基于集成学习策略的化工园区大气污染影响预测

建立科学、有效、准确的空气质量预测系统,对于保护人们的身体健康和促进社会的和谐稳定具有重要的科学价值和实际意义。研究聚焦化工园区,基于物联网背景下企业排放实时数据,融合气象信息,采用多种有监督式机器学习(决策树、多元线性回归、Lasso回归、支持向量机、Xgboost、梯度提升机、Light GBM、MLP(多层感知觉神经网络))及改进的集成学习Stacking策略实现化工园区空气质量的预测,并识别影响大气污染的关键因素。结果表明:(1)Stacking策略下的预测框架与单模型预测结果相比有统计学意义上的显著提升。(2)在Stacking策略中,初级、次级学习器的选择策略影响预测的精度和泛化性,最佳模式为初级采用强学习器,次级使用线性模型。(3)在同一园区、不同企业污染物不同排放口对空气质量影响不同,研究结论可为政府监管部门对化工园区的治理和管控提供决策支持。     

基于车载被动DOAS系统的化工园区甲醛柱浓度精确反演研究

甲醛（HCHO）是大气中含量最为丰富的羰基化合物,是非甲烷可挥发性有机化合物（NMVOCs）的最重要的中间产物之一,广泛参与大气中的光化学反应,同时也是气溶胶的重要前体物,在大气化学中承担了非常重要的作用。石油化工行业的VOCs类排放是城市大气中HCHO的重要来源,而目前化工园区中的HCHO等NMVOCs类污染物主要通过点式设备获取近地面浓度,缺乏立体监测数据。差分光学吸收光谱（DOAS）技术已成功应用于SO₂和NO₂等污染气体监测,甲醛由于其光学吸收强度相对较弱,反演波段内其他气体交叉干扰强,实际的监测应用相对较少。选取某石化企业,运用被动DOAS方法实现了甲醛柱浓度的精确反演。研究通过建立甲醛吸收截面与其他参与拟合气体吸收截面的二维相关性矩阵,选取甲醛吸收截面同其他气体吸收截面相关性最小的波段,即实现其他气体对甲醛的DOAS反演交叉干扰最小的波段的获取。同时选取外场实际采集的光谱,选择不同起始波段和截止波段做迭代DOAS反演,通过拟合残差来评估甲醛在不同波段的实际反演效果。在截面间交叉干扰小,拟合残差低的波段范围内,选择尽量宽的波段作为最佳的拟合波段,实现甲醛的精确DOAS反演。由甲醛同其他气体吸收截面的二维相关性矩阵结果,甲醛与NO₂,SO₂和O₃和O₄间在大部分波段内相关性均在0.5以下,交叉干扰小;甲醛同BrO在起始波长318～320 nm,截止波长340～346 nm以及起始波长330～334 nm,截止波长354～360 nm两个波段范围内截面间相关性小于0.5,适合作为HCHO的反演波段。通过选择不同起始波段和截止波段做甲醛的迭代DOAS反演,结合拟合截面相关性分析结果综合考虑,最终采用332.4～358.1 nm作为HCHO的反演波段,拟合残差在10-4量级。利用车载被动DOAS系统,通过建立吸收截面间二维相关性矩阵并通过实测光谱的迭代反演,获取了适用于该套系统的HCHO最佳拟合波段,拟合残差降低至10-4量级,在实现甲醛精确反演的基础上,结合系统GPS信息,获取了某化工企业甲醛柱浓度的空间分布,整个外场观测期间,HCHO的反演误差低于6%。结果表明,车载被动DOAS系统在快速获取化工园区甲醛空间分布信息上可以发挥重要作用,为城市大气中甲醛的立体监测提供了一种有效测量手段。     

化工园区应急设施区间规划选址模型研究

应急设施选址受应急物资需求量的影响。为优化应急设施选址布局,提高突发事件应急处置能力,以化工园区突发事件为研究背景,对化工园区突发事故下应急设施选址进行研究。考虑到化工园区突发事件的随机性和复杂性、突发事件应急物资需求的不确定性等特点,以应急设施选址安全性最大、经济性和服务效益最好为目标,基于传统确定性应急设施选址模型,构建了不确定需求条件下化工园区应急设施选址区间规划数学模型。模型中应急物资需求量是一个区间值,通过引入区间规划理论和模糊理论对模型进行求解,不仅避免了不确定参数随机概率分布的波动率,而且也降低了模型求解过程中的不确定性。最后,以园区各企业潜在事故为工程背景进行实例分析,得到园区应急设施的布局方案。结果表明,模型的求解效果较好,可为园区应急设施选址决策提供参考依据。