数学建模空气质量Word文档下载推荐.docx
- 文档编号:6534053
- 上传时间:2023-05-06
- 格式:DOCX
- 页数:64
- 大小:1.43MB
数学建模空气质量Word文档下载推荐.docx
《数学建模空气质量Word文档下载推荐.docx》由会员分享,可在线阅读,更多相关《数学建模空气质量Word文档下载推荐.docx(64页珍藏版)》请在冰点文库上搜索。
从时间角度分析时,为保证充分利用数据,本文分别从污染物年浓度平均变化和持续污染日数和空气质量超标日数年变化两个层次对空气质量进行了分析,从而归纳出空气污染的年度特征。
从空间角度分析时,本文根据市各区县PM10、SO2、NO2、CO的年度平均数据,将各区县各项指标浓度反映在了的区域地图上,绘制得各项指标的浓度空间分布示意图,同时将两年数据求平均值并按照PM10降序排列,结合图、表定量分析并得出结论。
第三文中,本文以各个监测点为圆心,以各监测点所能测得的准确数据的最大距离为半径作圆,根据所有圆是否将市全部覆盖判断空气质量监测点的布局是否合理。
最终本文得出结论:
市空气质量监测点的布局是合理的。
对于第四问“分析空气污染的主要成因和解决办法”,本文以抽样的方式,抽取每月1号、5号、10号、15号、20号、25号、30号,二月取28号的数据为样本,统计2013年9月1日到2014年8月31日抽样日期每天的23个检测站点监测到的当日首要污染物为“颗粒物”、“臭氧”、“二氧化氮”、“二氧化硫”、“一氧化碳”、及“无”的监测点个数,求出这84天各项指标为首要污染物的频率,比较频率大小,得出空气污染的主要气体是颗粒物、臭氧、二氧化氮、一氧化碳,并据此提出解决办法。
第五问中,本文选取主成分神经网络模式识别的方法,对未来一周(9月6日至9月12日)的空气状况进行预测。
我们选择预报下周空气质量的等级,使用的是MATLAB提供的模式识别工具箱。
我们将空气质量看做六个模式:
优,良,轻度污染,中度污染,重度污染,严重污染;
并将spss软件求解出来的主成分与对应的模式交给神经网络学习。
训练好后用于预测。
根据主成分分析的方法,对全部160个样本的8个因子进行分析。
将数据导入spss,设置抽取系数为0.5,得到相关矩阵;
然后由解释总方差表格和成分矩阵找出spss提取的主成分,将八维数据降成五维数据;
并将样本转化,用于神经网络的训练;
并把不同的空气质量等级二进制化,得到训练结果后进行预测。
将要预测时间段的平均气温,最高气温,最低气温,大气压,相对湿度,相对风速,水平能见度,降水量数据按照公式变为五维数据并输入网络进行求解,最终得到未来一个星期的空气质量为:
重度污染,重度污染,优,良,良,轻度污染,轻度污染。
第六问,本文假设自己想从事相关商业活动,给出了计划及广告词。
关键词:
空气质量 AQI PM2.5
主成分神经网络 空气污染 PM10
1问题重述
一个人每天呼吸的空气约为1万多升,折合质量约为12.9
kg,约为每天所需食物和饮水量的10倍。
对大气污染影响较大的污染物有:
硫氧化物、氮氧化物、碳氢化合物、碳氧化合物、粉尘等。
大气污染物对我们身体的影响是巨大的,而2013年以来日益频发的雾霾天气已经严重影响到人们的日常生活。
“生态文明”是被列为当前的一大重要议题,“我们将加强生态环境保护,扎实推进资源节约,为人民创造良好生产生活环境,为应对全球富气候变化作出新的贡献。
”,的一系列讲话为坚持节约资源和保护环境基本国策,努力走向生态文明新时代赋予了新容,提出了新要求,彰显出他对于生态文明领域建设的决心与魄力。
本文中,我们
(1)查找相关数据(包括近期连续数据及零星数据);
(2)分析空气污染情况(时间、空间);
(3)分析空气质量监测点的布局是否合理;
(4)分析空气污染的主要成因及解决办法;
(5)对未来一周进行预测;
(6)假设自己想从事相关商业活动,给出计划及广告词。
(不超过一页)
2问题分析
3假设与约定
假设:
(1)假设预测时间段没有发生重大的天气异常;
(2)假设预测时间段没有污染源;
