排序方式: 共有52条查询结果,搜索用时 16 毫秒
41.
基于气象相似准则的城市空气质量预报模型 总被引:1,自引:0,他引:1
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。 相似文献
42.
佛山禅城区机动车尾气排放特征及分布 总被引:1,自引:0,他引:1
通过对禅城区不同道路类型交通流进行调查分析,运用COPERT模式计算出2008年佛山地区机动车排放因子,分析出禅城区机动车尾气排放的主要来源及主要特征,得到了禅城区机动车尾气排放总量及排放分担率.根据佛山市辖区区间出行车辆较多的特点,采用源强估算总量的方法计算区内机动车污染排放.结果表明,禅城区2008年CO、NOx、VOC、PM的排放量分别为72 356.86 t、7 288.38 t、9 991.68 t和366.80 t.不同车型对不同污染物的排放贡献率差别明显,尤以摩托车的CO、VOC排放贡献较高,分别占机动车排放污染物总量的85%和77%.道路局部污染最严重的道路类型为国道,整体污染最为严重的为主干路.区内机动车劣化严重,占机动车总量37%的国0车的CO、NOx、VOC、PM排放分担率分别占机动车排放总量的68%、45%、58%、63%.不同车型、不同排放标准的排放因子存在较大差别,轻型车的CO、VOC较高而重型车的NOx、PM排放因子较高. 相似文献
44.
广州灰霾现象特征分析 总被引:6,自引:3,他引:3
依据灰霾的发布和判定依据,对中山大学大气环境自动监测站的能见度、风速、相对湿度和ρ(PM2.5)等观测数据进行分析,分析其随时间变化的规律和相关性,得出近年来广州灰霾变化规律和多类特征. 结果表明:近年来广州整体灰霾现象有所改善,且主要呈现非夏季和夏季2种典型季节性特征. 非夏季灰霾具有持续时间长、状态稳定和风力突破性强等特点;夏季灰霾具有持续期短、状态变化快,ρ(PM2.5)与能见度的曲线图镜像对称明显等规律;灰霾现象与城市空气质量有密切的关系,且API大于100的时间与较严重灰霾日的分布相似. 相似文献
45.
46.
街道峡谷内不同车道污染物扩散的数值模拟 总被引:5,自引:2,他引:3
为掌握不同位置车道污染物的扩散规律,提出降低街道峡谷内居民与行人交通源暴露水平的可能途径,采用二维k-ε两方程模型和组分输运方程对典型结构双车道街谷内的流场与不同车道污染物的扩散进行模拟,模拟结果与风洞试验结果相符合. 研究发现:迎风车道的污染物更易于向街道峡谷外部扩散;不同位置车道的污染物均在背风侧堆积,可使两侧人行道暴露水平相差5倍. 街道峡谷底部污染物分布对车道位置较敏感,车道位置向街道峡谷中部靠拢,将使得背风建筑物底部及人行道的污染物浓度明显降低;迎风侧污染物浓度对车道位置不敏感,但当车道位置处于迎风侧次级旋涡内时,将导致迎风建筑物底部及人行道的污染物浓度近乎成倍增长. 将车道位于街道峡谷中部,优先采用道路两侧绿化,是增加行人舒适度和减少行人交通源暴露水平,并改善大楼低层住宅及底部出入口、临街商铺等人群活动区空气质量的可行途径之一. 相似文献
47.
48.
49.
基于微观交通仿真的交叉口交通噪声模拟方法 总被引:3,自引:1,他引:2
文章提出了一种基于微观交通流仿真的交通噪声模拟方法。应用Paramics微观交通仿真软件模拟了车流量从100veh/h逐级增大到1000veh/h过程中信号灯控制的十字交叉口交通状况,并将模拟所得的交通流数据作为交通噪声模拟计算的输入参数对交通噪声进行了计算。对比分析了不同车流量下十字交叉口附近交通噪声的特性及变化情况。研究发现:在非饱和车流情况下,交通噪声水平随车流量的增大而增大,并与车流量的对数呈线性关系,交通噪声的波动范围随车流量的增大而缩小,车流量达到饱和后,交通噪声不增反降。噪声污染级随车流量的增大呈现出先增大后减小的特征,峰值出现在车流量为400veh/h~500veh/h之间。 相似文献
50.
为研究城市主干道边的空气污染状况,通过采用自动监测系统,在2007年1月至2月期间,对广州市新港西路两侧以及附近大学校园内的空气质量进行监测,获得了其空气污染物浓度的特征:(1)空气污染水平高,NO2与PM10日均值超标率较高;(2)污染物时空分布不均匀,NO浓度白天通常比夜间高,路边监测点NO小时浓度为校园对照点浓度的3倍左右。同时,分析了污染物浓度与气象条件及主干道交通流量的关系。结果表明:污染物浓度与气象因素之间有较高的多元线性相关性,但与单个因素的相关性不强;路边监测点的NO小时浓度和校园对照点的N0。小时浓度均与车流量有较高的相关系数,而PM10与车流量无显著相关性。综合考虑气象因素与交通流时,多元线性回归方程的复相关系数更高。 相似文献