基于ARIMA模型对扬州市PM2.5的分析和预测

针对扬州市PM2.5浓度变化的时间序列分布特征,应用求和自回归移动平均(ARIMA)模型,分别预测扬州市1月、4月、7月和10月每月的1-5日的PM2.5日均浓度,结果表明,所预测天数中约60％的PM2.5日均浓度与实测值较接近,但仍有极个别天数的PM2.5日均浓度存在较大偏差,说明运用ARIMA模型对扬州市PM2.5...     

基于ARIMA模型的北京市朝阳区建筑垃圾产量分析与预测

在建筑垃圾产量历史数据缺失的情况下,借助ARIMA模型预测朝阳区拆除面积和建筑竣工面积,从经验系数法和间接预测法入手,对朝阳区的拆除垃圾、新建垃圾和装修垃圾的产量进行了预测。研究结果,表明未来8年朝阳区新建剩余垃圾和装修垃圾的产生量呈缓慢上升的趋势,工程槽土和拆除垃圾的产生量呈现周期性的波动;工程槽土对建筑垃圾总量的贡献最大,其次是拆除垃圾,新建垃圾的贡献最小。综合考虑不同类建筑垃圾的产生量和特点,朝阳区政府应加大拆除垃圾和装修垃圾无害化和资源化的管理力度。     

西安市PM_(2.5)污染源位置确定的模型应用研究

针对空气中PM2.5污染物的传播问题,以西安市的情况为实例,合理考虑风力等天气和季节因素的影响,建立能够刻画该地区PM2.5的发生和演变规律的有风高斯点源扩散数学模型,代入相关数据后,利用MATLAB软件求解出PM2.5污染源由一区扩散到另一区的浓度,最后由综合的各区总浓度得出PM2.5污染源的位置,并与该市实际检测到PM2.5数据进行对比分析。结果表明,确定的位置比较准确,该方法能为城市污染治理提供参考。     

浅析沈阳市高层建筑周边PM_(10)与PM_(2.5)质量浓度对应性

以空气中可吸入颗粒物(PM2.5和PM10)为研究对象,分析了采暖期和非采暖期不同监测点位PM10与PM2.5的相关性。结果表明,采暖期和非采暖期不同高度PM10与PM2.5的相关性均相当明显,可吸入颗粒物中PM2.5占绝大比重;采暖期不同高度PM10与PM2.5的相关系数大于非采暖期,季节变化规律明显。     

太原市采暖季PM_(2.5)的污染特征分析

收集了采暖季太原市环境监测中心站公布的PM2.5和其它污染物(PM10、SO2、NO2、CO和O3)逐时监测数据,分析了PM2.5的月、日及小时浓度分布特征和变化规律,结果表明:太原市采暖季PM2.5的小时浓度范围为9~364μg/m3,日浓度范围为19~208μg/m3,PM2.5最大日均值出现在2014年1月份,PM2.5小时浓度日变化规律呈单峰双谷趋势,PM2.5与PM10比值在0.30~0.77之间,二者相关性显著,相关系数为0.925。     

徐州市春季PM_(10)及PM_(2.5)污染来源分析

采集了徐州市具有代表性的9个点位的春季环境空气样品,对不同功能区的监测点PM10及PM2.5污染水平及其来源进行了分析。结果表明,徐州市区代表不同功能的监测点污染特征明显,PM10与PM2.5污染主要来源于燃煤(包括电厂、其他工业)等固定源、机动车移动源,并受到工业废气、建筑施工扬尘等的影响。其水溶性离子、金属成分污染水平与其他城市相当,但由于受燃煤电厂的影响,Pb,Mn,As,Cr含量明显高于其它城市。     

