气象调整下的区域空气质量评估

虽然空气污染是由污染物排放到大气中造成的,但是由于气象条件会影响污染物的扩散,因而实际观测到的污染水平会受到气象条件的影响.因此,有效的空气质量管理要求污染评估指标和统计方法不受气象因素的干扰,并能准确客观地反映污染物浓度的变化.为了评估北京地区潜在污染物排放的变化,本文提出一种消除气象干扰的时空调整方法.通过控制气象条件,调整后的污染物时空平均浓度可以捕捉到潜在排放量的变化.本文提出具体调整均值的方法,并进行理论和数值分析,将此方法应用于北京地区的空气质量评估,揭示一些有趣的模式和趋势,这些结果可以用于空气质量评估和管理.     

基于区间数的空气质量模糊综合评价模型

针对空气质量评价的不确定性,引入区间数概念进行2016年辽宁省各城市的空气质量综合评价和分析.参照国家大气质量标准,选用SO2、NO2、CO、PM2.5、PM10五种大气主要污染物作为评价因子,利用区间数计算污染因子的隶属度进行分析.考虑到城市差异,采用区间梯形隶属度函数,同时考虑区间数排序函数及可信度对区间数排序进行修正,避免了单因素得分区间数的发散,并综合确定评价等级.实例分析验证了该评价方法的可行性,依据收集的数据和此方法的结论得出空气质量的好坏与污染源分布、污染物扩散条件以及季节等因素有关.     

基于GM(1,1)模型群的深圳市大气污染物灰色预测

通过灰色系统GM(1,1)模型群,对深圳市未来两年的主要大气污染物浓度进行了预测分析.通过预测得到,在未来两年内,深圳市的SO2浓度基本已经达到国家环境空气质量一级标准,NO_2、PM_(10)浓度已达到国家二级标准,深圳市空气质量将持续好转.结果表明,GM(1,1)模型群具有一定的实用价值.     

以“史”为题 古为“高”用

<正>史料背景融合于高考试题之中,这是近几年高考命题的又一大亮点.这类命题形式新颖,有着深厚的文化底蕴,充分体现了高中数学课程标准中让学生"初步认识数学与人类生活的密切联系及对人类历史发展的作用,体验数学活动充满着探索与创造"的总体目标要求.下面从近三年各地高考试题中摘要几题与大家分享,希望能起到抛砖引玉的作用.一、走近《数书九章》史料背景:《数书九章》是一部划时代的巨     

空气质量的模糊综合评价与曲线拟合预测模型

公众的健康在很大程度上受空气质量制约,对空气质量进行预测与评价具有十分重要的意义.首先针对空气质量评价问题,将模糊综合评价方法和层析分析方法相结合,建立了空气质量的模糊综合评价模型.其次针对空气质量预测问题,根据最小二乘理论,建立了不同污染物浓度值的滑动窗口预测模型.最后选择安阳市空气污染物浓度年度均值进行了模型验证.实验结果表明,评价与预测模型具有精确度较高,误差率小的优点,具有较高的实用性.     

乌鲁木齐PM_(2.5)与其他空气污染物的去趋势互相关系数分析

为了避免时间趋势对相关性的影响,深入了解乌鲁木齐市PM_(2.5)与其他空气污染物的相关关系,本文基于乌鲁木齐市2015-2018年监测站点空气质量实时监测数据,使用新方法—去趋势互相关系数分析法来探索乌市PM_(2.5)与PM_(10)、SO_(2)、NO_(2)、CO、O_(3)五种空气污染物之间的关系.一方面,通过去趋势互相关系数分析法分别对以“天”为单位和以“小时”为单位的数据进行分析,发现PM_(2.5)与PM_(10)、SO_(2)、NO_(2)、CO之间呈正相关性,与O_(3)呈负相关性,并发现CO相比其他空气污染物与PM_(2.5)的关系最为显著.另一方面,去趋势互相关系数分析法的等值线图可以直接观察到乌市PM_(2.5)与其他空气污染物在不同时间点和不同时间尺度下的相关关系变化状况,从而为乌市空气质量问题的治理,降低人类健康风险提供理论支持.     

上海市PM_(2.5)相关因素的研究

空气质量问题始终是政府、环境保护部门和全国人民关注的热点问题.选取2014年01月-05月的上海市空气质量(AQI)日报,分析了上海市空气质量的现状,并对首要污染物出现的频率做出统计分析,发现PM2.5是上海市现阶段空气中的首要污染物.通过Pearson相关系数、Spearman相关系数和Kendallτ相关系数,计算PM2.5与AQI其他监测指标的相关性,从而有利于更科学的监测空气质量.研究表明,PM2.5与PM10和CO都具有较强的相关性,PM2.5与O3的相关性很弱.最后分别对PM2.5与PM10、PM2.5与CO的相关性进行线性拟合,得出初略的线性方程.对其对比分析可知,在同等情况下,应该优先通过控制空气中PM10的含量,来达到控制空气中PM2.5含量的目的,从而对改善生存环境起到重要的作用.     

