空气中的PM2.5剖析.docx

空气中PM 2.5 问题的研究摘要：从2013年开始，大范围的持续性雾霾天气开始席卷全国。柴静的《穹顶之下》更是将“雾霾”这一名词引入了人们的视野。对雾霾，这一与工业化进程相伴产生的副产品的治理措施也受到了国家安全部门的高度重视。要想彻底，全面的根治雾霾天气，就必须从原理上科学，透彻地进行分析。本篇论文正是针对与雾霾形成有关的因素进行相关性分析；结合数据及相关影响因素，对雾霾的扩散与衰减进行模拟和预测，并最终给出科学的治理方案。本文的研究分两个方面问题一：通过建立合适数型的方法，对AQI（二氧化硫、二氧化氮、可吸入颗粒物PM10细颗粒物PM2.5、臭氧和一氧化碳CO）中的6个主要检测指标进行相关性和独立性的分析。其中，着重分析PM2.5的含量与其他5个分指标及其对应污染物含量之间的相关性及其关系问题二：描述该地区PM2.5的时空分布情况，考虑风力，湿度等环境因素，建立能够描述该地区PM2.5扩散和衰减规律的数学模型，并带入该地区额数据，进行定量和定性的分析，并考虑如果突发事件发生，如工业大火，导致某地PM2.5含量激急速变化，对当地的影响。关键词：相关系数?偏相关系数?多元回归?插值拟合?偏微分扩散??高斯扩散 中图分类号：0121.8；G558一.引言为了对PM2.5的发生和演变进行科学性的定量分析，并进而得出对其治理方案，一个严谨的研究方案是：分析与PM2.5有关的物质的时空分布情况。目前已知的相关物质有二氧化硫、二氧化氮、可吸入颗粒物PM10细颗粒物PM2.5、臭氧和一氧化碳CO。这些数据正是AQI（空气质量指数）所检测的数据。针对问题一，为了分析PM2.5与其影响因素之间的相关性，以及各影响因素之间的相关性，本文首先分别计算了两变量之间的Pearson相关系数和Spearman相关系数。与Spearman相关系数相比，Pearson模型在正负相关性上存在一定误差，故最终选择Spearman相关系数用以描述各数据两两之间的相关性。此外，对所给数据定性的分析表明，数据之间的联系并不是简单地一对一的关系，一个变量很有可能受到不止一个其他变量的影响。因此，作为对这种潜在可能性的补充，本文又分析计算了各数据之间的偏相关系数，并对之前的结果进行了修正。考虑到PM2.5的含量不止受一个变量的影响，本文引入多元线性回归分析的理论，讨论了PM2.5与AQT检测的五个指标之间的综合关系。通过忽略线性关系较小的三个参数对PM2.5的影响，再次求出PM2.5与剩余指标间的综合关系。为了弥补线性关系较小的三个指标对PM2.5的影响，本文再次结合权重分析法和多元线性回归法，对这三个指标进行了非线性修正。最后，本文讨论了天气状况和温度对PM2.5浓度的影响。针对问题二，首先通过EXCEL分析了附件二的数据，得出PM2.5的时间分布。并通过附件五，六的方法，建立了观测点的二维坐标系，进而插值拟合的方法得到PM2.5的空间分布，并根据GB3095-2012对13个观测点进行了分区。根据上述数据分析，剔除出5个污染源可能性较小的观测点。结合以上分析，建立了PM2.5的偏微分扩散模型，并对已有模型进行了修正。由问题一可知：降水对PM2.5有抑制作用。因此，通过引入衰减系数Ψ，以晴天为基准，在不同天气情况下，对PM2.5的浓度进行总体控制。考虑到模型是基于无风情况下的，不符合实际情况，进而对风向进行额外的讨论。由高斯扩散模型获得启发，将其二维正态分布扩散简化为平面60扩散，并根据流体力学相关知识，对扩散范围内的浓度进行了权重分配，建立起了修正后的扩散模型。根据所建模型，对题目要求突发情况进行预测，并进行了分析，建立空间分布图，得出突发情况的污染扩散预测情况。最后，通过对比PM2.5的模型预测结果和实际分布情况，分析出了本模型存在的不足，并分析了影响PM2.5分布的综合因素(包括工业，天气，人类活动的影响)。二.模型假设1.假设所搜集的的数据真实可信，能够真实地反映该地区的环境因素；2.假设将来很长一段时期内，该地区的环境变化趋势不会发生剧烈的，不可预期的变动；3.假设同等空气质量的污染等级相同；4.假设空气流动不受建筑物的影响。各环境因素在一天内保持稳定，不发生剧烈变化；5.假设不考虑PM2.5的垂直分布；6.假设该城市中的全部污染源以全部检测到，没有遗漏；三.符号说明符号符号含义ρ相关系数i，j元素的角标a,b，d常数x，y空间坐标第i点第j天的质量u（x，y）位于（x，y）的浓度Z影响因素k扩散系数α， β， ε系数t时间四.模型的建立和求解4.1.问题一4.1.1.问题分析本文的讨论基于一种普遍接受的假设：PM2.5与AQT所检测的五项主要指标有关。故为了严格的探究PM2.5的生成演变机理，在所能搜集到的数据容量限制下，比较可行的方案是：计算影响PM2