方位聚散因子及其在PM2.5浓度预报中的应用

污染物浓度预报是应对大气污染问题的重要手段.现有的模式类预报方法受限于排放源清单的准确性,而在污染物排放源短期少变的条件下,基于气象要素的统计类预报方法是一种更具实用性的方法.但现有统计类预报方法的计算模型输入量缺乏对气象要素累积效应的表征,以及对气象因素影响大气污染物聚散过程的表征,严重影响了预报的精度.为此,本文提出了一种着眼于改善计算模型输入量的统计类PM_(2.5)浓度预报方法.该方法采用方位聚散因子作为计算模型输入量,既可表征出PM_(2.5)累积与消散的过程,又考虑了气象要素在一定时段内的累积效应,为提高预报精度奠定了良好的基础.同时,通过BP神经网络训练,本方法在方位聚散因子与PM_(2.5)浓度值之间建立起关联模型,从而完成对PM_(2.5)浓度值的准确预报.     

顺序注射平台-分光光度法测定水中总磷

参照希思迪在线总磷分析仪和荷兰Skalar在线过程分析仪测定水中总磷的方法,对顺序注射平台分析技术进行改进,从而建立了钼酸铵分光光度法测定水中正磷酸盐的快速分析方法,该方法集微功耗、微量试剂消耗于一体。注射平台具有模块化、投入式探头等结构特征,仪器包含3个检测量程,适用于环境监测等领域的实时在线分析。实验选择磷酸蓝的测定吸收波长为880 nm,当总磷质量浓度为0.10~2.00 mg/L时,浓度与吸光度呈线性关系,线性回归方程y=0.970 3x-0.025 3,相关系数为0.999 5,方法的检出限为1.36×10-2mg/L。