太原市冬季SO_2、PM_(10)和PM_(2.5)浓度城郊变化特征研究

通过对太原市2013年冬季SO2、PM10和PM2.524小时浓度均值实时数据的整理和分析,结果表明,各项污染物浓度在城区和郊区差异显著。由于城郊地形条件、气象条件基本一致,各项污染物24小时浓度月变化曲线趋势基本相同。城郊PM2.5和PM10浓度比值范围与均值差别较小,比值月变化曲线趋势基本相同,城郊颗粒物污染物来源相同或相近。相关性分析表明PM2.5分别与PM10和SO2浓度均为高度正相关关系,三者污染源存在较大一致性,冬季区域污染主要以燃煤排放大气污染物为主要特征。     

镇江市冬季PM_(2.5)的来源解析

采集了镇江环境监测站1月份的PM2.5样品,用SPAMS 0515对PM2.5来源进行解析,结果显示,对镇江市区冬季环境空气有明显贡献的颗粒物来源是汽车尾气、燃煤、工业排放和扬尘,4者的贡献率分别为汽车尾气占22.5%、燃煤占16.3%、工业源占13.6%、扬尘占11.8%。镇江市区冬季PM2.5颗粒中,汽车尾气、燃煤分布在小粒径段,扬尘分布在大粒径段。日间汽车尾气和扬尘对PM2.5增高的影响增大,早高峰、晚高峰汽车尾气贡献增长。PM2.5中含的Mn、Fe、Cr、Zn、Pb 5种金属元素颗粒中含Pb颗粒数量最大。     

海南省PM_(2.5)主要来源与防治对策

为保持海南省的环境空气质量优良,防治雾霾污染,着重从直接来源、间接来源、迁移来源三个方面分析PM2.5的主要来源。以城镇为治理重点,加强街道的治理,大力绿化美化,加大汽车尾气的污染防治,强化餐饮业油烟排放管理;此外,加强建设施工场地的监管,进一步推进工业企业减排,加快清洁能源推广,强化污染监测体系建设,发挥公众参与等,从而切实搞好海南省空气中PM2.5的污染防治。     

北京市PM_(2.5)分布的不均匀现象

对北京若干居住区进行了持续监测,并收集了北京环境监测中心、北京市气象台的相关数据并进行了分析,指出北京这一特大城市在PM2.5分布中存在着多维度上的不均匀现象。这一不均匀现象表现为:(1)在多种尺度下其质量浓度分布不均匀;(2)全年时段内PM2.5已成为首要污染物;(3)霾主要发生在微静风天气中;(4)不同风向条件下,均存在着明显的最高值、最低值的监测点。据此得出,北京这一特大城市的PM2.5分布具有以下特征:(1)PM2.5主要来源于城市内部;(2)风环境等对PM2.5分布具有重要作用;(3)城市格局对PM2.5分布具有重要影响。     

基于离散参数马尔科夫链的PM_(2.5)预测

PM2.5与人们的生活与健康休戚相关,对PM2.5的预测是一项利国利民的工作。根据大气污染物浓度限值将南京市PM2.5日平均浓度数据分为6个等级,并基于离散参数马尔科夫链建立PM2.5的预测模型;然后利用一步状态转移概率矩阵,通过C-K方程对模型有效性进行检验;最后根据离散参数马尔科夫链的遍历性得到稳态分布和重现期,并对未来南京市PM2.5污染状态进行预测。结果表明:该离散参数马尔科夫链模型用于PM2.5等级预测是简单且有效的;通过此模型预测得到未来南京市PM2.5污染将有所减轻,与过去一段时间相比PM2.5等级处于优、良和轻度污染的概率略微上升,重度污染和严重污染的概率几乎保持不变。     

西安市PM2.5时空分布模型研究

由基于时间序列的神经网络与BP神经网络构成一个二级神经网络模型.首先用基于时间序列的神经网络来构造模型,在每个监测站运用基于时间序列的神经网络模型得到一PM2.5的预测值P1,PM2.5与地理坐标之间无根本联系,只与相应地理坐标的环境因子有关,故用BP神经网络建立预测值P1与实测值P的模型,从而得到预测值P2,即通过构建二级神经网络得到PM2.5时空分布模型,然后对P2与P求均方差根RMSE进行检验.     

