基于复合LSTM模型的PM2.5浓度预测

在对淄博市19个空气质量监测站点监测数据进行分析后,提出了一种基于机器学习的复合模型——灰色关联度分析(GRA)-改进的完备总体经验模态分解(ICEEMD)-长短期记忆网络(LSTM)模型。通过分析淄博市2019年大气污染物和气象数据,选用LSTM模型预测PM_2.5浓度。由于传统单一模块机器学习模型具有训练时间较长和预测精度较低的问题,提出了复合LSTM模型。该模型由3部分组成：GRA,用于PM_2.5浓度影响因素变量筛选;ICEEMD,用于PM_2.5分解、分量筛选和原始大气污染物及气象数据处理;LSTM,用于PM_2.5浓度预测。预测结果表明：淄博市中部丘陵地带PM_2.5浓度高于南部山区和北部平原,东部高于西部;淄博市逐月PM_2.5浓度呈“U”形分布,1月最高,8月最低;淄博市PM_2.5浓度受PM₁₀和CO影响较大,受湿度和温度影响较小。对比单一LSTM模型和GRA-LSTM模型,GRA-ICEEMD-LSTM模型...     

台州市区PM2.5和O3污染特征及相互作用关系

基于2016—2020年台州市区大气污染物监测数据及气象观测资料,分析了台州市区PM_2.5和O₃的污染特征及受气象因素影响情况,并探究了不同季节下的PM_2.5浓度和O₃浓度的相关性及相互作用关系。2016—2020年,台州市区PM_2.5年均浓度和超标天数呈显著下降趋势,O₃-8 h年均浓度和超标天数总体呈上升趋势。PM_2.5浓度在冬季最高,且易发生超标;O₃浓度在春、夏、秋季均较高,且均会发生超标。通过相关性分析可知：PM_2.5浓度与气温、相对湿度、风速、降水量呈负相关,与大气压呈正相关;O₃浓度与气温、风速呈正相关,与相对湿度、降水量呈负相关。不同季节下的PM_2.5浓度与O₃浓度均呈正相关,两者存在协同增长。在春、夏、秋季,二次PM_2.5在总PM_2.5中的占比随着O₃     

柴油机排气微粒过滤催化处理技术及进展

介绍了柴油机微粒后处理催化捕集器特点 ,评述了过滤器催化再生方法 ,综述了蜂窝陶瓷载体涂层及催化剂活性组分研究现状。重点阐述了微粒再生催化剂研究进展及其发展趋势     

京津冀区域PM2.5中碳组分污染特征研究

为了解京津冀区域PM_(2.5)中碳组分污染特征,于2015年7月和10月及2016年1月和4月在北京、天津、保定、石家庄、沧州5个城市同步采集PM_(2.5)样品,采用热/光分析法分析样品中有机碳(OC)和元素碳(EC),使用OC/EC最小比值法估算二次有机碳(SOC).结果表明:京津冀区域主要城市OC、EC和SOC的年均浓度分别为12.9~28.5、4.1~7.9和3.3~10.4μg·m~(-3),OC/EC和SOC/OC的比值分别为2.4~3.0和0.26~0.32.OC和EC的浓度呈现保定石家庄沧州天津北京的空间分布特点和夏季春季秋季冬季的季节变化特点.OC/EC的比值及OC和EC的相关性在夏季最低,冬季最高,这可能与京津冀区域冬季采暖燃煤有关,冬季不利的气象条件也加剧了碳质气溶胶污染.冬季较高的SOC浓度主要与低温、气态前体物的增加以及频繁出现的逆温、小风和混合层高度降低等不利气象条件有关.京津冀区域碳质气溶胶的污染特征具有空间相似性.     

中国煤炭消费对PM2.5污染的影响研究

国务院颁布的《大气污染防治行动计划》明确提出制定国家煤炭消费总量中长期控制目标,到2017年,煤炭占能源消费总量比重降低到65%以下,然而煤炭消费对PM_(2.5)污染的贡献到底多大,这是当前亟待研究的科学问题。为定量分析煤炭消费对我国PM_(2.5)污染的影响,本研究首先计算了2012年煤炭消费产生的大气污染物排量,然后利用CAMx空气质量模型,分别采用组分分析法和情景模拟法两种方法研究了煤炭消费对全国PM_(2.5)污染的影响。组分分析法研究表明,煤炭消费对全国PM_(2.5)年均浓度的贡献率约为61%,其中煤炭直接燃烧、煤炭相关行业的贡献率分别约为37%、24%;情景模拟法研究表明,煤炭消费对全国PM_(2.5)年均浓度的贡献率约为56%。因此,我国由于煤炭消费对全国PM_(2.5)年均浓度的贡献率为56%~61%。     

