BP人工神经网络在环境空气SO_2质量浓度预测中的应用

根据西安市雁塔区小寨环境空气监测点2011年7月31日起400 d的SO224小时平均浓度监测数据时间序列建立BP人工神经网络(ANN)预测模型,并用接下来100 d的数据对模型的仿真性能进行检验,从而验证了BP人工神经网络模型预测环境空气SO224小时平均浓度的可行性与准确度。经反复调试,最终选用2-3-1的网络结构并以trainbr作为训练算法,经34次迭代网络收敛,耗时7 s,预测结果相对于实际监测数据的平均绝对百分比误差为0.082,模型显示出良好的预测性能。预测结果表明,结构设定合理、训练算法选用适宜的BP人工神经网络模型能较好地反映SO2浓度的动态变化规律,具有可行性。     

小波支持向量机在大气污染物浓度预测中的应用

用小波分解重构和支持向量机相结合的方法,建立大气污染物浓度预测模型。通过小波分解,将大气污染物浓度序列分解为不同频段的小波系数序列,再对各层的小波系数序列重构到原尺度上。利用相关分析的方法构建出低频小波系数a3和中频小波系数d3的支持向量机模型输入因子为前一天小波系数a3和7个气象因子;高频小波系数d2和d1以前三日的小波系数为输入因子,然后对各小波系数序列采用相应的支持向量机模型进行预测,各小波系数均使用ν-支持向量回归机(ν-SVR)算法和径向基函数,最后通过小波重构合成大气污染物浓度序列的最终预测结果。通过对大气SO2浓度预测实例证明,该大气污染物浓度预测模型具有推广能力较强、预测精度较高、训练速度快、便于建模等优点,具有良好的应用前景。     

电化学原位产生H2O2的影响因素分析及数学建模

以Pt为阳极,石墨碳棒为阴极,Na2SO4为支持电解质,实验探讨了电化学原位产生H2O2的规律.通过正交试验,确定阴极溶液初始pH值、电流密度CD、通氧流量Q和支持电解质浓度CNa2SO4等主要参数对H2O2产生量的影响,并提出最佳参数组合:pH=2.00,CD=1.02mA·cm-2,Q=0.4L·min-1,CNa2SO4=0.1 mol·L-1,极间距D=6cm.采用二次多项式逐步回归和BP神经元网络2种方法,建立了这些参数对于H2O2产生量的预测模型,并对模型进行检验.结果表明,2种方法在一定参数条件下都可预测阴极区溶液中H2O2浓度,BP神经元网络法预测的准确度好于二次多项式逐步回归方法,且更适合于在线控制.     

缺失烟囱参数估算及其应用对空气质量模拟结果的改进

针对源清单中部分点源烟囱参数缺失而采用源排放模型SMOKE(Sparse Matrix Operator Kernel Emissions)默认的烟囱参数对空气质量模型模拟结果造成的不利影响,综合考虑气象观测数据、空气质量监测数据、源排放强度以及相关标准和规范对烟囱设计的要求,分别基于最大落地浓度法和基于统计方法对2009年珠三角地区源清单中缺失烟囱参数点源的烟囱参数进行了估算,并将估算烟囱参数用在WRF/SMOKE-PRD/CMAQ空气质量模型系统分析其对模型模拟的改善情况.相比于采用SMOKE默认烟囱参数,基于最大落地浓度估算烟囱参数对NO2、NOx、SO2、PM10及O3的模拟结果均具有一定改善作用,而基于统计方法估算烟囱参数仅对SO2、O3的模拟结果有所提高.结果表明,使用基于最大落地浓度法估算得到的烟囱参数更为合理,使污染物的垂直排放分配更加合理,可以应用于空气质量模型输入源清单中缺失烟囱参数点源的估算,从而一定程度上改善空气质量模型的模拟效果.     

