基于MRMR-RPK-ELM模型的PM2.5质量浓度预测

为了提高PM2.5质量浓度预测精度,提出一种用最大相关最小冗余算法(MRMR)筛选最优特征值,高斯多项核函数(RPK)优化极限学习机(ELM)的PM2.5质量浓度预测模型.以赣州市为例,选择PM10、O3、SO2、CO、NO2、降水、气压、气温、相对湿度、风速等10个影响因子,PM2.5为目标因子,通过降维处理和核函数特征映射代替随机映射解决PM2.5的高度复杂性.结果表明,MRMR算法选出的影响因子PM10、O3、CO、NO2和相对湿度,不仅考虑目标因子与影响因子的相关性,还考虑影响因子之间的相关性,进而降低了数据维度.MRMR-RPK-ELM模型的平均绝对误差、均方根误差、平均绝对百分比误差和确定系数分别为6.35、9.618、19.89％和0.942,相较于原始的ELM模型,PM2.5质量浓度预测精度有明显提升,拟合程度较高,且具有更好的泛化能力,能准确捕捉PM2.5质量浓度的突变节点.     

西安市PM2.5污染的时空分布

为探索PM2.5的分布规律及其影响因素,对2013年西安市13个监测站点的全年ρ(PM2.5)数据进行了统计与整理.分析了ρ(PM2.5)的时空分布,采用聚类分析、小波变换研究了ρ(PM2.5)的区域分布特征与年际变化及突变特征,并对相关因素进行了探讨.结果表明,西安市ρ(PM2.5)在时间分布上具有冬高夏低的特点,而在空间分布上则以市人民体育场和草滩监测点所在区域为ρ(PM2.5)高值中心;ρ(PM2.5)在空间上可分为3大类,纺织城监测点单独为1类,经开区与草滩监测点为2类,另外10个监测点为3类,聚类效果的相关系数为0.7994,显示聚类效果较好;在ρ(PM2.5)年际变化中,除了6月和7月以外,其他月份ρ(PM2.5)均值为147.29 μg/m3,日照时间短和静风是导致ρ(PM2.5)发生突变的主要气象因素.     

长株潭城市环境空气中PM2.5和O3质量浓度的相关性研究

PM2.5与O3均为导致城市环境空气质量恶化的主要污染物,采用自动设备监测湖南省长沙、株洲、湘潭3市商业区和郊区空气中的PM2.5和O3质量浓度,并对数据进行相关性分析.结果表明:PM2.5和O3质量浓度的季节性变化大,其中O3质量浓度夏、秋2季高,春、冬2季低;PM2.5则秋、冬2季高,春、夏2季低;O3质量浓度峰值一般出现在当天午后,PM2.5质量浓度峰值一般出现在上午;空间分布上,O3质量浓度在郊区站点相对较高,而PM2.5质量浓度在商业区站点较高.PM2.5与O3质量浓度变化以负相关为主,即PM2.5质量浓度高时,O3质量浓度则低,反之亦然,二者一般不产生叠加污染.总体上,夏、秋季节应主要防O3污染,春、冬季节则主要防PM25污染.     

环境信息关联模型及植被对PM2.5浓度的影响研究

选取北京24个PM_(2.5)监测站点2017年8月17日至21日逐小时PM_(2.5)质量浓度数据及16个市辖区的逐小时气象数据,建立了北京各区关于PM_(2.5)质量浓度的环境信息关联模型,并在此基础上分析了植被在PM_(2.5)与气象因素及区域污染的关联中发挥的作用。通过分析模型脉冲响应曲线的数值可以看出,绿化率与PM_(2.5)对相对湿度扰动的响应相关性最高(R2=0.71),其次为风速(R2=0.54),但绿化率与PM_(2.5)对温度扰动的响应的相关性不高。PM_(2.5)对风速扰动的响应最为迅速。绿化率越高的市辖区,PM_(2.5)对3种气象要素的响应越剧烈且越容易出现波动,PM_(2.5)对气象要素总扰动的响应的滞后期与绿化率有较强的相关性(R2=0.62)。对各区域PM_(2.5)质量浓度进行逐步回归分析,结果表明高植被覆盖的地区更不易受到其他区域污染物的影响。     

2010年中国东部PM2.5空间分布及沉降模拟研究

结合我国目前面临的PM2.5污染严重问题,采用CMAQ 4.7.1模式模拟我国东部各省PM2.5浓度分布,并探索了其输送、沉降规律.结果表明:综合空气质量模式CMAQ模拟结果与观测结果较为一致,可以较好地模拟PM2.5质量浓度变化特征;我国东部PM2.5呈现明显的季节分布特征,且PM2.5质量浓度分布与污染源的位置分布有较好的对应,呈现由城市边缘向城市中心推移递增的趋势,区域性PM25高值中心可达120 μg/m3以上;湿沉降是细颗粒物的主要去除方式,且湿沉降量至少为干沉降量5倍以上;PM2.5夏季沉降通量最大,冬季最小,我国东部地区沉降通量高值中心可达30 mg/(m2·d)以上;模拟区域湿沉降量占总沉降量的91％以上,模拟计算区域的总沉降量为4.67×106 t/a,其中京津冀地区细颗粒物总沉降量为1.65 × 106 t/a.     

