基于BP神经网络的VOCs实时源解析方法

为了提高挥发性有机物(VOCs)源解析的时效性,基于BP神经网络提出了对VOCs监测数据进行实时源解析的PBP模型。利用验证数据证实了PBP模型可获得与PMF模型准确性相当的源解析结果,并且PBP模型具有不受输入数据量限制且计算速度快的优点。将PBP模型应用于长三角某工业园区监测时长为10个月的VOCs组分在线数据并计算得到高时间分辨率的源解析结果,发现监测点位VOCs主要来源为工业源(25%)>燃煤源(20%)>汽油车尾气源(18%)>溶剂使用源(15%)>柴油车船舶尾气混合源(12%)>油品挥发源(6%)>植物源(5%)。此外,结合风速风向数据对各污染源主要贡献方位进行识别,为VOCs的精确管理和控制提供参考,且具有较大的源解析应用潜力。     

细颗粒物凝并长大技术研究进展

随着各类高效除尘器的开发与改进,目前96%～99%以上质量的粉尘已能被有效去除,但细颗粒物的去除效率较低,逃逸粉尘中细颗粒物占比高。通过预凝并技术使细颗粒物团聚长大进而提高其脱除效率,是目前除尘技术研究的一个重要方向,对大气污染的防治起到关键作用。细颗粒物预凝并按机理可以分为湿法凝并、电凝并、声波凝并、磁凝并、湍流凝并、光凝并和热凝并等。重点针对上述前4种凝并技术,对国内外最新研究进展进行总结与分析讨论,并在此基础上对各凝并技术的发展前景进行展望。