BP网络应用于大气环境监测点的优选

为了对大气环境监测点进行优化选择 ,以大气质量分级标准为训练样本 ,构造BP网络进行训练 ,用训练好的BP网络对某地的大气环境监测采样点进行了优选 ,并与物元分析法优选结果进行比较。结果表明 ,BP网络用于环境测点优选具有较好的客观性和应用性     

国家大气质量标准在沈阳地区的可行性研究

本报告简述了对国家大气质量暂行标准进行验证的方法和结果。提出了沈阳市大气质量功能分区的原则和依据,论证了一九八五年我市一氧化碳、氮氧化物和二氧化硫在市区70％达到二级标准,30％达到三级标准,达标所需投资约三亿元,投资回收期5.3年,达标的技术措施比较先进,基本落实。     

兖州矿区基地大气环境质量状况浅析

根据兖州矿区基地近6年的大气监测资料,对区域性大气质量状况进行了分析,并提出了改善大气质量的四条措施。     

法国大气监测网络技术开发5年计划

大气质量监测,是法国大气保护政策的一个组成部分。15年前,法国依靠24个协会建立了大气监测网,并安装了1900台监测仪。目前,为实现技术监督,法国大气质量局制定了一个现代化计划,称为“大气监测网络技术开发5年计划”。     

模糊神经网络用于环境大气质量评价的研究

研究了基于多准则学习的模糊神经网络评价环境大气质量的模型,并以此对某矿区的环境大气质量进行了评价,结果表明该方法简便、实用、客观。     

大气质量影响分析(四)

5.大气质量模式 大气质量模式是大气质量影响分析的核心。但是,大气质量模式是一门讲究技巧的科学。因此,大气质量模式把诡计和责难结合起来,并且有效地和富有想象力地运用最佳的工程判断。为了提供选择和使用模式的一致性而起草的EPA文件,对此给出了一个令人信服的总结: “把一个设计好的模式应用到每一项规划中的污染源上,虽很方便。但是,一个国家在地形和气候上的多样性,源结构和操作特征的千变万化,不能像使用“烹调全书”那样如法泡制。要想设计一个通用于所有情况的特殊模式是不现实的。此外,很多可能威胁大气质量标准的气象现象并不服从简单的数学处理。因此,经常要依靠专家们对它们进行分析和判断。     

GIS与大气环境模型集成研究与实践

通过对地理信息系统和大气环境质量模型结合客观需求的分析 ,探讨了二者在不同层次上的集成模式 ,提出了地理信息系统和大气质量模型集成系统的体系框架。以这些理论研究为基础 ,进行了地理信息系统和大气质量模型紧密结合模式的系统软件设计与开发     

大气质量影响分析(二)

二、评价方法 大气质量影响分析应包括以下五个要素: 1.现有环境——描述建设项目所在地区的现有环境。 2.环境影响——描述建设项目建成使用后对大气质量的影响。 3.缓和措施——描述为了缓和由于建设项目引起的大气质量下降,预计采取的措施。 4.替代方案——描述为了减少由于建设项目引起的大气质量下降,对可能采用的设计方案的修改。     

大气质量监测布点控制探析

大气质量监测对于提升环境质量具有重要作用。当前大气污染源包括分子状和颗粒状的污染物,需要在遵循目的性原则、层次性原则、代表性原则、完整性原则和可行性原则的基础上进行大气质量监测布点。常用的大气质量监测布点方法有网格布点法、功能区布点法、同心圆布点法和扇形布点法。     

美国大气监测的现状及其动向

引言大气质量监测通常系指对大气中或积累在地面上的特定污染物进行一年以上时间的测定。大气质量监测的目的是提供: 污染浓度的长期趋势; 污染量的地理分布; 污染暴露的累积影响; 受污染影响地区的原始状况; 大气质量与污染物排放的关系。这些资料可以为评定污染状况的长期演变和控制对策的效果提供科学依据。显     

基于BP神经网络的空气污染指数预测模型研究

BP神经网络已成为研究空气污染预测的有效工具之一。文章利用近十年北京市地面气象观测资料和空气污染指数数据,通过BP神经网络技术构建了不同季节的空气污染指数预测模型,对北京市空气污染指数进行了预测。通过相关系数分析法,对比分析了预测结果与实际监测结果,研究结果表明:春、夏、秋、冬季的预测值与监测值线性相关系数分别为0.81、0.84、0.89、0.85。北京春季常伴随有沙尘天气,而文章并没有考虑沙尘天气对预测模型的影响,因此春季BP神经网络预测精度在四季中最低,其预测值与监测值的线性相关系数为0.81。由于秋季不同空气质量级别的数据都有较多分布,因此该季节构建的网络更具有代表性,其预测精度在四季中最高,预测值与监测值的线性相关系数高达0.89。总之,BP神经网络模型对于北京空气污染指数预测是行之有效的。     

基于气象相似准则的城市空气质量预报模型

为提高城市空气质量预报准确率,文章在传统BP神经网络的基础上提出了基于气象相似准则的样本优化方法,建立了三层样本筛选优化机制,确定了阀值及权重矩阵,从而建立了城市空气质量动态预报模型。将模型应用在广州8个空气质量监测站点的预报上,并与传统的BP神经网络空气质量预报模型进行了对比分析,效果良好。分析结果表明,广州8个空气质量监测站点的SO2、NO2、PM10/2.5的实测值与预报值的平均绝对误差分别为0.016 mg/m3、0.014 mg/m3、0.020 mg/m3,级别预报准确性评分分别为89.6、92.6和84.6,预报准确度综合评分达81.6,并且比传统神经网络模型具有更高的预报精度。     

