天津PM10和NO2输送路径及潜在源区研究

利用HYSPLIT模型和全球资料同化系统(GDAS)气象数据,用聚类方法对2012年12月~2013年11月期间抵达天津的逐日72h气流后向轨迹按不同的季节进行归类.并利用相应的PM10和NO2浓度日监测数据,分析了不同季节气流轨迹对天津污染物浓度的影响.运用潜在源贡献(PSCF)因子分析法和浓度权重轨迹(CWT)分析法分别模拟了不同季节PM10和NO2潜在PSCF和CWT.结果表明,不同方向气流轨迹对天津PM10和NO2潜在源区分布的影响存在显著差异.天津PM10和NO2日均浓度最高值对应的气流轨迹均集中在冬、春和秋季等来自内陆的西北气流;夏季影响天津的气流轨迹主要来自西北和东南方向,对天津PM10和NO2的日均浓度贡献较小.天津PM10和NO2的PSCF与CWT分布特征类似,最高值主要集中在天津本地以及邻近的河北省和山东省,是天津这两种污染物主要潜在源区.     

Electrocatalytic debromination of BDE-47 at palladized graphene electrode

Graphene electrodes （Ti/Gr） were prepared by depositing Gr sheets on Ti substrate, followed by an annealing process for enhancing the adhesion strength. Electrochemical impedance spectroscopies and X-ray dif- fraction patterns displayed that the electrochemical behavior of Ti/Gr electrodes can be improved due to the generation of TiO2 layer at Ti-Gr interface during the annealing process. The palladized Gr electrodes （Ti/Gr/Pd） were prepared by electrochemical depositing Pd nanoparticles on Gr sheets. The debromination ability of Ti/Gr/Pd electrodes was investigated using BDE-47 as a target pollutant with various bias potentials. The results indicated that the BDE-47 degradation rates on Ti/Gr/Pd electrodes increased with the negative bias potentials from 0V to -0.5 V （vs. SCE）. Almost all of the BDE-47 was removed in the debromination reaction on the Ti/Gr/Pd electrode at - 0.5 V for 3 h, and the main product was diphenyl ethers, meaning it is promising to debrominate completely using the Ti/Gr/Pd electrode. Although the debromination rate was slightly slower at -0.3 V than that under -0.5 V, the current efficiency at -0.3 V was higher, because the electrical current acted mostly on BDE-47 rather than on water.     

基于粒子群优化算法的边坡临界滑动面搜索方法

采用数值计算结果进行极限平衡分析是边坡稳定性分析的重要方法,最危险滑移面位置的确定是边坡稳定性分析的关键。采用粒子群优化理论控制位于滑移面后缘范围的滑入点和前缘剪出区域的滑出点,以均分逼近法控制滑面半径,实现了边坡内潜在滑移面位置的搜索及安全系数的计算,进而确定了边坡的最小安全系数及最危险潜在滑移面位置,搜索出的滑面不依赖于网格节点。以昆明某公路滑坡为例,将搜索出的最危险滑面与现场勘察成果进行对比,结果表明,采用本文方法计算所得的结果与工程实际较为吻合,证明了该方法的有效性。     

基于QPSO-RBF的瓦斯涌出量预测模型

为了提高径向基(RBF)网络预测瓦斯涌出量的泛化能力,提出QPSO-RBF模型。该模型采用量子粒子群(QPSO)算法优化RBF网络隐层基函数中心、扩展系数以及输出权等初始参数,将网络参数编码为QPSO学习算法中的粒子个体,在全局空间中搜索最优适应值参数。其中,RBF网络选取5-3-1的精简结构,采用5个变量作为影响因子预测瓦斯涌出量。结果表明,经QPSO优化后的RBF网络模型预测结果稳定且唯一,其泛化指标平均相对变动值(ARV)为0.012 2。与PSO-RBF、RBF模型预测结果比较,QPSO-RBF模型的泛化能力和网络训练速度优于前2种;预测精度约为PSO-RBF模型的1.5倍、RBF模型的4倍。     

基于RF-PSO的塔吊事故可能发生阶段预测与分析

塔吊在高层建筑的施工现场较为常见,为了探索塔吊事故的影响因素,对塔吊事故可能发生阶段进行预测,建立了塔吊事故的人为因素分析分类系统（HFACS）模型框架,明确了塔吊事故的影响因素;利用卡方检验对事故致因进行特征选择及量化分析,提出了一种基于粒子群优化算法优化随机森林预测模型（RF-PSO）。结果表明：RF-PSO模型的预测是可靠的,训练后的RF-PSO模型可以预测塔吊事故可能发生的阶段,影响因素塔吊安装不符合设计要求、缺乏沟通和个人防护设备缺失发生的概率越大,塔吊事故分别在安拆阶段、吊装阶段和攀爬阶段发生事故的可能性越大。研究结果可为塔吊施工现场管理提供理论依据。     

量子粒子群优化算法在结构参数识别中的应用

系统识别问题可以转化成一高维多模优化问题。针对基本粒子群优化在分析此类问题时容易出现早熟收敛从而导致局部优化和较大误差的缺陷,提出将量子粒子群优化算法(QPSO)应用于结构参数识别。QPSO具有参数少、编程简单、易实现、收敛速度快、可以避免早熟收敛、能够迅速在全局找到最优解的特点。本文在测量数据不完备且含噪声污染,参数质量、刚度和阻尼等信息缺乏的情况下,通过数值模拟以及在真实结构参数识别中的应用,验证了QPSO的有效性。     