家居环境PM_(2.5)控制用空气滤料

针对目前家居环境净化PM2.5的要求,在现有空气过滤材料的基础上,探讨一种适合于家居环境移动式空气净化装置用低阻、高效和长寿命的过滤材料。采用实验研究的方法对常用玻纤滤纸以及驻极体空气过滤材料进行了过滤特性、电镜、孔径测试的对比实验研究。结果表明,当过滤风速为5 cm/s时,3种驻极体滤料对粒径≤4.5μm的颗粒物的分级过滤效率要高于玻纤滤纸且都在90%以上,其过滤阻力在4.9~6.4 Pa之间,而高效滤纸的过滤阻力在57.8~78.6 Pa之间;在实验风速条件下,驻极体滤料对PM2.5的过滤效率和过滤阻力分别高于和低于高效玻纤滤纸;对驻极体滤料进行蒸馏水洗涤后,其对颗粒物的过滤效率下降,驻极体滤料静电效应具有不稳定特性;电镜测试发现,玻纤滤纸纤维层排布致密,纤维存在断裂现象,而驻极体滤料较为蓬松,无纤维断裂现象;孔径实验表明,驻极体滤料的平均孔径为玻纤滤纸的11.9~14.7倍,驻极体滤料具有良好的透气和容尘特性。     

基于后向轨迹模式对北京市PM2.5来源的探讨

近年来中国经历了数次大范围雾霾天气,北京等多个城市更是遭遇连续雾霾。造成雾霾天气的主要污染物PM_2.5又称细颗粒物。为了进一步治理北京雾霾,为制定政策提供依据,须了解北京地区PM_2.5的来源。本文基于后向轨迹模式并结合PM_2.5浓度计算了2015年9月1日0：00至2016年8月31日23：00以北京为起始点,向后推算48小时的轨迹,并结合轨迹聚类分析法、潜在源贡献因子法（PSCF）、浓度权重轨迹分析法（CWT）等,探讨北京地区PM_2.5的来源。结果表明：模拟的后向轨迹经过聚类分析可分为6类,其中来自内蒙古西部的轨迹最多,来自西北、北西北方向的轨迹次之,来自西西北方向且在京津冀地区停留一段时间的轨迹占比最小,来自河北、山东、河南的交接地区及河北的沿海地区的轨迹占比也较小。其中来自内蒙古西部地区及河北、山东、河南交界地区的两类轨迹对北京的空气质量有较大的影响,是北京PM_2.5污染的主要潜在源区;来自北西北方向及河北的沿海地区两类轨迹的气团最为清洁,为北京带来良好的天气;来自西北及西西北方向的部分轨迹对应的PM_2.5浓度严重超标,说明来自此方向的气团对北京的空气质量也有一定的影响。     

京津冀PM_(2.5)的主要影响因素及内在关系研究

大气污染物的源排放是形成灰霾天气的内因,气象条件是形成灰霾天气的外因。本研究通过构建PM_(2.5)浓度的两段式分布滞后模型,结合自然环境因素及经济因素对PM_(2.5)的影响因素进行了综合分析。在第一段模型中构建了PM_(2.5)和大气污染物排放量的分布滞后模型,第二段模型中构建了不同的大气污染源对大气污染物排放量的影响因素模型。大气污染物排放源主要包括工业源、生活源、机动车源、集中式污染治理设施源。在工业源中,工业废气重度污染行业是大气污染物排放主要的贡献者;在生活源中,燃煤消费量对大气污染物排放影响很大,这也是冬季供暖期间PM_(2.5)剧增的原因;在机动车源中,尽管黄标车的保有量仅占汽车保有量的10%左右,但却占据了颗粒物排放量的绝大部分。利用京津冀代表性城市PM_(2.5)日度数据研究得出平均气温、平均风速、日照时数、平均气压、降雨量、平均相对湿度、沙尘暴等因素对PM_(2.5)浓度的负向与正向作用。研究发现,大气污染物排放量对PM_(2.5)浓度具有聚集的滞后效应,当期大气污染物排放量、滞后一期、滞后两期、滞后三期大气污染物对PM_(2.5)浓度具有显著的正向作用,且影响依次递减。构建的大气污染物排放量的污染源影响因素模型揭示一个地区煤炭消费量、工业废气重度污染行业工业增加值、黄标车保有量对该地区大气污染物排放量具有显著影响。本研究对优化能源消费结构和产业结构,减少空气污染物排放提出了对策建议。     

西安南郊采暖期大气颗粒物PM2.5的污染特征分析

为研究西安市南郊地区采暖期大气颗粒物PM2.5的污染浓度及水溶性成分,使用颗粒物采样器于2009年1月6日～2009年2月15日进行PM2.5采样.将24 h分为8个阶段,每天3 h定时采样.结果表明,西安市南郊地区采暖期PM2.5明显污染,24 h中PM2.5污染状况最严重的时段为21:00～23:59;PM2.5中NH+4、NO-3和SO2-4是其最主要的水溶性组分,在PM2.5中的平均质量混合比分别为10.225%、13.698%和15.650%,三者在PM2.5中质量混合比最高的时段分别为06:00～08:59、03:00～05:59和18:00～20:59.     

厦门市大气可吸入颗粒物源解析的研究

采用2004～2005年对厦门大气中PM10开展的3期采样分析数据,利用主因子分析法定性分析厦门大气中可吸入颗粒物的主要来源,并结合多元线性回归法,求出定量的结果。分析结果表明,影响厦门市可吸入颗粒物的主要来源有四种:工业燃煤、汽车尾气、土壤风沙尘和海盐粒子,其中二次粒子为主要污染源,贡献率为30.0%,其次为汽车尾气占29.4%,土壤风沙和建筑尘的贡献约占21.7%,海洋粒子的贡献为6.5%,不可识别源18.1%。