基于蚁群算法改进高斯模型模拟PM2.5时空分布及其规律.docVIP

基于蚁群算法改进高斯模型模拟PM2.5时空分布及其规律 　　 　　作者简介：丁智雄（1991―），男,湖北武汉人,华中农业大学资源与环境学院环境工程专业学生。 　　通讯作者：汪明霞（1975―）,女,湖北咸宁人,副教授,主要从事环境污染物的过程模拟与模型研究。中图分类号：X823文献标识码：A文章编号：1674??9944(2014)05??0205??03 　　 　　1引言 　　空气质量逐渐成为城市生活质量的重要指标,是政府、环境保护部门和全国人民关注的热点问题。空气中的颗粒物对空气质量有着重要的影响,尤其是空气动力学直径小于2.5μm的大气细颗粒物(PM2.5),更是直接反应了城市大气环境的污染程度［1,2］。因此,环境保护部于2012年2月29日公布了新修订的《环境空气质量标准》 (GB3095-2012)。新标准中,首次将产生灰霾的主要因素――对人类健康危害极大的细颗粒物PM2.5的浓度指标作为空气质量监测指标［3］。PM2.5可以进入呼吸系统内部,引发哮喘、肺病及心血管等疾病,对人类健康产生极大危害［4］。除对人体健康有影响外,气溶胶也是一些天气现象(如雾霾天气、酸雨事件等)发生的原因,而且气溶胶对能见度也有重要影响。因而,研究PM2.5的时空分布及其发生和演变规律已成为大气环境领域的热点内容。大气预测模型的高斯扩散模式,可根据其扩散源的性质( 如扩散源类型、污染物、浓度等) 及其周围环境因素( 气温、风速、风向等) 建立模型,计算预测其周边地点受污染或将受污染的情况,描述污染的扩散趋势,为有关部门进行污染控制、迅速制定应急措施等提供有力的参考依据［5,6］。鉴于此,本文采用高斯扩散模式模拟预测区域内污染源变化对关心点的贡献及其影响。 　　2高斯模型 　　在大气环境影响评价的实际工作中最基础、最普遍应用的是高斯扩散模型(即正态扩散模型),正是由于高斯模式物理概念清晰,特别是其有很高的计算效率和空间分辨率,因而即使在现在,它仍然是最受欢迎的模式之一。高斯模型的前提是假设均匀、定常的湍流大气中污染物在空间的概率密度是正态分布,概率密度的标准差(亦即扩散参数)通常用“统计理论”方法或其他经验方法确定。 　　2.1高斯模型假设 　　高斯模式的坐标系如图1所示,其原点为排放点(无界点源或地面源)或高架源排放点在地面的投影点,x轴正向为平均风向,y轴在水平面上垂直于x轴,正向在x轴的左侧,z轴垂直于水平面xoy,向上为正向,即为右手坐标系。在这种坐标系中,烟流中心线或与x轴重合,或在xoy面的投影为x轴。本文只考虑二维坐标,简化了z轴方向。 　　图1高斯模式的坐标系 　　 　　 　　大量的实验和理论研究证明,特别是对于连续电源的平均烟流,其浓度分布是符合正态分布的。因此,高斯模式可以作如下假定:①污染物浓度在y轴上的分布符合高斯分布(正态分布);②在全部空间中风速是均匀的、稳定的;③源强是连续均匀的;④在扩散过程中污染物质的质量是守恒的［7］。 　　2.2高斯模型建立与改进 　　本文中研究PM2.5的时空分布规律采用的是高斯模型中的面源模式,面源模型主要是用来预测源强较小、排出口较低,但数量多、分布比较均匀的污染源。其中污染源的坐标值可以由建立的坐标系直接得到;各污染源的污染物源强可根据监测点实测数据得到;风速风向稳定度联合频率等依据当地气象条件原始数据计算得到。由以上这些数据,采用高斯扩散模型就可以分别计算各点PM2.5浓度在某个方向上对分析格点做出的贡献。可按照原国家环保总局HJ/T2.2-93标准推荐的面源模型进行计算。首先,以西安市主城区内11个大气自动监测点坐标为评价区网格点坐标,并以评价区的右下角处为原点,分别以东和北为x轴和y轴。其次,计算评价项目面源的地面浓度Cs,见公式(1)和(2)。 　　Cs=12π∑Qiβi(1) 　　βi=2ηuiH2ηiγdα［Γi(η,τi)-Γi-1(η,τi-1)］(2) 　　式中:Qi,Hi,ui分别是接受点上风方第i个网格单元的源强［g/(m2#8226;s)］,平均排放高度(m)以及Hi处的平均风速(m/s);α,γ为垂直扩散参数σ2的回归系数,σ2=yxα。 　　x轴正向指向下风方向,η=α-12α;τi=H2i2γ2x2αi。Γ(η,τ) 为不完全伽马函数。 　　Γ(η,τ)=aτ(b+1τ)c, 　　a=2??32α+0??28,b=10??0-5??0η,c=0??88+0??82η。 　　本文将原来的模型进行了改进,把风向分解,即公式里的u1改进为u1cosθ1,得到的模型如下: 　　Cs=12π ∑Qiβi, 　　βi=2ηuicosθiH2ηiγaα［Γi(η,τi)-Γi-1(η,τi-1)］。 　　其中