基于在线观测的北京冬季一次PM2.5重污染过程特征分析

选取2017年1月初北京一次典型PM_(2.5)重污染过程为研究对象,应用污染物在线监测仪器并结合气象要素对地面PM_(2.5)及化学组分质量浓度污染特征进行了分析,采用微脉冲激光雷达对垂直方向进行观测,分析边界层及消光系数的变化特征。结果表明,从PM_(2.5)质量浓度的演变过程来看,本次污染可大致分为爬升、重污染、清除3个阶段。重污染时期的气象特征为高湿、低压、低风速;南部琉璃河((336.8±118.6)μg/m~3)、永乐店((323.1±86.2)μg/m~3)PM_(2.5)污染水平相近,均高于城区车公庄((278.7±138.7)μg/m~3);碳组分和二次水溶性离子是PM_(2.5)的主要组分,占到PM_(2.5)质量浓度的58.09%(车公庄)、71.43%(琉璃河)、76.57%(永乐店);SO2-4质量浓度上升显著,在总组分中比例由非重污染时期的16.73%升高到重污染时期的22.29%;3处监测点SOR和NOR均值分别为0.57和0.24,表明重污染期间二次转化明显。垂直方向观测结果表明,重污染时期边界层高度明显降低;气溶胶近地面消光系数高,表明污染物主要集中在近地面层。     

北京典型污染过程PM2.5的特性和来源

通过采集北京2010年12月—2011年3月冬春季节大气细颗粒物PM2.5样品,分析了冬春季典型污染时段灰霾和沙尘期间大气细颗粒物PM2.5的质量浓度和其中元素、水溶性离子、有机组分OC和EC特性,及其季节变化和来源.结果表明,北京灰霾和沙尘期间PM2.5日均质量浓度分别高达301.8 μg/m3和284.8 μg/m3,是美国EPA PM2.5日均质量浓度限值(35 μg/m3)的8.62倍和8.14倍.灰霾时段,人为污染元素(S、Cu、Zn、As、Se、Cd、Sb、Pb)、二次无机离子(NH4+、NO3-、SO42-)和二次有机碳(SOC)的质量浓度均高于沙尘天气和非污染天气.沙尘天气时地壳元素(Na、Mg、Al、Ca、Fe等)的质量浓度高于灰霾天气和非污染天气.北京冬春季节PM2.5主要来源于燃煤和工业过程、二次转化、地面扬尘、机动车尾气和生物质燃烧.灰霾污染时段二次转化贡献率较高,沙尘污染时段地面扬尘贡献率较高.     

气象参数对基于BP神经网络的PM2.5日均值预报模型的影响

建立了基于BP神经网络的PM2.5质量浓度预报模型,对广州市5个监测点2012年6月-2013年5月的PM2.5质量浓度日均值进行预报,分析了总体预报误差、不同风速和降雨量下的预报误差,以及天气预报误差对PM2.5质量浓度预报误差的影响.结果表明,BP神经网络模型对5个站点的PM2.5预报结果稳定,平均相对误差为29.71％.在有利于PM2.5扩散的气象条件下预报误差较大,风速较大时与风速较小时预报误差的差异高达15％,而不同降雨量情况下的预报误差较相近.修正天气预报后,各站点的预报误差平均降低了4.67％.这表明可从空气质量数据质量等方面人手改进模型.     