国内主要城市空气质量统计分析

我国目前评价城市空气质量所用的空气污染指数法中仅以首要污染指数来反映空气质量状况,而忽视了次要污染物对空气质量的影响,这将会使评价结果的准确性产生偏差.本文在空气污染指数模型的基础上引入次要污染物,建立了新的空气质量评价模型,再利用该模型对我国近三年主要城市空气质量状况进行了评价及分析.     

基于改进的SAPSO优化支持向量机的太原市空气质量评价

由于气象环境复杂多变且具有动态的不确定特性,选取太原市2014年至2015年的空气污染物监测数据,将模拟退火算法(SA)与粒子群算法(PSO)相结合并对其进行改进,优化支持向量机(SVM)完成参数寻优,并运用偏最小二乘法(PLS)分析各污染物因子间的相互作用,构造出一种新的空气质量评价模型.实验结果表明,改进的SAPSO-SVM与PSO-SVM和SVM相比,模型运行时间短、等级分类精度高,具有良好的评价性能,为空气质量评价提供了新思路.     

马尔柯夫链在多介质环境归趋研究中的应用

以开放的环境系统为依托,阐述了马尔柯夫理论在多介质环境归趋研究中的科学性与合理性,并结合国家重点课题—黄河兰州段典型污染物迁移/转化特性及承纳水平研究,研究壬基酚聚氧乙烯醚(nonylphenol polyethoxylates—NPEOs)在黄河兰州段的环境归趋.研究结果表明,利用马尔柯夫模型可以确定污染物在环境介质间的迁移时间、环境介质内的滞留时间、任意时刻污染物在不同环境介质内的含量、给定时间内不同迁移转化过程的迁移量和降解量、环境系统达到稳定的时间、污染物在环境系统内的稳定分布、以及污染物的环境容量或排放标准.     

环境政策对空气污染控制与地区经济的影响——基于命令控制型工具的实证

为考察命令控制型工具—即为召开大型的会议,而实施的短期环境政策,对大气污染控制的有效性和对经济增长的影响。首先,选取"G20"峰会为研究对象构造准自然实验,利用双重差分法,分析2015年1月1日至2017年9月30日38个地区的日度空气质量指数和六项单项污染物浓度,探究G20期间的环境政策对G20会议后期的空气质量影响并进行反事实检验;其次,利用26个地区2014年第1季度到2018年第1季度共17个时间节点的数据,运用合成控制法研究"G20"期间的环境政策对杭州经济增长的影响。研究结果表明:(1)政府为了在某一地点某一时期达到较高空气质量的治理手段在一段时间内确实能改善空气质量,但是从长期来看存在着边际效率递减的规律,距离政策冲击的时间点越远,其政策效果越小且越不具有有效性。(2)从会议型命令控制环境政策对经济增长的影响来看,没有证据表明其对经济增长存在负向影响。     

基于灰色马尔科夫模型的平顶山市空气污染物浓度预测

选用平顶山市2005—2009年各空气污染物浓度作为原始数据序列,建立灰色马尔科夫预测模型,对未来10年的污染因子浓度进行预测.模型检验结果表明:均方差比值和小误差概率均为一级;运用灰色关联分析法计算各污染物原始数据序列与预测数据序列之间的关联度,定量描述灰色马尔科夫预测模型对于空气质量预测的精确度,平均精度达到99.9%,表明灰色马尔科夫预测模型对于空气质量预测有很高的实用性.     

武汉空气质量预测及受周边城市污染影响分析

利用武汉及其周边城市长沙、南昌、合肥、襄阳、孝感等城市空气质量指数(AQI)及相关污染物数据,探索了武汉市空气质量指数的统计分布规律及空气污染治理效果的评价问题,给出了能较好预测空气质量指数等级的推理规则.用统计模型分析武汉及周边大中城市的SO2等空气污染物之间的传播及相互影响.     

基于改进灰色SGM(1,1)模型的广州市空气质量变化趋势分析

为了研究广州市空气质量变化趋势问题,提出了一种通过引入季节因子构建灰色SGM(1,1)模型,再用Markov模型修正的方法,经检验可知,修正SGM(1,1)模型的平均相对误差仅为3.17%,均方差比值和小误差概率均达到一级精度;利用改进模型对广州市未来四年空气污染物浓度进行预测,结果显示:1) N02和03的浓度逐年缓慢增长,其他污染物则逐年缓慢下降;2)除PM₁₀和SO₂之外的其他污染物浓度均未达到二级标准值,需要有关部门持续监测和治理.     