霾天气南京市大气PM_(2.5)中水溶性离子污染特征

为了讨论南京市大气细颗粒物(PM2.5)及水溶性组分在霾天气下的污染水平和污染特征,2007年6月10日至2008年5月29日对南京市大气细粒子PM2.5进行了采样,用PM2.5在线监测浓度、离子色谱法等分别测得PM2.5的质量浓度、水溶性离子组成,初步研究了南京市大气细粒子(PM2.5)及水溶性组分在霾天气下的污染水平和污染特征。结果表明,南京市大气细颗粒物污染严重,霾天气下PM2.5中总水溶性离子质量浓度为54.28μg/m3,为非霾天气的1.6倍。分析的6种离子中SO42-、NO3-、NH4+是PM2.5的主要组成成分。灰霾期间PM2.5与NO3-、SO42-、NH4+的相关性较高,PM2.5中颗粒物的主要存在形式可能为NH4Cl、NH4NO3,(NH)42SO4或NH4HSO4。对比不同季节不同天气下的SOR(SO2转化率)和NOR(NOx转化率),发现霾天气下SO2和NOX转化率高于正常天气,表明SO2、NO2在霾天气更容易转化为二次粒子。     

基于混沌神经网络模型的水库叶绿素a浓度短期预测

通过混沌理论对水库叶绿素a浓度时间序列进行分析计算,得到最大Lyapunov指数为0.0218(正数),表明该时间序列具有混沌特性,可进行短期预测。同时,利用相空间重构的方法计算出时间延迟τ和嵌入维数m,并由此构建了可用于水库叶绿素a浓度短期预测的混沌神经网络模型。将该模型对于桥水库的叶绿素a浓度时间序列进行短期预测,平均预测相对误差为7.85%,取得较为满意的预测效果。该方法对水库的水环境管理具有一定的参考价值。     

基于AERMOD及减排政策的昆明市工业区SO2情景模拟

以昆明市工业区为试点,将2009年作为基准年,2015年作为情景年,利用Aermod模型系统以及相关数据对工业区内SO2环境浓度进行预测.模拟情景的建立基于“十二五”工业源减排规划.研究发现工业源减排措施将对区域SO2浓度有显著影响,降幅最高可达13%.2015年不同模拟时段的SO2等浓度下分布面积均较2009年有明显减小,高浓度地区个数变少,这种现象也出现在污染源非集中地区.研究结果表明利用模型预测可有效分析减排政策对工业区内环境质量状况的影响,有助于建立减排响应机制.     

ISC长期模型在烟台市空气污染控制规划中的应用

首次将ISCLT模型应用在烟台市空气污染综合控制规划中。研究在进行模式验证的基础上，模拟了SO2，NOx长期平均浓度，进行了城市空气污染特征分析及控制效果的预测。结果表明，ISCLT模型完全适用于在气象参数的获得受到限制的情况下模拟大气污染物的长期浓度分布；部分主要高架污染源以及低架点源是烟台SO2污染的主要来源；在市中心区、环境空气中NOx浓度的2／3来源于机动车排放；实施综合治理方案后，区域SO2浓度基本达到国家一级标准。     

基于SARIMA模型的二氧化氮时间序列预测研究

基于烟台主城区2010年1月至2018年6月的NO_2浓度数据,利用Eviews统计软件建立了季节自回归移动平均模型(SARIMA),经过序列平稳化、模型识别及模型诊断,SARIMA(2, 0, 3)(1, 1, 1)12模型的相对误差可控制率在5%以内,拟合效果较为理想。拟合及预测结果表明,烟台市主城区NO_2浓度具有季节性特征,呈递增趋势,随着预测步长的延长,预测误差逐渐增大。SARIMA模型目前适合进行短期预测,今后可结合非线性动力学方法.对其进行改进。     

基于SARIMA模型和普通Kriging法对杭州市主城区PM2.5短期预测和制图

基于SARIMA模型对杭州市主城区内的7个站点和周边3个站点的PM_(2.5)浓度进行4 h平均的短期预报,并利用普通Kriging法对杭州市主城区PM_(2.5)进行空间插值和制图.在建立SARIMA模型时,用批量自动化的方法,使用R语言编程对夏季和冬季各360期的数据进行SARIMA(p,d,q)×(P,D,Q)6模型的参数的确定和拟合,来预测下一期的值.在10个站点分别进行120期的预测,做出真实与预测的时间序列图,在精度分析中,夏季和冬季PM_(2.5)浓度总体的平均绝对误差(MAE)分别为8.4μg·m~(-3)和14.8μg·m~(-3).在Arc GIS中,对每期的数据使用普通Kriging法,用球面模型拟合半变异函数,决定各个站点的权重,来对杭州市区内未知空间样点进行插值,最后生成完整的杭州市主城区PM_(2.5)短期预测图.本研究创新性地将SARIMA模型广义化运用到小尺度时间序列中,预报效果较好,并且批量自动化预测和制图的方法,可为今后的预测制图产品化提供技术支持.     