城市空气质量监测网络评估方法

通过研究借鉴多个国家/城市的研究实践,提出了城市空气治理监测网络（UAAMNA）评估管理的方法,包括评估思路与流程,评估关键指标,针对不同污染物的评估方法等.以沈阳市及周边6个城市共46个国控监测站点的监测网络为背景,基于2013~2018年日尺度空气质量数据,考虑监测成本,对沈阳市PM_2.5监测网络进行评估,结果表明,沈河区增加1个最高浓度站点,大东区增加1个高人口密度区站点,皇姑区增加1个跨界传输点;在沈阳-铁岭,沈阳-本溪,沈阳-辽阳方向增设跨区域站点.未来建立空气质量监测网络定期评估制度、加强跨区域边界站点布设、实施区分监测点位类型评估、区分污染物类型评估是UAAMN的发展方向.     

基于GA-ANN改进的空气质量预测模型

基于人工神经网络的空气质量预测模型优于传统的逐步回归模型,但由于性能差异不明显而较少在空气质量预报中应用. 设计了将遗传算法和神经网络算法相结合的基于GA_-ANN的空气质量预测模型,并利用天津市2003—2007年气象和污染物监测资料对该模型进行验证. 对2007年全年的ρ(SO₂),ρ(NO₂)和ρ(PM₁₀₎进行预测,预测值与实测值的相关系数分别为0.899 6,0.828 3和0.600 0. 与一般的人工神经网络预测模型相比较,GA_-ANN模型将空气质量等级预报的准确率从77.57%提高到79.67%. GA_-ANN模型可结合其他方法进行日常空气质量预报.      

重点区域环境空气质量监测方案与评价方法探讨

我国区域性大气污染问题频频发生,成为当前亟待解决的重大环境问题。区域联防联控工作需要建立相应的区域空气质量监测体系和评价方法,这对已有的监测体系提出了新的要求。在区域监测体系中需要增加臭氧、细粒子等区域性污染物及其前体物的监测,同时设立区域监控点使监测网络覆盖面由城市建成区拓展到广大近郊及农村地区。采用移动式柱浓度监测和卫星遥感监测等多样化监测手段结合超级空气站来增强区域综合监测和源解析能力。在区域内搭建监测信息共享平台和实时发布机制并建立区域空气质量预警预报系统。建立区域内统一的质量管理和质量控制方案,城市监测点质控工作由所在省市管理,区域监控点质控工作由国家统一直管。采用分区分层次的区域空气质量评价方法,评价因子包括所有六项监测指标。     

京津冀及周边地区大气污染综合立体观测网的建设与应用

京津冀及周边地区大气染污综合立体观测网针对的是大气重污染发生-演变-消散全过程的核心科学问题,通过制定适用于京津冀及周边地区的大气污染综合观测技术规范,建立了区域大气污染综合立体观测网,开展了近地面及大气边界层气象和大气化学过程的同步观测,构建了监测数据综合分析及共享应用平台,实现了大气环境多源数据综合管理业务化,为大气重污染成因研究提供精准数据集,提升了京津冀秋冬季重污染成因机制研究和精细化源解析的能力,推动了京津冀及周边地区空气质量的持续改善.京津冀及周边地区大气污染综合立体观测网开展了传输通道的加密观测,增加了背景站和手工采样点观测,建立了包括黑碳、氨和重金属等多要素的关键站点,并充分利用了服务于科学研究的超级站和垂直梯度观测技术.京津冀及周边地区大气污染综合立体观测网和数据平台的建立,实现了业务部门与科研部门数据的有效融合与综合管理业务化,具有效率高、代表性好、目的性强的特点,能够很好地应对决策部门不断提高的管理需求.观测网络和平台充分吸取了国外的先进技术和观测经验,保证了观测网长期稳定运行;通过综合环境空气质量监测预警和发布平台,为环境空气质量监测和污染成因综合研究提供技术支撑,最终为实现我国空气质量的全面改善奠定了坚实的基础.      

济南市大气污染物时空变化及预测分析

大气污染影响生产生活和人体健康,了解大气污染物时空分布特征及污染源是大气污染治理的基础和前提。基于济南市2014-2018年空气质量实时监测数据,主要污染物浓度数据和气象要素数据,运用相关分析法和BP神经网络预测模型,分析了济南市大气污染物时空分布特征及污染物来源,并对济南市6种主要污染物进行预测。结果表明:在时间维度上,空气质量呈逐年好转趋势,季节上则表现出冬季污染最严重,夏季最轻,采暖期污染物浓度远远高于非采暖期的特点;从日变化看,上下班高峰段是污染最严重时段。在空间维度上,城市外围污染较为严重,市区污染相对较轻。在污染物成分上,PM₁₀逐渐成为颗粒物污染的主体。通过济南市污染物浓度预测结果,分析未来3年内污染物浓度变化情况,进一步提出合理优化的污染治理方案来改善济南市大气污染状况。     

基于BP模型的大气污染预报方法的研究

BP模型是目前最为广泛应用的神经网络模型之一,它是一种简单而又非常有效的算法.笔者将BP网络模型引入到大气污染预报领域,并根据大气污染物含量与气象要素的关系建立了大气污染物含量的神经网络预报模型.计算结果表明,BP模型应用于大气污染预报具有较高的预测精度和良好的泛化能力,它为信息社会的城市空气污染预报工作提供了一种全新的思路和方法.      

现代化环境空气质量监测网络构想

本文从环境空气质量监测网络现存的问题出发,结合卫星遥感、航空测量、地理信息系统等先进的环境监测技术,提出现代化环境空气质量监测网络构想。