限行对LPG公交车工况影响与减排效果

以大型LPG公交车为对象,研究广州市限行措施对车辆运行工况及排放的影响。采用车载排放测试实时测试亚运限行前后公交试验车辆道路运行工况与排放,进行数据统计分析。结果表明,限行措施使公交车辆平均车速提升了37.9%,怠速运行时间占比下降了6.28%,低于20 km/h的低速运行时间占比下降了15.5%,20~40km/h的中速运行时间占比增加了11.1%。限行使公交车辆平均加速度增大,平均比功率VSP变大。CO、HC和NOx的平均排放速率随车速、比功率VSP增大呈先增大后降低的趋势,随加速度增大而增大。限行使公交车辆负荷率增大,排气中CO、HC和NOx的平均排放速率较未限行时有所提高。相同运行里程下,限行使公交车辆运行时间减少27.5%。综合结果,限行使公交车辆尾气中CO、NOx和HC的排放量分别降低了21.71%、10.36%和11.95%,使平均排放因子降低。限行使道路拥堵情况得到改善,有效提高了公交车辆行驶速度,减少了尾气排放。     

基于机器学习的大气PM2.5中金属浓度预测模型的研究

基于2013—2018年哈尔滨市气象数据、大气污染物数据和细颗粒物（PM_2.5）中金属成分数据，采用机器学习方法探索大气PM_2.5中金属浓度预测模型，并选择最优模型进行污染物浓度预测。结果表明，多元线性回归（MLR）、人工神经网络（BP-ANN）、支持向量机（SVM）和随机森林（RF）4种模型中，RF对大气PM_2.5中5种金属［锑（Sb）、砷（As）、铅（Pb）、镉（Cd）、铊（Tl）］的浓度预测效果最佳，在训练集和测试集中表现均较稳定，其中相关系数（r）均＞0.7， 平均绝对误差（MAE）和均方根误差（RMSE）数值较小。RF在大气PM_2.5中金属浓度预测上具有较好的表现，可在缺乏监测和实验数据的情况下，实现对大气颗粒物中金属浓度的快速预测，为全面了解颗粒物中金属污染特征提供数据基础。