基于小波分解和ARMA模型的空气污染预报研究

细颗粒物PM2.5为首要污染物的空气污染严重影响了公众健康,对空气污染进行有效预报具有十分重要的意义。而目前常用的空气污染物浓度预报方法在短时事件和意外事件预测方面存在不足。利用小波多尺度分析方法改进ARMA预测模型,并将其应用于短时空气污染物浓度预测。改进模型通过小波分解方法将时间序列分解为一个近似序列和多个细节序列,分别采用ARMA模型进行预测,然后将各序列预测结果进行重构,得到最终预测结果。以天津市2014年PM2.5浓度数据为例,分别采用ARMA模型、支持向量回归(SVR)模型、人工神经网络(ANN)模型以及基于小波多尺度分解改进的SVR模型和基于小波多尺度分解改进的ARMA模型进行了对比分析。结果表明:1)小波多尺度分解能够显著提高SVR模型和ARMA模型预报精度;2)ARMA、SVR、ANN等传统模型在重污染情况下预报精度显著下降,而小波分解改进策略能够较好地解决这个问题;3)基于小波多尺度分解改进的ARMA模型预报精度较高,是城市污染物浓度预报的有效手段。     

眉山市空气质量时间变化规律研究

基于眉山市2008年至2012年环境空气质量监测数据,分析了眉山市空气质量时间变化规律.结果表明,①SO2日变化呈明显单峰变化趋势,最大值出现在10时左右;②NO2 、PM10日变化呈W型,NO2最低值出现在15时左右,最大值出现在21时左右;PM10小时浓度峰谷值较NO2延后2小时左右;③SO2、NO2 PM10月均浓度呈V型变化,各污染物夏季浓度最低,冬季浓度最高.     

成都市中心城区春季大气颗粒物PM_(2.5)的污染特征研究

于2012年5月11日至5月15日同时对成都中心城区及其大气环境监测对照点都江堰灵岩寺大气PM2.5进行采集,并分析其中的化学组分。研究结果表明:成都市中心城区PM2.5的总体质量浓度大于灵岩寺,且各化学组分的质量浓度也均大于灵岩寺。两站点PM2.5中OC/EC均大于2,有2次有机碳的存在;中心城区WSOC和TN日均浓度大于灵岩寺,同时发现中心城区TN日变化趋势与灵岩寺一致,WSOC变化不明显;水溶性二次离子(SO2-4、NO-3和NH+4)浓度相对较高,中心城区SO2-4/NO-3值比灵岩寺小,说明成都市机动车尾气是主要排放源。     

灰色系统理论对大气环境质量评价和预测

把大气环境看作是灰色系统,考虑到青岛市大气环境的实际情况,利用灰色统计决策对青岛市的大气环境质量数据进行分析,得到大气环境质量保持在尚清洁水平;利用GM（1,1）模型对SO2、NO2、PM10进行模拟预测,短期预测结果表明,青岛市SO2、PM10的浓度呈下降趋势,NO2的浓度呈上升趋势。     

北京地区冬季SO2浓度的时空分布和年际变化特征研究

用统计分析方法,对1984~1988年和1999~2000年间北京市冬季SO2的时空分布及多年变化特征进行分析,得到以下结果:(1)1984-1988年间,除定陵点位(清洁对照点)为单峰分布外,北京市SO2的城区日变化特征基本呈双峰双谷型特征分布。而在1999~2000年间,城区峰值开始降低,定陵点位峰值相对升高;(2)就多年变化特征而言,定陵点位SO2浓度呈升高趋势,且浓度高于0.03 mg/m3的事件出现频率增高;城区的SO2浓度降低,浓度高于0.3 mg/m3的事件出现频率减低。在此基础上,对影响北京市SO2的日间变化、年内变化、年际变化的污染源因子进行具体解析,发现改善燃煤质量是减少SO2排放量的有效途径。研究结论证明了城区SO2浓度水平与燃煤品质的紧密关系,对于我国各地区的SO2减排具有重要参考意义。     

