气溶胶粒径吸湿增长与散射吸湿增长的关系

基于成都市2017年10~12月AURORA-3000积分浊度计、AE-31黑碳仪和GRIMM180环境颗粒物监测仪的地面逐时观测资料,以及该时段同时次的环境气象监测数据（大气能见度、相对湿度RH和NO₂质量浓度）,通过Mie散射理论与免疫进化算法反演气溶胶粒径吸湿增长因子Gf（RH）,并利用光学综合法测量气溶胶散射吸湿增长因子f（RH）,探究了Gf（RH）与f（RH）之间的关系.结果表明：当RH<85%,Gf（RH）和f（RH）随RH的增加均表现为平缓式增长;当RH>85%,Gf（RH）和f（RH）随RH的增加则均呈现出爆发式增长.Sigmoid函数f（RH）=17.34/（1+e^{-2.43·[Gf（RH）-2.15}]）较好地拟合了f（RH）随Gf（RH）的变化形态,其f（RH）拟合值与测量值之间的决定系数（R²）和平均相对误差（MRE）分别为0.97和4.01%.利用sigmoid函数计算Gf（RH）,模拟了观测时段内一次灰霾演化过程中气溶胶的散射系数b_sp（RH）和吸收系数b_ap,二者的模拟值与测量值基本吻合,对应的R²分别为0.99和0.98,MRE分别为2.94%和5.24%.     

成都地区气溶胶散射吸湿增长因子双变量模型

基于成都市2017年10～12月逐时的“干”气溶胶散射系数和吸收系数观测数据,结合该时段同时次的能见度（V）、相对湿度（RH）以及二氧化氮（NO₂）监测资料,利用“光学综合法”计算气溶胶散射吸湿增长因子,并探究了气溶胶散射吸湿增长因子单变量f（RH）模型的适用性及其改进方案.结果表明：幂函数、二次多项式、幂指函数形式的f（RH）模型在低RH条件下（RH<85%）均能很好地模拟气溶胶散射吸湿增长因子随RH的变化特征,但在高RH条件下（RH>85%）的模拟值会出现较大的偏差.黑碳质量浓度（C_BC）是影响气溶胶散射吸湿增长因子的另一关键变量,二者之间满足非线性关系.以RH和C_BC为自变量构建了气溶胶散射吸湿增长因子双变量f（RH,C_BC）模型,模型计算值和实测值之间的决定系数R²为0.763,平均相对误差MRE为14.28%.双变量模型f（RH,C_BC）的应用显著改善了气溶胶散射消光系数的模拟效果.     

气溶胶粒径吸湿增长与散射吸湿增长的关系

基于成都市2017年10~12月AURORA-3000积分浊度计、AE-31黑碳仪和GRIMM180环境颗粒物监测仪的地面逐时观测资料,以及该时段同时次的环境气象监测数据（大气能见度、相对湿度RH和NO₂质量浓度）,通过Mie散射理论与免疫进化算法反演气溶胶粒径吸湿增长因子Gf（RH）,并利用光学综合法测量气溶胶散射吸湿增长因子f（RH）,探究了Gf（RH）与f（RH）之间的关系.结果表明：当RH<85%,Gf（RH）和f（RH）随RH的增加均表现为平缓式增长;当RH>85%,Gf（RH）和f（RH）随RH的增加则均呈现出爆发式增长.Sigmoid函数f（RH）=17.34/（1+e^{-2.43·[Gf（RH）-2.15}]）较好地拟合了f（RH）随Gf（RH）的变化形态,其f（RH）拟合值与测量值之间的决定系数（R²）和平均相对误差（MRE）分别为0.97和4.01%.利用sigmoid函数计算Gf（RH）,模拟了观测时段内一次灰霾演化过程中气溶胶的散射系数b_sp（RH）和吸收系数b_ap,二者的模拟值与测量值基本吻合,对应的R²分别为0.99和0.98,MRE分别为2.94%和5.24%.     

易燃液化气体罐区火灾爆炸事故故障树分析

采用故障树分析法对易燃液化气体罐区的火灾爆炸事故进行了分析,提出了针对性预防对策。