黄山夏季气溶胶光学特性观测分析

利用2011年6~8月黄山光明顶气溶胶光学参数的观测资料,分析了气溶胶各光学参数的逐日变化和非降水条件下日变化特征,并结合Hysplit后向轨迹模式,探讨了不同气团影响下气溶胶光学参数的变化特征.结果表明:黄山光明顶气溶胶消光作用以散射为主,观测期间气溶胶散射系数(σsc)、吸收系数(σab)、单次散射反照率(SSA)和后向散射比(BSR)的平均值(标准差)分别为62.59(49.17) Mm-1、5.49(3.67) Mm-1、0.89(0.04)和0.13(0.02);各光学特征量具有明显日变化特征.σsc、σab和SSA白天高,夜间低, BSR则相反,边界层活动是影响光明顶气溶胶光学性质日变化的主要因素.聚类分析结果显示光明顶主要受西北方大陆性气团、西南方大陆性气团以及东南方海洋性气团的影响.不同气团影响下,气溶胶光学参数有很大差异,其中北方大陆性气团影响下的σab、σsc和SSA最大,东南方海洋性气团影响下最小,表明大陆性气团传输过程中二次气溶胶生成的影响较为明显.     

利用轨迹模式研究上海大气污染的输送来源

利用HYSPLIT4模式和全球资料同化系统(GDAS)气象数据,计算了2010年12月─2011年11月期间抵达上海的气流后向轨迹. 结合聚类方法和上海ρ(SO₂)、ρ(NO₂)、ρ(PM₁₀)数据,分析了各季节不同类型气流轨迹对污染物浓度的影响,利用引入权重因子后的潜在源贡献算法分析了不同季节PM₁₀和NO₂潜在WPSCF(源区分布概率)特征. 结果表明:上海气流输送季节变化特征明显. 冬、春和秋季,上海较易受到来自西北、西南等区域的大陆性气流影响,受沙尘或人为污染排放的影响相对较大,ρ(PM₁₀)、ρ(SO₂)和ρ(NO₂)平均值相对较高,分别为162、74和53μg/m3. 夏季上海主要受较清洁的海洋性气流影响,ρ(PM₁₀)、ρ(SO₂)和ρ(NO₂)相对较低,分别为47、19和36μg/m3. 上海PM₁₀和NO₂的WPSCF分布特征类似,在冬、春和秋季,WPSCF高值(0.2~0.4)主要集中在江苏南部,河南、安徽等地的带状区域也有一定贡献,说明这些区域是上海这2种污染物的潜在源区. 夏季WPSCF的分布较为集中,上海以外区域值基本小于0.1,说明外来污染输送的贡献较小.      

南京城区上空大气一氧化碳的观测分析

利用南京大学城市大气环境观测站(32°03′20″N,118°46′32″E)2011年1~12月一氧化碳(CO)连续观测资料,分析南京市CO浓度变化特征;利用后向轨迹模式和聚类分析方法研究影响南京市的主要气团及其化学性质;基于MOPITT资料分析南京市CO的垂直分布.研究表明,南京市CO的年均浓度为(757.5±410.5)×10-9.CO浓度具有明显日变化特征,早上8:00浓度最高,下午16:00浓度最低.CO日变化具有季节差异性,春季最为明显,夏季幅度最小.一周之中CO在周五的浓度最高.CO存在明显季节变化,冬季1月浓度最高,夏季6月浓度最低.HYSPLIT4把影响该观测站的主要气团分为6类,其中来自江苏南部、浙江、上海的气团的污染物浓度最高,对南京市CO浓度贡献最大;源于西伯利亚高原,伴随强冷空气迅速向南移动的气团对南京市CO贡献最小.卫星数据分析结果表明,南京市夏季CO的垂直分布与其他3个季节有较大差异.与地面观测站相比,卫星反演的CO地面浓度要明显偏低.     

乌鲁木齐市区与南郊山区颗粒物污染特征对比分析

利用2017年10月~2018年8月的PM₁₀、PM_2.5、PM₁质量浓度数据以及NCEP全球再分析气象资料,分析乌鲁木齐市区和南郊山区颗粒物浓度变化特征,结合HYSPLIT后向轨迹模型、潜在源贡献因子分析(PSCF)以及浓度权重轨迹分析(CWT)分析市区颗粒物潜在源区.研究结果表明:①市区PM_2.5的超标天数为26d,南郊山区无PM_2.5超标,市区PM₁₀的超标天数是南郊山区的3.5倍,市区日均值及月均值质量浓度是南郊山区的2~7倍,市区呈现冬高夏低的季节特征,南郊山区春季最高;②乌鲁木齐市区PM₁₀日变化存在3个峰值,PM_2.5、PM₁为双峰型分布,南郊山区均呈双峰分布;并存在季节性周末效应;③长短两支聚类气流轨迹对乌鲁木齐市区颗粒物浓度影响较大,春夏气流来自中亚,秋冬来源于北疆周边地区;④颗粒物潜在源区分布季节特征显著,高值区主要为昌吉、巴州、吐鲁番等周边地区,西北部中亚地区也是颗粒物重要来源区域之一.