基于3种时间序列模型的九龙江河流库区藻华预测

湖库富营养化和有害藻华是全球性生态环境问题,藻华预测与早期预警是保障湖库水源地供水安全的关键技术.如何基于高频水生态在线监测数据进行藻华的实时动态预测成为水生态管理领域的重大需求.本研究以福建省九龙江江东库区(水源地)为例,利用3年连续观测的逐时平均总叶绿素a浓度数据,对比研究了SARIMA、Prophet和LSTM(长短期记忆神经网络)3种时间序列模型在藻华(日平均叶绿素a大于15μg·L^-1)预测方面的效果.结果表明：(1)时间序列模型要求参数少,灵活性强,能清晰反映水质特征和未来变化趋势,可弥补传统藻类监测预警方法的局限性;(2)基于深度学习框架的LSTM模型,具有独特的迭代优化算法,对藻类非线性变化特征的识别和预测能力较强,其总叶绿素a逐日预测和7日预测效果均显著优于SARIMA模型和Prophet模型;(3)输入数据长度会在一定程度上影响模型预测效果,最优的输入数据时间长度为7 d;输入数据频率对预测效果也有影响,在预测非藻华日时,小时数据的预测效果优于日频率数据;在预测藻华日时,两种频率数据无显著差异,但日频率数据能更准确识别藻华日特征.总结起来,基于...     

1951-2010年珠江流域洪水极值序列平稳性特征研究

水文序列的平稳性假设是传统水文统计学方法在水文序列分析研究中的基本假设,随着气候变化与人类活动对地表水文过程的影响,这种假设往往存在问题,使水文分析得出误导性结论。以珠江流域28个测站1951—2010年年最大洪峰流量序列为例,用Pettitt方法结合Loess参考函数检验序列中均值和方差变异,用Mann-Kendall(MK)和Spearman法检测时间趋势性,用广义可加模型(GAMLSS)和长期持续效应等具体分析序列的平稳性。研究结果表明:1均值/方差变异主要集中在西江和东江流域,变异时间分别集中在1990年左右和1968—1987年间;2变异点的存在与否对序列趋势检验结果有重要影响,在考虑变异点前提下,珠江流域年最大洪峰流量序列基本无显著趋势性;3在GAMLSS模型中,对于不具有和具有突变点序列,Gamma分布均为选择次数最多的最优极值分布,不具有突变点序列分布参数θ1或θ2非平稳模型与平稳模型差距较小,具有突变点序列则相反;4统计上检测出具有突变点或者显著时间趋势性的测站,同样检测出高Hurst系数,反之亦然。Hurst系数估计因样本容量较小具有较大不确定性。东江流域受流域内水利工程的剧烈影响,尽管检测出高Hurst系数,但仍认定为非平稳序列;西江干流主要受支流汇流和气候变化影响,高Hurst系数表明其水文过程可能是长期稳定过程中局部波动的结果。     

气象条件变化对呼市地区大气污染的影响

利用1995至2002年呼和浩特市区空气污染物PM10、TSP、NO2、NO2、SO2浓度的实际监测数据与同期的地面要素场资料、大气边界层气象参数和地面天气图分析了污染物浓度与气象条件的关系及气象条件变化对呼市地区污染物浓度变化的影响，讨论了污染物浓度变化规律的成因。在此基础上用逐步回归方法建立了不同季节呼市地区空气污染浓度统计预报模型。     

北京地区奥运会期间PM2.5对心脑血管疾病的影响

为了探讨2008年奥运会前后减排和限行措施对北京居民心脑血管健康的影响,调查了2006~2010年7~9月的空气质量状况及北京急救中心心脑血管疾病日入院人数,采用时间序列方法中的非参数广义相加模型(GAM),在控制了长期趋势、"星期几效应"及气象因素的影响后,分析了北京PM2.5浓度与心脑血管疾病日入院人数的暴露-反应关系,并按性别、年份建立了模型.结果表明,PM2.5对心脑血管疾病的影响具有一定的滞后效应,全人群、男性和女性滞后均为0~2d,在2006~2010年7~9月中,2008年3个人群的RR均最小,2009年RR最大.PM2.5日均浓度每增加10μg/m3,2008年男性、女性及全人群日入院人数风险分别增加0.18%、0.07%和0.00%,2009年男性、女性及全人群日入院人数风险分别增加3.43%、2.10%和2.97%.2008年7~9月采取的相关政策措施对降低了北京地区居民心脑血管疾病的发病风险具有重要作用.     

小波分析在PM10浓度时间序列分析中的应用

以西安市PM10日平均浓度时间序列为例,根据小波分析的基本原理,应用小波分解和重构对PM10浓度时间序列的变化进行了分析,得到PM10的年变化趋势和突变特征。研究结果表明,用小波分析应用于大气污染物浓度时间序列的分析是可行的。