欢迎来到天天文库
浏览记录
ID:32212142
大小:1.50 MB
页数:79页
时间:2019-02-01
《空气中可吸入颗粒物浓度的预报研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、上海交通大学硕士学位论文空气中可吸入颗粒物浓度的预报研究姓名:曹兰申请学位级别:硕士专业:项目管理指导教师:习俊通;於岳峰20091205上海交通大学工程硕士学位论文摘要空气中可吸入颗粒物浓度的预报研究摘要随着对大气颗粒物研究的深入,人们认识到可吸入颗粒物(粒径在10µm以下的颗粒物,即PM10)是大气颗粒物中对环境和人体健康危害最大的一类。我国的大气颗粒物污染严重,PM10已经成为影响我国城市空气质量的首要污染物。无锡市PM10污染状况也不容乐观,PM10年均值已接近国家二级标准限值。因此,迫切需要开展无锡市空气中PM10浓度预报的研究,为有效地治理和控制PM10
2、污染,制定各项环保政策提供理论依据。本文以无锡市空气中主要污染物PM10、SO2和NO2的监测数据以及同期地面气象要素风向、风速、温度、相对湿度和气压等资料为研究对象开展空气中PM10浓度的预报研究。主要研究结果如下:1、分析无锡市PM10的年、季、月、日变化规律,并按国家空气质量标准GB3095-1996中PM10日平均浓度的各级标准值,将PM10日平均浓度划分为5个区间进行了统计,了解PM10各年度各月份各级污染出现的频率,掌握无锡市PM10的变化规律。2、利用一元线性回归方法分析了污染源因子和气象因子与空气中PM10浓度的相关性,并对影响因子(包括污染源因子和
3、气象因子)进行筛选,去除相关度过低的影响因子,将与PM10污染相关性较大的因子确定I上海交通大学工程硕士学位论文摘要为预报模型的输入因子。3、利用逐步回归方法建立了空气中PM10浓度的冬春季和夏秋季预报方程,并对所建立的预报模型进行检验。检验结果表明:逐步回归方法建立的预报模型具备一定的预报能力,但预报性能还有待进一步提高。4、利用BP神经网络建立PM10浓度的预报模型,通过不断试算,分析不同结构参数或以不同算法训练的网络模型的性能,选择合理的网络结构及训练方法,探寻提高网络泛化能力和预报精度的方法。结果表明:采用提前停止法进行样本划分的方法和分季节建立BP神经预报
4、网络大大提高了预报性能,其预报结果明显优于逐步回归预报模型。5、以MATLAB7.0编写了BP神经网络空气中PM10日均浓度预报系统的程序界面,界面简单、便于工作人员操作。关键词:可吸入颗粒物,回归,神经网络,预报II上海交通大学工程硕士学位论文ABSTRACTSTUDIESONTHEFORCASTOFPM10CONCENTRATIONINAIRABSTRACTAsthestudyofparticulatemattergoesfurther,peoplerecognizethatPM10,namelytheaerodynamicdiameterislessthan1
5、0µm,isonekindoftheparticulatemattersthatcandogreatestharmtotheenvironmentandhumanhealth.Theparticulatematterpollutioninourcountryisserious,andthePM10hadbecomethefirstairpollutantsaffectingtheairquality,sothesituationinWuxicityis.TheaverageconcentrationvalueofPM10hasbeenclosedtothesecon
6、darylimitedvalueofthecountrystandard.ItisurgentforWuxitocarryoutthestudyontheforcarstofPM10concentrationinairsoastoproviderelatedenviromentprotectionitemsformanagingandcontrollingpollutionproblems.BasedonthemonitoredfiguresoftheprincipalairpollutantsPM10、SO2andNO2andsurfacemeteorologic
7、alelementsdatasuchaswinddirection、windspeed、temperature、relativehumidityandatmosphericpressure,thedissertationmakesasystemicstudyonpredictiontechniqueofPM10concentrationinair.Andthesignificanceofthedissertationliesinthefollowingaspects:1.AnalysisofWuxiPM10theyear,season,month,diurnal
此文档下载收益归作者所有