度的频数分布、相关性和逐时变化特征进行分析,研究得出了当前北京主要大气污染物不同季节的污染水平、变化规律、小时及日变化特征。 (2)从分类和聚类角度出发,发展并完善了城市空气质量综合评价方法。以AQI单指标评价体系和数据挖掘理论为基础,利用改进的聚类算法、BP和RBF神经网络等数据挖掘理论及算法进行综合评价,得出了当前北京市空气质量的综合评价结果,通过分析并对比各评价结果的异同,探索了以人体健康为核心的综合评价指标。 (3)改进了城市大气污染物质量浓度预测模型并提出了新的建模方法。对基于气象因素的机理性建模方法进行了输入因子改进,根据多元线性回归、BP神经网络和支持向量机的建模效果对预测模型进行了优选。提出模糊时序与支持向量机相结合的非机理性建模方式,解决了机理性建模方式中由于影响因素考虑不全而造成的预测结果不稳定。 (4)探明了大气颗粒物在北京的时空分布特征。通过颗粒物质量浓度随时间尺度的变化及区域分布污染特征,应用一种便捷、有效的高维空间插值算法,绘制了当前北京地区大气颗粒物平均质量浓度的插值模拟图,模拟颗粒物空间分布及局部污染特征,验证了插值算法的准确性,并在此基础上分析和探讨颗粒物可能的影响因素及污染来源。 (5)对微环境下大气颗粒物室内外垂直变化规律进行研究并开展了理化特性实验。讨论不同粒径大气颗粒物随高度的变化规律及室内外相互关系,分析其污染水平和渗透率。通过电子显微镜形貌观察对颗粒物进行分类,利用EDX能谱分析对化学元素进行分析,并在此基础上利用富集分析和聚类分析,鉴别颗粒物的污染来源贡献程度及其可能的化学组分。
【图文】：

间变,通量,回归预测,浓度

图4-14 PM25通量浓度与时间变化W 图4- 15数据祺糊粒化结果图2)基于LIBSVM的回归预测实现利用UBSVM分别对模糊粒子参数Low、R、Up进行回归预测，首先对

粒化,数据

四个季节原始质量浓度与时间变化图和数据模糊粒化结果图分别如图4-14(a)?(d)和图4-15(a)?(d)所示，其中图4-15中的Low、R、Up为模糊粒子参数，，分别表示PM2.5浓度值变化的最小值、平均值和最大值。SQQ 广-* — , 4S0 — - ? ? ‘ —-— - ‘ ‘ ■ ■ I — ? ? — I；(a) j 丨（?） - -Lcw^45?卜丨 400卜 -R1 - I ,—?：1 i""' 1 I0 200 400 600 拟} 1000 1200 1400 1600 ISOO 0 10 20 30 40 SO 60 70^ 时闻序Wih 粒化时ffl序到m1 叫 (b) Low?0- — Ii 500 -■7 E ‘ I& 丨 II ？ 400 - 1l-L I I0 200 400 600 800 1000 1200 1400 1600 1800 2000 0 10 20 30 40 50 60 70 80WW序Wm e化时闻序-94-
【学位授予单位】：北京科技大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：X51;X823

【相似文献】