基于小波分析与BP神经网络的PM_(10)浓度预测模型

应用小波分析和BP神经网络相结合的方法,建立大气污染物浓度预测模型。首先,利用静态小波分解将原始的大气污染物浓度序列分解为不同频段的小波系数序列;其次,将重要的气象因子和各尺度上的小波系数序列作为BP神经网络的输入;最后,对输出的各序列预测值重构,得到最终的预测结果。使用该模型对重庆市主城区某国控监测站点的PM_(10)浓度预测,结果表明,与传统的BP神经网络模型相比,该预测模型的推广能力强、预测精密度高,具有良好的应用前景。     

乌鲁木齐市冬季大气颗粒物PM_(10) 和PM_(2.5)污染水平及相关性研究

为研究乌鲁木齐市冬季采暖期间大气颗粒物污染特征,通过采样和在线监测二种手段分析了2015年1~2月大气颗粒物样品,采用重量法分析颗粒物质量浓度,并对其相关性进行分析。结果表明:依据《环境空气质量标准》(GB 3095-2012),采样期间乌鲁木齐市大气PM_(10) 和PM_(2.5)的日均质量浓度均超过了国家二级标准,颗粒物污染严重;PM_(10) 和PM_(2.5)存在显著相关性,PM_(2.5)和PM_(10) 浓度的比值均大于0.5,采暖期PM2.5对乌鲁木齐市大气颗粒物贡献显著。     

城市环境空气中PM_(10)和PM_(2.5)质量浓度分布的均匀性研究

对长沙市环境空气中PM10、PM2.5质量浓度进行自动监测,并统计分析其分布的均匀性。结果表明,在1 d的4个典型时刻以及日内,PM2.5的质量浓度分布总体上较PM10均匀;从月内日均值及2013年1月—10月的月均值变化情况看,PM2.5质量浓度的相对标准偏差(RSD)总体高于PM10,表明PM2.5在长时间尺度上的分布较PM10更不均匀;就功能区分布而言,PM10、PM2.5质量浓度分布的均匀性没有明显的区域差异,两者的变化幅度与功能区类别没有必然联系。     

长沙市PM_(2.5)和PM_(10)质量浓度的变化特征

为检验PM_(2.5)和PM_(10)新监测标准实施近3年长沙大气颗粒物污染状况,利用近3年每日监测数据,对长沙10个国控自动监测点PM_(2.5)和PM_(10)达标情况、首要污染物及变化特征进行研究分析。结果表明,近3年长沙市PM_(2.5)和PM_(10)年均质量浓度均超过了新标准规定的年均值二级标准限值;2013年污染最严重。PM_(2.5)和PM_(10)月均值峰值出现在1月和11月,谷值在8月,各月PM_(2.5)超标天数和首要污染物为PM_(2.5)天数都大于PM_(10);PM_(2.5)和PM_(10)冬季日均值浓度明显高于其他季节,呈双峰型,峰值在上午10:00和20:00~21:00,夜晚浓度高于白天;PM_(2.5)春、夏、秋三季日变化呈单峰型,峰值在20:00~21:00;PM_(10)四季日变化呈双峰型。PM_(2.5)和PM_(10)浓度的比值(P)1月和2月最高,PM_(10)和PM_(2.5)日均值有着显著的线性相关性。     

新疆环境空气中PM_(2.5)/PM_(10)比值特征分析

随着环境空气质量新标准的全面实施,PM_(2.5)监测已经全面普及,并成为全国大部分城市关注的首要污染物,根据新疆环境空气质量监测网中不同区域、不同时段颗粒物(PM_(2.5)、PM_(10))质量浓度监测结果,对PM_(2.5)/PM_(10)质量浓度的比值关系进行深入分析,研究其在新疆典型区域特殊气象条件下的分布规律,为科学合理评价和考核新疆环境空气质量提供数据支持与参考。     

基于BP神经网络的贵阳市空气质量指数预报模型

采用贵阳市2013年1月1日—2015年12月31日的空气质量指数(AQI)日均值,常规的地面和高空观测资料,基于不同季节,调整BP神经网络的隐藏层个数和隐藏层节点数,建立不同的BP神经网络预报模型,进行参数检验,最终选取预报效果最好的模型带入实况进行检验。结果表明,夏季的预报效果最好,采用的模型TS评分为81.6%,平均绝对误差为9.1,正确率为97.4%,用该模型检验预报效果,实况和预报的相关系数为0.71,平均误差为9;而冬季的预报效果明显低于其他季节,采用的模型TS评分为65.7%,平均绝对误差为19.5,正确率为72.9%,用该模型检验预报效果,实况和预报的相关系数为0.79,平均误差为19。而且BP神经网络模型的预报效果同隐藏层个数与隐藏层节点数没有显著关系。     

淮安市区大气中颗粒物PM_(10)、PM_(2.5)污染水平

通过对淮安市大气颗粒物中PM10、PM2．5的监测与污染水平分析,得出了淮安市区PM10与PM2．5浓度呈冬秋季高,夏春季低的特征。PM2.5和PM10的比值范围在0．62～0．65之间,即PM2．5在PM10以下颗粒物中所占比例大约为63％。     

BP神经网络改进算法预测水质浓度的应用

探讨了黄河兰州段地表水水质浓度预测的BP神经网络法，建立了一种动态的、及时的、超前的BP神经网络预测模型。并在标准算法的基础上用2种改进算法同时进行比较。结果表明，改进的BP算法在水质浓度预测中更能胜任，时间短、准确度高。     

库尔勒市PM_(10)与气象条件的关系

利用库尔勒市2006—2013年的PM10监测数据以及同期常规气象资料,使用非参数分析(spearman秩相关系数)方法分析了常规气象要素与PM10浓度的相关关系。结果表明PM10浓度与各气象要素关系密切:气压较高时,PM10浓度易超过《环境空气质量标准》(GB 3095-2012)二级标准;当气温≥20℃时,温度越高PM10浓度超标天数越少,当气温20℃时,较高的气温则不利于PM10的稀释扩散;温度露点差越小,PM10的超标率越大;PM10浓度随风速的增大先降低后增加;降水对PM10有清除作用。     

β射线法空气PM_(10)监测结果的准确性探讨

目前国内有很多地市使用β射线法仪器监测空气PM10,本文结合实际,在国内PM10连续自动监测质量控制体系相对薄弱且国家尚未开展标准膜片检定与溯源的情况下,对在用β射线法仪器PM10监测结果的准确性进行了一些实验探讨,期望能提供给同行参考。