排序方式： 共有2条查询结果，搜索用时 15 毫秒
1
1.
广州市交通干线附近细颗粒污染特征 总被引：3，自引：2，他引：1
利用中山大学大气环境监测平台数据,对广州市交通干线附近的ρ(PM2.5)和ρ(PM1)进行了统计学分析,以研究交通干线附近细颗粒污染特征及变化规律.结果表明:2008-2012年广州市PM25超标严重,但ρ(PM2.5)有所下降.受季节性污染源及气象因素影响,广州市夏季ρ(PM2.5)平均值为42 μg/m3,明显低于春、秋、冬三季.ρ(PM2.5)在工作日与周末差异明显,周末明显高于工作日,而ρ(PM1)在工作日与周末差异不明显.ρ(PM2.5)与ρ(PM1)日变化趋势基本一致,整体上呈白天低、夜晚高,上午低、下午高的特征.ρ(PM2.5)日变化呈单峰,19:00左右达到最大值(53 μ.g/m3);而ρ(PM1)呈双峰变化,在20:00左右达到高峰值(43μg/m3),上午09:00左右也有一小峰值(37 μg/m3).ρ(PM2.5)和ρ(PM1)的相关性较好,R(相关系数)为0.94,PM1是PM25的主要构成颗粒,所占比重平均值为0.65.ρ(PM2.5)和ρ(PM1)均与交通流量存在相关性,在白天和夜晚变化趋势相一致,但交通流量白天与ρ(PM2.5)更为密切,夜晚则与ρ(PM1)更为密切. 相似文献
2.
建立了基于BP神经网络的PM2.5质量浓度预报模型,对广州市5个监测点2012年6月-2013年5月的PM2.5质量浓度日均值进行预报,分析了总体预报误差、不同风速和降雨量下的预报误差,以及天气预报误差对PM2.5质量浓度预报误差的影响.结果表明,BP神经网络模型对5个站点的PM2.5预报结果稳定,平均相对误差为29.71％.在有利于PM2.5扩散的气象条件下预报误差较大,风速较大时与风速较小时预报误差的差异高达15％,而不同降雨量情况下的预报误差较相近.修正天气预报后,各站点的预报误差平均降低了4.67％.这表明可从空气质量数据质量等方面人手改进模型. 相似文献
1