基于后向轨迹模型的成都市典型灰霾期间PM2.5演化的自组织分析

研究了成都市2013年11月29日—12月8日一次重度灰霾期间,草堂寺、金泉两河、梁家巷、十里店4个监测站点PM2.5小时平均质量浓度序列的时间演化规律。首先应用后向轨迹模型对抵达成都市的大气气团进行模拟,结果表明,灰霾期间本地气团(100 km)对成都市PM2.5污染物的贡献率远超过中远距离的外来气团(100km)。进一步应用频度统计分析方法和消除趋势波动分析法对灰霾期间PM2.5的质量浓度序列进行了统计分析,发现PM2.5的质量浓度波动在时空上具有标度不变的幂律统计分布和长期持续性特征。最后基于自组织临界理论,探讨了成都市大气在本地气团控制下PM2.5演化的内在动力机制。结果表明,成都市大气PM2.5演化系统的自组织临界性是此次灰霾期间PM2.5浓度演化的内在动力机制。     

我国能源消耗对人群PM2.5暴露水平的随机影响效应分析

能源燃烧产物是PM2.5暴露水平提高的重要因素,燃烧不同种类的能源对PM2.5形成的影响机理不同,但各类能源消耗量对人群PM2.5暴露水平的影响程度尚不明确.基于2003-2010年的PM2.5质量浓度与煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然气和电力消耗数据组成的面板数据,建立了不同种类能源消耗影响我国人群PM25暴露水平的随机效应模型.结果表明,我国2003-2010年多数省(市、自治区)的年均PM2.5质量浓度超过了世界卫生组织的标准.在研究时间段内,不同种类能源消耗量对人群PM2.5暴露水平的影响具有较大差异,煤炭、焦炭、汽油和煤油消耗对人群PM2.5暴露水平具有正影响,其中,正向影响最大的为焦炭消耗量,表明工业消耗焦炭对形成PM2.5的促进作用比较明显;与焦炭消耗量具有相近的影响效果的因素是汽油消耗,表明改进机动车和航空燃油技术同样非常重要;原油、柴油、燃料油、天然气和电力消耗对人群PM2.5暴露水平具有负影响,其中负向影响最大的为电力消耗量,表明电力作为一种清洁能源,有利于降低人群PM2.5暴露水平.     

基于PM2.5与PM10比值的吉林省空气污染分析

对吉林省重点城市2015年~2018年大气日均值PM2.5/PM10数据进行处理,从空气中细颗粒物的比例角度评价吉林省的空气污染情况。经过分析得出结论即吉林省2015年~2018年空气质量明显好转,特别是2018年。中度及以上污染天气污染程度下降显著。月份中10、11、12月份污染下降明显。城市中松原市污染较轻。     

基于XGBoost-ARIMA方法的PM2.5质量浓度预测模型的研究及应用

针对PM_2.5时间序列的非线性、高噪声、不平稳与波动性的特征,提出一种基于分解集成框架以及相关性去噪的新型XGBoost-ARIMA混合预测模型。以石家庄市为例,选择PM₁₀、SO₂等4个影响因子,PM_2.5为目标因子,构建混合预测模型以合理区分与处理时间序列中高频、低频数据,并通过Pearson相关性去噪方法对时间序列中的噪声因子进行去除。实例验证及与经典预测模型的对比研究表明,提出的新型XGBoost-ARIMA混合预测模型适用于大气污染治理以及环境政策制定所需的PM_2.5质量浓度日均数据预测,实现了针对大气污染物日均质量浓度的准确预测,能够为污染治理与政策制定提供科学的数据支撑;该方法与经典预测模型相比,具有更优的预测性能(平均绝对误差仅为10.465 18,且希尔不等系数低至0.085 89)。     

X射线康普顿散射成像技术的研究与应用

本文结合X射线安全检查设备应用的现实情况,阐述了X射线康普顿散射成像原理和特点,并就相关成像设备的应用领域进行了介绍和分析。     

反向电场电袋过滤PM2.5的试验研究

为高效收集微细颗粒物,提出一种反向电场静电增强袋式除尘器;并研究了过滤风速对反向电场静电增强袋式除尘器除尘效率的影响;试验对比了反向电场静电增强袋式除尘器、预荷电袋式除尘器、普通袋式除尘器的除尘效果,结果表明,反向电场袋式除尘器的除尘性能明显优于普通袋式除尘器和预荷电袋式除尘器.对于处理PM2.5烟雾,当风速为1.5 m/min时,反向电场静电增强袋式除尘器的除尘效率比普通袋式除尘器高10.0％以上;当风速为2.0 m/min时,反向电场静电增强袋式除尘器的除尘效率比普通袋式除尘器高50.0％以上.     

