PM2.5变化趋势的联合多重分形分析

PM2.5是造成雾霾天气、降低能见度,影响交通安全的主要因素。首先基于主成分分析法分析得出PM10最能影响PM2.5浓度变化,再利用联合多重分形探究不同城市的PM2.5与PM10之间的关系。从而得出西安市及伦敦市的PM2.5和PM10之间的关系具有一致性,即PM10浓度偏低时PM2.5也偏低,而PM10浓度偏高时PM2.5却偏低。无论PM10浓度如何变化,相对而言,伦敦市PM2.5浓度波动更剧烈些。     

太原市商业区大气监测与分析

使用新型便携式空气质量监测仪，测定了太原市主要商业街-柳巷大气中可吸入颗粒物（PM10）及细颗粒上吸附的多环芳烃（PPAHs）的质量浓度，研究表明，柳巷大气中PM10日平均浓度为0.233mg/m^3，超过了国家二级标准，PPAHs日平均浓度为101ng/m^3，相当于人均日吸烟4支半，PPAHs的主要污染源是餐馆排烟，日浓度变化较为平缓，PM10的主要污染源是地面扬尘，浓度日变化呈明显的规律性。     

太原市小店区不同粒径大气颗粒物（PM2．5，PM5，PM10,TSP）浓度变化特征

对太原市小店区不同粒径的大气颗粒物（PM2.5,PM5,PM10,TSP）进行采集,并对其浓度变化特征进行详细分析,探讨了特殊天气对大气颗粒物浓度的影响．结果表明：在采样期间,不同粒径颗粒物的年平均浓度均超过了国家规定的二级标准,PM2．5,PM5,PM10,TSP随月份、季节的变化趋势基本一致,均为冬季最高,夏季最低．特殊气象条件对颗粒物的浓度影响较大．     

空气PM_(10)污染特征及绿化结构净化效应研究——以河南农业大学为例

以PM10污染为研究对象,采用激光粉尘仪对河南农业大学校园内PM10特征进行了分析,探讨了PM10的日变化规律及随高度、绿化状况和天气的变化状况,并用统计分析的方法对数据进行处理,结果表明:1)PM10浓度日变化特征为白天浓度高,夜间浓度低;2)多云、晴朗天气PM10浓度相对较低,阴天时PM10浓度出现峰值,雨天PM10浓度显著下降;3)在一定高度范围内,PM10浓度随着高度增加逐渐增大,越往高空PM10浓度越大;4)丛生灌木结构的PM10浓度明显高于乔木结构.     

太原市大气污染现状及监测站点优化

基于2008年12月至2009年11月太原市大气中SO2、NO2和PM10日均浓度值,评价了太原市的大气污染状况,并对监测站点进行了优化设计。结果显示:太原市大气中SO2、NO2和PM10年均浓度分别为0.105 mg/m3、0.060 mg/m3和0.197 mg/m3,接近或超过国家环境空气质量年均值三级标准。受气候和地形的影响,太原市大气中SO2、NO2和PM10呈现明显的季节变化和地域分布特征。利用物元分析法对原有的监测站点进行了优化后显示,现有的8个监测站点优化为5个后,仍能准确的反应太原市的大气污染状况。     

空气PM10污染染特征及绿化结构净化效应研究——以河南农业大学为例

以PM10污染为研究对象,采用激光粉尘仪对河南农业大学校园内PM10特征进行了分析,探讨了PM10的日变化规律及随高度、绿化状况和天气的变化状况,并用统计分析的方法对数据进行处理,结果表明：1）PM10浓度日变化特征为白天浓度高,夜间浓度低;2）多云、晴朗天气PM10浓度相对较低,阴天时PM10浓度出现峰值,雨天PM10浓度显著下降;3）在一定高度范围内,PM10浓度随着高度增加逐渐增大,越往高空PM10浓度越大;4）丛生灌木结构的PM10浓度明显高于乔木结构．     

太原和吕梁环境状况比较分析

以太原市和吕梁市为研究对象,通过对2015—2018年两市各空气质量相关数据的分析,探讨了两市污染物浓度变化趋势。分析得出:PM10和NO2对空气质量的贡献值比较大;根据综合指数判定,太原市空气质量劣于吕梁市;4类污染物浓度呈现各自的变化特征。     

河南省供暖期大气污染特征及预测分析——以郑州市为例

近年来河南省大气污染问题引起社会的广泛关注,但有关供暖期间大气污染方面的研究相对较少.以郑州市为例,分析郑州市供暖期间大气颗粒物的浓度变化并进行预测,对提高当地空气质量具有重要意义.基于2014-2016年郑州市空气质量监测数据和同期气象数据,利用SPSS相关分析和BP神经网络模型,分析郑州市供暖期间PM2.5、PM10的超标情况、日变化特征,探究气象要素对PM2.5和PM10的影响,最后预测AQI指数的变化.结果表明:2014年供暖期郑州市空气质量相对较差,PM2.5和PM10平均质量浓度超标率最高;2015年供暖期郑州市空气质量相对较好,PM2.5和PM10平均浓度变化幅度较大;2014-2016年供暖期间郑州市PM2.5和PM10浓度具有明显的日变化特征,呈现双峰型变化;2014-2016年供暖期郑州市PM2.5、PM10与日均气温相关性不显著,与日均风速呈显著负相关,与日均相对湿度呈显著正相关;当供暖期郑州市主导风向为正西风时,污染天气出现频率较低;利用BP神经网络预测2016年AQI的精度较高,预测值与实测值相关系数为0.85.     

