APP下载

高斯烟雨扩散模型在空气中PM2.5实际问题的应用

2014-03-13董赫翟哲李夺李伟凯

黑龙江八一农垦大学学报 2014年3期
关键词:风速模型

董赫,翟哲,李夺,李伟凯

(1.黑龙江八一农垦大学信息技术学院,大庆 163319;2.黑龙江八一农垦大学工程学院)

随着国民经济飞速发展和城市化进程的日益加快,我国已有1/4的国土面积相继出现因大气细粒子污染增多而导致的雾霾天气,影响近6亿人的工作和生活。2012年2月29日,我国环境保护部公布了新修订的《环境空气质量标准》(GB3095—2012)[1],增设颗粒物(粒径小于等于2.5 μm)浓度限值和臭氧8小时平均浓度限值。与《环境空气质量指数(AQI)技术规定(试行)》(HJ633—2012)的新标准同步实施。AQI分项监测指标为6个基本监测指标(二氧化硫SO2、二氧化氮NO2、可吸入颗粒物PM10、细颗粒物PM2.5、臭氧O3和一氧化碳CO)。新标准中,首次将产生雾霾的主要因素PM2.5浓度指标作为空气质量监测指标[2]。利用高斯烟雨扩散模型、多元线性回归等数学手段对空气中PM2.5的成因、扩散过程与气象因素之间的相关性进行深入分析,以西安市和武汉市气象局2013年1月至8月的空气污染物监测数据为依托,通过试验分析和仿真验证等方法,探索PM2.5与各污染物和风速之间的相关性;找到西安市高新西区空气中PM2.5浓度骤增并持续2 h时,空气中PM2.5浓度的分布与演变过程及相应的处理预案,为进一步研究空气中PM2.5的成因、监测和治理提供了一定的理论指导与科学依据。

1 空气中PM2.5与各污染物及气象因素的相关性分析

1.1 PM2.5与各污染物之间的相关性分析

选取武汉市某个监测站2013年1月至8月的AQI监测数据作为研究对象,首先从相关性和独立性方面入手,定量分析武汉市空气中6个基本监测值,得到各污染物之间的关联性。……

登录APP查看全文

猜你喜欢

风速模型
一半模型
基于Kmeans-VMD-LSTM的短期风速预测
基于最优TS评分和频率匹配的江苏近海风速订正
重尾非线性自回归模型自加权M-估计的渐近分布
3D打印中的模型分割与打包
基于GARCH的短时风速预测方法
FLUKA几何模型到CAD几何模型转换方法初步研究
考虑风切和塔影效应的风力机风速模型
GE在中国发布2.3-116低风速智能风机
考虑风速分布与日非平稳性的风速数据预处理方法研究