(3)假设以pm2.5为空气质量等级划分的标准为:
ps:
pm2.5标准
0-35 优
35-75良
75-115轻度污染
115-150中度污染
150-250重度污染
250- 严重污染
4符号说明
符号
PM2.5
PM10
AQI
含义
细颗粒物
可吸入颗粒物
空气质量指数
5模型建立与求解
5.1问题一
本题主要收集了市环境污染近期相关连续数据与离散数据。
由于空气质量指数(AQI)是2012年上半年才被出台规定取代原有空气污染指数(API)的,且参与空气质量评价的主要污染物为细颗粒物(PM2.5)、可吸入颗粒物(PM10)、二氧化硫、二氧化氮、臭氧、一氧化碳等六项。
见附录。
5.2问题二
本问主要从时间和空间两个维度分析空气污染情况。
5.2.1模型建立
(1)本题主要从时间和空间两个维度分析空气污染情况。
(2)从时间角度分析时,为保证充分利用数据,本文分别从污染物年浓度平均变化和持续污染日数和空气质量超标日数年变化两个层次对空气质量进行了分析,从而归纳出空气污染的年度特征。
(3)从空间角度分析时,本文根据市各区县PM10、SO2、NO2、CO的年度平均数据,将各区县各项指标浓度反映在了的区域地图上,绘制得各项指标的浓度空间分布示意图,同时将两年数据求平均值并按照PM10降序排列,结合图、表定量分析并得出结论。
5.2.2模型求解
5.2.2.1 时间特征
(1)按污染物年浓度平均变化
本文分析了2008年至2013年PM10、CO、NO2、SO2的平均浓度变化,变化情况如下表:
时间
PM10
CO
NO2
SO2
2008
122
1.4
49
36
2009
121
1.6
53
34
2010
1.5
57
32
2011
114
55
28
2012
109
52
2013
108.1
56
26.5
变化趋势如下
由上表我们可以得出:
近年来,市NO2浓度处于缓慢上升趋势;
CO浓度与往年相比基本保持持平;
PM10浓度略有下降;
SO2年平均浓度处于下降趋势。
(2)按持续污染日数和空气质量超标日数年变化
统计分析2001-2010年空气质量超标日数和空气持续污染日数年变化图,我们可以看出:
2001年-2009年年空气持续污染日数在年超标日数中所占比例都在50%以上。
可以说一半以上的空气质量超标日都是持续污染日。
近年来的年空气质量超标日数和持续污染日数总体呈下降趋势。
但年持续污染日数在年超标日数中所占的比例一直较大。
综上,空气污染年际变化特征如下:
污染物排放量的大力削减使市空气质量得到明显改善,年空气质量超标日数和持续污染日数总体也呈下降趋势,但是持续污染对全年空气质量超标日数贡献依然较大,空气质量仍有待改善。
5.2.2.2 空间特征
为了分析污染的空间分布情况,我们将2012与2013年的SO2,NO2,以及可吸入颗粒物的各区县浓度反映在了的区域地图上。
(1)2013年:
各区县各项指标年平均数据
区县
PM2.5
东城区
93.6
26.8
58.0
109.6
西城区
91.7
28.8
59.6
112.5
区
91.3
29.7
64.0
112.4
海淀区
98.1
26.9
63.6
115.0
丰台区
96.9
28.1
57.5
118.5
石景山区
92.8
24.9
63.3
116.4
门头沟区
91.1
24.6
51.8
114.8
房山区
106.8
31.2
61.9
131.7
通州区
105.7
38.6
55.8
123.5
顺义区
84.8
20.8
44.8
98.5
大兴区
107.8
33.7
65.7
130.3
昌平区
79.2
25.9
43.5
94.7
平谷区
20.6
35.0
98.7
怀柔区
76.1
22.3
37.9
95.3
密云县
71.6
21.3
43.6
85.9
延庆县
68.0
19.2
34.4
78.3
亦庄
104.9
33.6
123.2
空气中可吸入颗粒物浓度空间分布示意图
空气中细颗粒物颗粒物浓度空间分布示意图
空气中二氧化氮浓度空间分布示意图
空气中二氧化硫浓度空间分布示意图
