基于BP-RBF组合神经网络的废气监测盲区SO2浓度预测
2018-06-21李晓云王晓凯
测试技术学报 2018年3期
关键词:模型
李晓云, 王晓凯
(山西大学 物理电子工程学院, 山西 太原 030006)
0 引 言
近年来, 工业园区作为工业企业的聚集地和各级区域工业发展的起动机, 在各地兴盛建立起来. 园区的空气质量不仅直接影响园区自身环境水平, 而且影响着所在区域甚至整个城市的大气环境. 2016年全国338个地级及以上城市中, 254个城市环境空气质量超标[1], 全国范围内环境污染问题仍十分突出. 如何对工业园区内的大气进行有效监测, 对不同类型企业进行废气排放方面的有效管理, 已经成为园区环境管控乃至城市环境治理的重点工作. 目前, 国际上对污染气体排放的监测工作主要是对气体扩散模型的研究, 气体扩散模型分为环境模型和动态模型[2], 最被广泛采用的静态环境模型包括高斯(Gaussian)模型、 BM模型、 Sutton模型和FEM3模型[3]. 不同的模型各有利弊, 在不同的场景中得到了广泛的应用[4-7]. Gaussian模型适用于非重气云扩散, 由于其提出时间较早, 研究较为全面, 因而得到了广泛应用. 高梦等[8]基于高斯模型对京津冀地区的空气污染问题进行研究, 得出了影响京津冀地区空气质量状况的主要污染源及污染参数; 何宁[9]等通过引入一种时间因子,对现有高斯烟团模型进行了改进,建立了以时间函数为动态变换基点的有毒气体扩散模型; 梁俊丽等[10]针对复杂地形条件, 基于传统大气扩散的高斯烟羽模型结合空间插值对原有算法进行了改进. 高斯扩散模式适用于均一的大气条件, 以及……
登录APP查看全文
