长三角背景地区秋冬季节大气气态总汞含量特征研究

利用Tekran 2537B大气汞分析仪于2009年9月15日～2009年12月17日对上海崇明岛大气气态总汞(TGM)进行了连续监测.监测期间,崇明地区气态总汞的平均含量为2.50 ng·m-3±1.50 ng·m-3,高于北半球背景浓度1.5～1.7 ng·m-3,月均浓度9月<10月<11月<12月.9～12月,崇明地区气态总汞含量的日变化规律为上午08:00～10:00出现峰值,白天气态总汞浓度水平与夜间基本一致.崇明地区气态总汞含量和一氧化碳含量具有较好的相关性,表明崇明地区大气汞主要来自火电厂和工业锅炉的燃煤排放.从风向和后向轨迹模型分析的结果来看,崇明岛的大气汞主要来自西部的大陆地区,尤其是位于崇明西北部的江苏、山东等地.9月和10月盛行来自海面的东风,因而气态总汞含量较低,11月和12月盛行来自大陆工业区的西北风,导致崇明气态总汞含量较高.     

基于支持向量回归模型的水稻田甲烷排放通量预测研究

利用静态箱和气相色谱仪法获取水稻田甲烷排放通量数据,选取大气温度、土壤5 cm深温度、土壤pH、土壤Eh、土壤含水量和地表生物量作为影响因子.应用建立在结构风险最小化优化上的支持向量回归(ε-SVR)模型,采用留一法交叉检核网格搜索法(LOOCV)优化ε-SVR预测模型的参数,采用k折交叉检验的方法依据平均相对误差(MRE)和均方根误差(RMSE)对模型的精度进行验证,并与BP人工神经网络(BP-ANN)模型比较,评价ε-SVR预测模型的准确性.结果表明,通过LOOCV选择最优的惩罚因子C和损失系数ε,并由此构建的ε-SVR预测模型预测值和实测值具有很好的一致性,通过11折交叉验证后,测试样本的平均MRE为44%,平均RMSE为16.21 mg·(m2·h)-1.通过与BP-ANN模型比较,预测值和实际值相关系数达0.863,各项指标均优于BP-ANN预测模型,说明ε-SVR模型能够适用于水稻田甲烷排放通量的预测.     

气象条件对天津冬季低层大气中PAN浓度的影响

采用在线仪器监测分析2017年冬季天津气象铁塔220m观测平台大气中过氧乙酰硝酸酯（PAN）的体积浓度,并结合污染物资料、气象观测资料和后向轨迹分析造成PAN高值的影响因素.观测期间天津城区大气中PAN的体积浓度平均值为（0.57±0.54）×10^-9,PAN体积浓度存在2个峰值,大体上对应着2次重污染过程.PAN与O₃间不存在明显的相关性,但与PM_2.5质量浓度相关性较好,表明光化学反应并非影响冬季PAN浓度的唯一因素,后向轨迹的聚类分析以及改进的静稳指数显示远距离输送和本地积累对PAN浓度的时空分布发挥了较大作用.对观测期间一次重污染天气过程中温度、相对湿度和风的垂直廓线,以及混合层厚度等气象条件的分析表明,PAN浓度上升既受到区域输送影响,也与静稳天气下的污染物积累有关.     