(2)2012年:
29
113
59
111
60
31
54
24
124
51
42
119
23
45
98
35
64
40
97
22
30
87
85
26
39
82
126
(3)两年数据平均值(按关键字PM10降序排列)
127.15
27.9
126.85
30.4
59.3
124.6
29.35
62
121.25
28.95
58.8
120.2
28.05
57.25
115.75
24.45
59.15
114.5
51.4
113.2
60.45
111.9
40.3
55.9
111.75
21.9
44.9
111.3
34.35
64.85
98.35
27.45
41.75
98.25
95.85
22.15
33.95
91.15
25.15
41.8
84.45
22.6
36.7
80.15
34.8
55.75
(4)结合图表定量分析
由上表易知2013年:
(4.1)
按PM2.5值由大到小,各区县排列为大兴区>
房山区>
通州区>
亦庄>
海淀区>
丰台区>
东城区>
石景山区>
西城区>
区>
门头沟区>
平谷区>
顺义区>
昌平区>
怀柔区>
密云县>
延庆县,按此顺序,各区县空气质量愈好;
(4.2)
各区县的SO2、NO2、PM10取值及大小排序;
易知2012年各区县的SO2、NO2、PM10取值及大小排序;
易知2013年和2012年各区县的SO2、NO2、PM10平均取值及大小排序;
结合图,根据各区县的地理位置分布,我们得出结论:
市空气质量南北差异显著。
位于北部的生态涵养发展区空气质量优于其他区域。
5.3问题三
本题主要探讨市环境质量监测点的布局是否合理。
模型建立及求解
5.3.1环境空气质量评价城市点的定义:
以监测城市建成区的空气质量整体状况和变化趋势为目的而设置的监测点,参与城市环境空气质量评价。
其设置的最少数量根据本标准由城市建成区面积和人口数量确定。
每个环境空气质量评价城市点代表围一般为半径500米至4千米,有时也可扩大到半径4千米至几十千米(如对于空气污染物浓度较低,其空间变化较小的地区)的围。
可简称城市点。
5.3.2
这是市环境监测点的分布图:
按照比例尺计算,距离最近的两个监测点的距离约为10公里。
,这样说来就按照最保守的估计每一个监测点的检测半径为5公里,则每一个监测点的检测的面积为78.5平方公里,市区10个监测点总共为785平方公里,正好和市区的面积相仿。
所以,从面积上来说,监测点的分布是合理的。
而对于其他的区来说,位于郊区人口密度明显比市区低许多,因而空气质量的变化不大,一个监测点所能代表的围的半径也有数十公里。
5.4问题四
本题主要探究空气污染的主要成因,并提出解决办法。
5.4.1模型建立
(1)以抽样的方式,抽取每月1号、5号、10号、15号、20号、25号、30号,二月取28号的数据为样本,统计2013年9月1日到2014年8月31日抽样日期每天的23个检测站点监测到的当日首要污染物为“颗粒物”、“臭氧”、“二氧化氮”、“二氧化硫”、“一氧化碳”、及“无”的监测点个数。
(2)求出这84天“颗粒物”、“臭氧”、“二氧化氮”、“二氧化硫”、“一氧化碳”、及“无”为首要污染物的频率。
(3)比较污染成分为首要污染物的出现频率,随即便可得出空气污染的主要成因,并据此提出解决办法。
5.4.2模型求解
(1)统计2013年9月1日到2014年8月31日抽样日期每天的23个检测站点监测到的当日首要污染物为“颗粒物”、“臭氧”、“二氧化氮”、“二氧化硫”、“一氧化碳”、及“无”的监测点个数。
统计结果见下表:
序号
颗粒物
臭氧
二氧化氮
二氧化硫
一氧化碳
无
合计
1
2
21
3
4
5
6
14
7
8
16
9
10
11
12
13
15
17
20
18
19
25
27
33
37
38
41
43
44
46
47
48
50
58
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 数学 建模 空气质量