排序方式: 共有82条查询结果,搜索用时 156 毫秒
71.
基于气象相似准则的城市空气质量预报模型 总被引:1,自引:0,他引:1
为提高城市空气质量预报准确率,文章在传统BP神经网络的基础上提出了基于气象相似准则的样本优化方法,建立了三层样本筛选优化机制,确定了阀值及权重矩阵,从而建立了城市空气质量动态预报模型。将模型应用在广州8个空气质量监测站点的预报上,并与传统的BP神经网络空气质量预报模型进行了对比分析,效果良好。分析结果表明,广州8个空气质量监测站点的SO2、NO2、PM10/2.5的实测值与预报值的平均绝对误差分别为0.016 mg/m3、0.014 mg/m3、0.020 mg/m3,级别预报准确性评分分别为89.6、92.6和84.6,预报准确度综合评分达81.6,并且比传统神经网络模型具有更高的预报精度。 相似文献
73.
74.
为实现个体车辆出行、排放行为的精细表征与挖掘,基于宣城市中心城区全量个体车辆的出行轨迹、技术参数、排放轨迹等多维交通大数据,以表征个体车辆出行过程的排放信息为主线,设计并构建车辆出行排放知识图谱.研究表明:①知识图谱直观地表征了“车辆-道路-出行-排放”信息的时空关联,可实现个体车辆在不同日期、不同时段、不同路段等多尺度出行特征的精细挖掘.以某辆小型客车为例,检索发现周一、周三出行主要连接的小时实体都为7:00、8:00和17:00,周五、非工作日出行连接的小时实体具有明显的随机性;周一、周三出行所连接的道路实体较少且基本一致,在宣水路、昭亭北路、昭亭南路的出行里程之和占比为63%~68%,周五、非工作日出行连接的道路实体则较为分散.②通过出行信息类、排放信息类实体的关联检索,可实现个体车辆出行排放时空特征的精细辨识和溯源分析.示例车辆的检索结果表明:周一车辆的CO日排放量为1.2g,是周六的2.5倍,同时在早高峰时段(7:00),车辆出行在交通繁忙路段时,伴随低水平车速,排放强度相对较高. 相似文献
75.
广州灰霾现象特征分析 总被引:6,自引:3,他引:3
依据灰霾的发布和判定依据,对中山大学大气环境自动监测站的能见度、风速、相对湿度和ρ(PM2.5)等观测数据进行分析,分析其随时间变化的规律和相关性,得出近年来广州灰霾变化规律和多类特征. 结果表明:近年来广州整体灰霾现象有所改善,且主要呈现非夏季和夏季2种典型季节性特征. 非夏季灰霾具有持续时间长、状态稳定和风力突破性强等特点;夏季灰霾具有持续期短、状态变化快,ρ(PM2.5)与能见度的曲线图镜像对称明显等规律;灰霾现象与城市空气质量有密切的关系,且API大于100的时间与较严重灰霾日的分布相似. 相似文献
76.
77.
街道峡谷内不同车道污染物扩散的数值模拟 总被引:5,自引:2,他引:3
为掌握不同位置车道污染物的扩散规律,提出降低街道峡谷内居民与行人交通源暴露水平的可能途径,采用二维k-ε两方程模型和组分输运方程对典型结构双车道街谷内的流场与不同车道污染物的扩散进行模拟,模拟结果与风洞试验结果相符合. 研究发现:迎风车道的污染物更易于向街道峡谷外部扩散;不同位置车道的污染物均在背风侧堆积,可使两侧人行道暴露水平相差5倍. 街道峡谷底部污染物分布对车道位置较敏感,车道位置向街道峡谷中部靠拢,将使得背风建筑物底部及人行道的污染物浓度明显降低;迎风侧污染物浓度对车道位置不敏感,但当车道位置处于迎风侧次级旋涡内时,将导致迎风建筑物底部及人行道的污染物浓度近乎成倍增长. 将车道位于街道峡谷中部,优先采用道路两侧绿化,是增加行人舒适度和减少行人交通源暴露水平,并改善大楼低层住宅及底部出入口、临街商铺等人群活动区空气质量的可行途径之一. 相似文献
78.
79.
为研究城市主干道边的空气污染状况,通过采用自动监测系统,在2007年1月至2月期间,对广州市新港西路两侧以及附近大学校园内的空气质量进行监测,获得了其空气污染物浓度的特征:(1)空气污染水平高,NO2与PM10日均值超标率较高;(2)污染物时空分布不均匀,NO浓度白天通常比夜间高,路边监测点NO小时浓度为校园对照点浓度的3倍左右。同时,分析了污染物浓度与气象条件及主干道交通流量的关系。结果表明:污染物浓度与气象因素之间有较高的多元线性相关性,但与单个因素的相关性不强;路边监测点的NO小时浓度和校园对照点的N0。小时浓度均与车流量有较高的相关系数,而PM10与车流量无显著相关性。综合考虑气象因素与交通流时,多元线性回归方程的复相关系数更高。 相似文献
80.