2019年秋季海南省4次臭氧污染过程特征及潜在源区分析

基于2019年秋季海南省空气质量和气象监测数据,结合相关分析、HYSPLIT后向轨迹模型、PSCF （潜在源贡献因子）和CWT （浓度权重轨迹）等分析方法对海南省4次O₃污染过程特征及潜在源区进行深入分析.结果表明：①过程1和过程3分别发生在9月21~30日和11月3~11日,持续时间达到了10 d和9 d,ρ（O₃-8h）（最大8 h平均）分别为145.52 μg ·m^-3和143.55 μg ·m^-3.过程2和过程4出现在10月18~21日和11月20~25日,持续时间为4 d和6 d,ρ（O₃-8h）分别为130.79 μg ·m^-3和115.46 μg ·m^-3.②气压偏高,降水偏少,相对湿度偏低,日照时数偏长和太阳辐射偏强,是造成海南省出现O₃污染天气的有利气象条件.偏北风风场控制下有利于O₃-8h浓度上升,不同风速大小会影响海南省O₃-8h浓度高值区分布.③ O₃污染较为严重的过程1和过程3的影响气流发散度较大,有来自内陆地区和东南沿海地区两支气流,而O₃污染较轻的过程2和过程4的影响气流较为集中,多为东南沿海气流.④潜在贡献源区分析表明,浙江省、江西省、福建省和广东省等地是2019年秋季海南省O₃污染外源输送的主要源区,其中珠三角地区和广东省西部WPSCF值和WCWT值分别为大于0.36和大于90 μg ·m^-3.     

挡板缓冲下煤与瓦斯突出冲击波传播减能机制研究*

为揭示煤与瓦斯突出冲击波在挡板缓冲条件下能量耗散规律,利用流体动力学理论建立突出冲击波在挡板缓冲下的传播特征分析的数学模型,分析突出冲击波沿巷道衰减的影响因素,基于不同的突出压力条件下煤与瓦斯突出物理模拟试验和数值模拟结果,研究沿着直巷道突出冲击波在挡板缓冲下能量的削弱机制和传播规律。研究结果表明:矿井突出冲击波能量的衰减程度主要与突出压力、输运煤粉做功和巷道横截面积有关,突出压力与冲击波传播超压成正相关关系,巷道横截面积是人为削弱冲击波能量最有效的途径;根据不同的突出压力,突出冲击波超压沿巷道主要表现为急剧增大,然后压力逐渐降低;挡板缓冲下反射冲击波与突出入射冲击波叠加的二次加速作用,导致挡板装置断面前后空间局部能量变大,但总体能量是减弱的,降低了突出冲击波的传播距离;通过理论分析、物理试验和数值模拟所得结果基本一致。     

基于IPSO-BP模型的火灾气体传感器气压补偿算法

为完善飞机火灾检测系统,设计一套方案,模拟试验不同气压下CO、CO2气体传感器采集气体的体积分数值,并与理论值比较,进而提出一种根据粒子适应度值动态调整学习因子的粒子群算法.采用改进的粒子群(IPSO)算法寻找反向传播(BP)神经网络的最优初始权值阈值,再利用寻优后的BP神经网络修正CO、CO2气体传感器的检测结果,消...     

An improved grey wolf optimizer algorithm for identification and location of gas emission

Identification of the leakage of hazardous gases plays an important role in the environment protection, human health and safety of industry production. However, lots of current optimization algorithms, such as particle swarm optimization (PSO) and Grey Wolf Optimizer (GWO), suffer from poor global optimization capability and estimation accuracy. In this work, a hybrid differential evolutionary and GWO (DE-GWO) algorithm is proposed. Tested by simulation cases and Prairie Grass emission experimental data, DE-GWO shows higher estimation accuracy than GWO. Compared with the other four optimization algorithms, DE-GWO exhibits finer robust stability under different population sizes, fewer iterations, as well as higher estimation accuracy with fewer search agents. Importantly, simulation results demonstrate that DE-GWO is more suitable to apply in the scene with a small number of sensors. Therefore, the proposed in this paper outperforms other optimization algorithms for the gas emission inverse problem. DE-GWO can provide reliable estimation towards gas emission identification and positioning, which shows huge potential as the data analysis module of real-time monitoring and early warning system.     

成都大气污染物在焚烧秸秆时的溯源初步探究

在空气污染指数(API)的数据基础上,结合卫星遥感、气团后向轨迹及气象数据,通过初步分析秸秆焚烧对本地及区域范围输送对城市空气质量影响,研究不同空气污染类型(本地型、本地区域相结合型、输送型)特征,探索重污染条件的大气污染物溯源方法。