基于PCA-RBF神经网络的地铁车站火灾风险评估

为避免地铁车站火灾事故的发生,帮助地铁车站管理部门做好火灾风险评估工作,提出基于PCA-RBF神经网络的地铁车站火灾风险评估模型。采用主成分分析法(Principal Component Analysis,PCA)对风险评价指标体系进行降维处理,并将降维后的主成分作为RBF神经网络的输入变量;选择具有代表性的样本数据训练RBF神经网络,并用检验样本测试训练效果;最后,输入待测样本数据得出火灾风险评估结果。通过实例对比分析,验证了该评估模型在地铁车站火灾风险评估中的可行性与准确性,对类似项目火灾风险评估具有一定参考意义。     

广州地区不同粒径段大气颗粒物中水溶性有机碳的吸光贡献

对广州地区春季（2015年3~4月）、夏季（2015年6~7月）、秋季（2015年9~10月）、冬季（2015年12月~2016年1月）四个季节6个粒径段（<0.49、0.49~0.95、0.95~1.5、1.5~3.0、3.0~7.2以及7.2~10.0μm）的大气颗粒物样品中水溶性有机碳（WSOC）的浓度和光学性质等变化特征进行了研究.结果表明,WSOC的浓度水平呈现冬季[（5.07±2.80）μg/m³]>秋季[（3.87±1.51）μg/m³]>春季[（3.60±1.16）μg/m³]>夏季[（2.42±0.51）μg/m³]的季节变化特征;WSOC的质量平均直径（MMD）为0.57μm （春）、0.42μm （夏）、0.49μm （秋）和0.56μm （冬）.WSOC的质量吸收效率MAE₃₆₅差异较大,分布在0.18~1.42m²/g之间,冬季最高;吸收波长指数AAE值分布在3.6~9.8之间.细颗粒物（<3μm）中WSOC对PM₁₀WSOC总吸光的贡献达到了90%以上,其中<0.49μm颗粒物的贡献超过50%.在300~500nm之间,春季、夏季、秋季和冬季WSOC对颗粒物总吸光比例平均值分别为5.23%、2.95%、3.04%和6.92%;其中<0.49μm粒径段的贡献最高,分别为3.11%、1.79%、1.65%和3.45%.进一步通过特征紫外吸光度SUVA值的分析表明芳香性和分子量可能是影响WSOC吸光能力的重要因素.粒径越小颗粒物含有越多的不饱和键,使得MAE₃₆₅值较高.     

华南高山背景地区黑碳云内清除特征

基于2020年南岭背景高山地区的3个典型云事件,利用地用逆流虚拟撞击器采集云中颗粒物,结合单颗粒黑碳光度计和激光雾滴谱仪分析黑碳浓度及云参数特征,探讨黑碳云内清除率及其影响因素.结果表明：进入云内的黑碳约占整体的20%,而云中含黑碳云滴的占比（4.67%）则少于含黑碳间隙颗粒的占比（15.31%）;黑碳的分粒径质量清除率和数量清除率接近,变化范围均为28%~59%;高液态含水量和云滴数浓度有利于黑碳云内清除率的增加,而黑碳云内清除率会随黑碳总浓度的增加而降低,各因素对于黑碳云内清除的影响由大到小为：云滴数浓度>液态含水量>总黑碳浓度.     

广州城区秋冬季大气颗粒物中WSOC吸光性研究

主要对广州秋季(2014年9月)和冬季(2014年12月~2015年1月)大气PM_(2.5)和不同粒径段颗粒物样品中水溶性有机碳(WSOC)的吸光性进行了研究.结果表明,PM_(2.5)上WSOC的光吸收波长指数(AAE_(abs))秋、冬季分别为3.72±0.41和3.91±0.70,低于北京和北美地区测量结果.WSOC在365 nm波长的质量吸收效率(MAE)秋、冬季分别为0.52 m~2·g~(-1)和0.92m~2·g~(-1),两个季节具有明显的差异.冬季WSOC的MAE值呈现随粒径增大而降低的趋势;而秋季所有粒径段颗粒MAE_(WSOC)都比冬季低,特别是0.95μm粒径段颗粒降低得更多,这表明秋季颗粒物中WSOC二次源的贡献更大一些,而且主要是富集在亚微米级颗粒物上.此外,对比本研究以及文献中报道的元素碳(EC)和WSOC的MAE值,可以发现在颗粒物受一次源排放影响较大的情况下,WSOC对于颗粒消光的贡献是不容忽视的.