一类新型城市碳循环系统的分析和应用:以南京市为例

研究了一类新型城市碳循环系统及相关演化分析.基于南京市碳循环系统的相关数据,借助神经网络得到满足实际系统的参数.以人为碳效应指数为衡量指标,探究系统中各变量变化对系统的演化影响.结果表明:大气中碳的峰值到达得越晚,人为碳效应指数的数值越大;包括人类活动在内的动物圈中的碳储量的峰值越早达到,人为碳效应指数越大;人类活动是致使人为碳效应指数变大的主要原因,同时城市碳循环人为碳效应指数的控制应该多地区协同发展,总体人为碳效应指数降低,局部地区才会真正意义上降低.利用数值仿真来展示这些结果.     

北京市大气环境质量的模糊综合评价

为对北京市近几年的大气环境状况有一个全面客观的了解,选取SO_2,NO_2,PM_(10)三个污染因子作为评价参数,采用模糊综合评价法对其2006-2012年大气环境质量状况进行了定量分析和评价.研究表明:2006年到2012年北京市大气环境质量有了很大程度的改善,在常规检测污染物的治理方面有了较好的成效,但空气质量仍处于轻度污染的水平,PM_(10)为近年来主要污染物中权重最大的因子.根据研究的结果,最后提出了相应的政策建议,并解释研究结果与居民感受形成反差的原因.     

长三角主要城市空气质量状况与经济社会发展的关联性研究

建立模糊综合模型及面板数据模型对长三角主要城市2006-2013年的空气质量状况进行评价,及对空气质量与主要经济社会因素的关联性进行研究.研究结果表明:长三角主要城市空气质量均在相应的Ⅲ级标准内;经济社会因素的关联程度为:第三产业值对空气质量有正向影响,人口密度、人均生产总值、工业粉尘排放量和第二产业比值这四个指标均对空气质量有负效应.并基于此研究结果进行分析为决策者提供参考,实现长三角地区的可持续发展.     

基于Keras的LSTM模型在空气质量指数预测的应用

为了高精度预测空气质量指数(AQI),针对大气环境复杂多变性、不确定性,以2014年至2017年的太原市空气污染物监测数据为基础,首先采用python3.5.2中的相关性分析函数对污染物与AQI指数进行了相关性分析,然后建立基于深度学习库Keras(一种高层神经网络API)的长短期记忆循环神经网络(LSTM)模型,对太原市空气质量指数(AQI)进行仿真预测.实验结果表明:模型的均方根误差为4.875,具有预测精度高、范围广等优点,为大气污染防治工作提供了科学合理的理论依据和新的预测方法.     

乌鲁木齐市空气质量影响因素分析

空气质量关乎人类健康.随着工业化、城市化进程加快、机动车快速激增等因素影响,中国城市的空气质量正面临着巨大的考验.乌鲁木齐市环境污染严重,曾经被世界卫生组织列为世界十大污染城市之一,空气质量成为人们关注的焦点.根据2003-2012年近十年数据对乌鲁木齐空气质量进行灰色关联分析,得到与空气质量关联度较大的八项指标.建立了多元线性回归模型,并对近几年的空气质量进行分级,找出空气变化的可能原因.结果表明:影响乌鲁木齐空气污染指标的主要因素集中在城市绿化与能源消耗及工业污染排放等方面,而其他相关因素也在不同方面起到一定程度的影响.从聚类分析效果看,2012年乌鲁木齐市"煤改气"工程降低SO_2浓度十分显著.最后,提出了改善空气质量的建议.     

基于烟花进化人工鱼群算法和多重分形的属性选择方法在空气质量预测中应用

日益严重的空气污染,严重影响日常生产生活.因此,亟需对空气质量进行预测.为了实现高效、科学的预测,需准确地选择出空气质量数据集中的关键影响因素,故提出了基于烟花进化人工鱼群算法和多重分形的属性选择方法,并应用于空气质量预测中.首先,采用混沌初始化方式生成初始种群,对人工鱼群算法进行离散化改进,并引入烟花进化机制,提出烟花进化人工鱼群算法(FEAFSA),提高算法的搜索效率;其次,融合FEAFSA和多重分形维数(MFD),对空气质量数据集进行属性选择,约简冗余、不相关属性,保留空气质量关键属性;最后,在8个UCI数据集上的实验结果表明,相较于其他属性选择方法,其能有效剔除冗余因素,性能更优,同时表明其有效性、稳定性和显著性.在进行性能测试之后,将其应用于北京、上海和广州地区的空气质量等级和指数预测中,取得了良好的预测效果.