基于PM2.5浓度的室内通风调控

引入平衡点模型,利用计算得到的室外平衡点浓度对广州市多个采样住宅的室内PM25环境清洁度进行评价;基于广州市采样住宅PM25室外平衡点浓度与实测室外浓度的比较,对室内通风条件提出调控建议,结果是广州市3个采样住宅室内PM25环境清洁度属中等水平;相对当时的室内排放源情况和室外实测浓度条件下,一个住宅应加强通风,另两个住宅应控制室外空气的渗透影响.     

太湖水体Chl-a预测模型ARIMA的构建及应用优化

叶绿素a(Chl-a)是湖泊浮游植物生物量的重要指标,其含量能反映水中浮游植物的丰度和变化规律.以1999年12月～2019年8月太湖水体Chl-a和环境因子的逐月监测数据为基础,运用主成分分析方法探讨了 Chl-a与环境因子的关系,据此建立了 Chl-a与主要环境因素之间的多元线性逐步回归模型及自回归综合移动平均模型...     

基于文献计量的PM2.5国内外研究情况分析

本文采用文献计量方法分析研究了PM2.5相关领域论文研究态势。本研究主要通过分析WOS、CSCD、CNKI等数据库中的论文收录及引用情况,识别国内外主要研究领域、主要研究机构及人员、高影响力论文等,结合各国相关政策变化,讨论影响该领域发展的关键因素。通过本研究,作者预测未来中国的PM2.5研究论文将出现峰值。     

崇明岛地区PM10和PM2.5浓度分析研究

2010年1月上海市政府颁布了《崇明生态岛建设纲要(2010-2020)》,本文从2013年9月1日至2014年8月31日运用颗粒物采集仪器于森林公园、绿华、现代农业园区、城桥四个空气自动监测点位监测PM10和PM2.5,分析PM10和PM2.5的浓度与风向的关系得出PM10和PM2.5污染与江对面的吴淞工业区、宝钢、石洞口电厂、罗店工业区乃至江苏太仓沿江工业区的污染物排放密切相关,在相当大的程度上主要是来自于他们的贡献.     

灰霾与PM2.5

经过北京奥运会、上海世博会和广州亚运会,空气质量保障的成果让老百姓亲身体验了"蓝天白云"的益处.进入秋冬转换季节,全国连续发生的雾霾事件,又使原本陌生的PM2.5成为了几乎家喻户晓的热点.以PM2.5为标志,中国大气污染的防治将进入全新的历史阶段.而有效地改善大气能见度,需要认识污染排放与大气PM2.5浓度以及PM2.5与大气能见度之间的关系.从科学上,这两个关系都是十分复杂的非线性关系,这藏意味着大气灰霾的治理将是一个艰辛的历程.     

基于神经网络和数值模型的重点区域PM2.5预报比较分析

应用BP神经网络法建立京津冀及周边城市、汾渭平原、苏皖鲁豫交界地区和长三角地区等重点区域95个城市PM_2.5预报模型,对2020年秋冬季上述地区城市开展未来7 d的PM_2.5预测预报,并对比同期业务化运行的数值模型预报结果和各城市人工订正后预报结果,对3方法预报效果进行分析评估.结果表明:（1） 4区域神经网络法模型性能短期预报相对较好,中长期有所降低,对4区域均有一定的系统性高估,苏皖鲁豫交界地区系统性偏差最小,长三角地区偏差最显著.数值模型区域预报水平较神经网络有所降低,各评价指标总体低于神经网络,对辖区城市间预报效果较神经网络差异更大.（2）神经网络、数值模型和人工订正方法对4区域PM_2.5浓度预报准确率普遍较低,平均不足50%,准确水平总体呈:神经网络>人工订正>数值模型. 3方法分指数级别范围准确率均大幅提升,4区域1～4 d平均准确率均在65%以上,神经网络模型和人工订正水平相近,总体高于数值模型.（3）在预报中度及以上污染级别日时,数值模型在京津冀及周边城市、苏皖鲁豫交界地区和长三角地区效果均较...