基于中尺度空气质量模型的北京市城区PM2.5人口暴露情况初步研究

本文利用空气质量模型比较北京市六个中心城区PM2.5区域人口相对暴露风险,探讨各区冬季与夏季暴露风险差异。使用CHIMERE中尺度空气质量模型模拟2017年1月与8月北京市东城区、西城区、朝阳区、海淀区、丰台区、石景山区每公里网格的PM2.5平均浓度,使用POI分配方法优化各个城区每公里网格人口数据,利用GIS软件拟合浓度数据和人口数据,计算各区人口相对暴露风险。使用暴露—反应关系系数计算各区冬季与夏季的暴露风险差异。得出北京市城区各区的PM2.5人口相对暴露风险分别为石景山区0.31,丰台区0.71,海淀区0.76,朝阳区1.05,西城区2.67,东城区3.07。相对夏季,城区各区冬季暴露风险增长率分别为石景山区2.0%,丰台区2.2%,海淀区1.7%,朝阳区2.1%,西城区2.9%,东城区2.9%。北京市城六区各区PM2.5人口相对暴露风险差异显著,东城区、西城区暴露风险相对最高,石景山区暴露风险相对最低。冬季暴露风险明显高于夏季,东城区、西城区冬季暴露风险升高最为显著,海淀区暴露风险升高值最低。     

联合Transformer注意力机制的PM2.5浓度预测网络研究

应用深度学习技术进行PM_2.5浓度预测方法的研究,提出联合Transformer注意力机制的循环预测网络。模型的核心是多头注意力-长短期记忆网络(MH-LSTM),通过构建统一记忆单元捕捉时空特征关联。MH-LSTM单元使用LSTM联合Transformer注意力机制对时间变化和全局空间特征统一建模形成记忆信息。记忆信息“之”字流向跨越堆叠的MH-LSTM模块,高层记忆信息辅助下一时刻低层记忆信息的获取。应用该模型结合河北省生态环境监测中心提供的PM_2.5浓度数据开展预报试验,结果表明,相对于卷积LSTM网络(ConvLSTM)、预测循环神经网络(PredRNN)、双重记忆网络(MIM),该模型预测的平均绝对误差分别减小了18.13%、10.23%、9.62%,实现了同时捕捉PM_2.5浓度的时空相关性,具有更优预测性能。     

基于生态毒性的再生水补给河流氨氮控制目标研究

再生水补给河流是解决城市景观用水缺乏的重要途径,但是再生水中的氨氮,特别是游离氨对水生生物的毒害作用也不容忽视.针对再生水补给河流的典型场景,根据物种敏感度分布法(Species Sensitivity Distribution,SSD),计算得到游离氨的属急性毒性基准最大质量浓度(Criterion Maximum Concentration,CMC)为0.093 mg/L.以保护95％水生生物为目标的河水氨氮控制目标分别为4.37 mg/L(水温T≤12℃)和1.73 mg/L(水温T＞ 12℃).根据再生水补给河流的不同比例(体积比),计算再生水的氨氮控制目标.当河流上游来水分别满足地表水环境质量标准Ⅳ、Ⅴ类水体要求和CMC值,再生水占混合后河水的比例为20％～100％且水温T＞ 12℃时,再生水氨氮控制目标分别为1.7～2.6 mg/L、0.6～1.7 mg/L和1.7 mg/L;当河流上游来水分别满足Ⅳ、Ⅴ类水体要求,再生水占混合后河水的比例为50％～100％且水温T≤12℃时,再生水氨氮控制目标分别为4.4～7.2 mg/L和4.4～6.7 mg/L.当河水全部由再生水组成时,推荐再生水的氨氮控制目标为1.7 mg/L(水温T＞12℃)和4.4mg/L(水温T≤12℃).     

沈阳黑炭气溶胶浓度的观测研究分析

对2008年3月至2009年2月沈阳黑炭气溶胶(BC)质量浓度观测资料进行了研究分析.结果表明,沈阳黑炭质量浓度平均值为6.143 μg/m3,每小时平均质量浓度最大值达51.426 μg/m3.黑炭质量浓度日变化有明显的双峰特征,最高值一般出现在7:00-9:00和18:00-20:00,低值出现在2:00-4:00和13:00--15:00.黑炭质量浓度具有明显的季节变化,并且与近地层大气温度垂直梯度有着较好的对应关系.夏季黑炭平均质量浓度最低,最高值出现在1月份,这与冬季取暖和近地层经常出现逆温等有关.与国外城市和国内拉萨与西宁相比,沈阳黑炭质量浓度明显偏高,但与北京和西安的黑炭质量浓度大致相当.     

基于变频器的X射线安全检查设备传输系统改造

X射线安全检查设备传输系统中380V三相异步电动机供电方式为全压工频供电。电动机启动时电气和机械冲击剧烈,导致启动噪音过大且容易损坏机械部件。本文提出了一种利用变频器软启动功能解决该问题的方法,该方法很好地解决了启动噪音过大和机械冲击问题,并且将设备由三相供电改为单相供电,扩大了设备的使用场合,对各型号的安检设备有着很好的借鉴意义。