天津滨海新区塘沽2013年供暖期前后大气污染物特征分析

为了解天津滨海新区塘沽供暖期前后大气污染物浓度水平的变化特征,利用2013年10月1日~12月29日NO2、SO2、PM2.5、PM10的连续在线监测数据,以供暖前10月1日~11月14日及供暖期11月15日~12月29日2个时间段来分析各污染物的变化特征。结果表明,滨海新区塘沽供暖期比供暖前PM10、PM2.5、NO2及SO2的日均浓度分别上升了46.7%、8.9%、60.5%和117.9%;4种大气污染物的日均浓度最高值均出现在供暖期;供暖期PM10、PM2.5、NO2及SO2的日均超标平均倍数较供暖前均有所上升;供暖期PM10、NO2及SO2的超标率均比供暖前上升,而PM2.5的超标率则下降。     

宝鸡市可吸入颗粒物24h浓度变化特征分析

目的 分析宝鸡市区空气中可吸入颗粒物(PM10)24 h浓度变化特征,总结其规律性,以便百姓参考.方法 利用2003～2007年大气自动监测数据,结合气象资料,对宝鸡市区多年监测结果进行统计分析,每年分为采暖期和非采暖期2个阶段分别进行分析.结果 宝鸡市区PM10平均小时浓度值的日变化特征为12月份9点浓度最高,可以达到0.29 mg/m3,每年的3月份凌晨2点其浓度最低值,为0.03 mg/m3,每年的元月到3月中旬和11月中旬到年底,宝鸡市区PM10日平均小时浓度变化幅度较大,在6:00～11:00和17:00～23:00各出现一次峰值.3月份PM10的最小值与最大值相差0.20 mg/m3,2月份PM10的最小值与最大值相差0.12 mg/m3;非采暖期PM10浓度起伏较小,另外全天PM10浓度变化与气象条件和人为因素密切相关.结论 全年各月PM1024 h内的浓度变化规律明显,对宝鸡市居民合理安排出行、PM10控制和治理具有参考价值.     

天津滨海新区塘沽2013年供暖期前后大气污染物特征分析

为了解天津滨海新区塘沽供暖期前后大气污染物浓度水平的变化特征,利用2013年10月1日~12月29日NO2、SO2、PM2.5、PM10的连续在线监测数据,以供暖前10月1日~11月14日及供暖期11月15日~12月29日2个时间段来分析各污染物的变化特征。结果表明,滨海新区塘沽供暖期比供暖前PM10、PM2.5、NO2及SO2的日均浓度分别上升了46.7%、8.9%、60.5%和117.9%;4种大气污染物的日均浓度最高值均出现在供暖期;供暖期PM10、PM2.5、NO2及SO2的日均超标平均倍数较供暖前均有所上升;供暖期PM10、NO2及SO2的超标率均比供暖前上升,而PM2.5的超标率则下降。     

港口罢工影响下近地面O_3与NO_x浓度变化的多重分形研究

以香港港口2013年3月28日发生的工人罢工事件为契机,利用多重分形理论方法对罢工前和罢工中港口近地面O_3、NO_x随时间演变的多重分形特征进行分析.首先,运用多重分形消除趋势波动分析方法(MF-DFA)分析O_3、NO_x自身的多重分形特征,结果表明,港口罢工前和罢工中,O_3、NO_x浓度演化过程表现出非线性、复杂性的多重分形特征,并且污染物的多重分形特征在罢工中更强.接下来,使用多重分形消除趋势交叉波动分析方法(MF-DCCA),对O_3、NO_x相关性的多重分形特征进行分析,结果表明,二者的交叉相关性存在具有长期记忆性的多重分形特征.最后,对污染物原始序列进行随机重排处理和相位随机处理,对导致污染物多重分形特征的动力来源进行分析,结果表明,港口罢工前后长程相关性在污染物的演化中占有主导控制地位,厚尾分布效应在罢工中较明显,而且由于污染物多重分形特征的长程相关性的动力来源机制,二次污染物O_3的浓度在罢工中下降的趋势并不明显,并在一定时间尺度上存在高浓度的风险.研究结果可为分析港口罢工事件对港口城市大气污染的影响及大气污染物的演化机制提供参考.     

长沙市PM2.5浓度时空分布特征及影响因子分析

为分析长沙市PM2.5浓度时间变化特征、空间分布特征及其影响因子,利用数据统计分析、克里金空间插值技术、地理探测器等方法与Arc GIS平台表达,选取长沙市中心城区10个监测点2013—2019年PM2.5日变化数据.结果显示:在PM2.5浓度时间变化特征方面,不同季节中,PM2.5浓度表现出冬季>秋季>春季>夏季的季节特征,不同时段中,各季节PM2.5浓度日均小时变化曲线均大致呈双峰形态;在PM2.5浓度空间变化特征方面,PM2.5浓度的高值区主要分布在中部芙蓉区,整体呈城区向郊区逐渐递减的变化规律.根据地理探测器研究结果发现,2017年长沙主城区PM2.5浓度主要受气温、降雨和风速因子影响,其次是道路、相对湿度、气压和人口密度,高程、植被和餐饮因子影响较小;且任意两个影响因子共同作用均会对PM2.5浓度影响增强.     

太原市交通要道颗粒物污染的监测与分析

使用两套新型便携式空气质量监测仪,对太原市交通要道——迎泽街的可吸入颗粒物（PM10）、颗粒物上附着的多环芳烃（PPAHs）的浓度进行了为期3天的实时监测。初步结果表明：迎泽街PM10的日平均质量浓度为0．520mg/m^3,是国家二级标准（0．10mg／m^3）的5倍;PPAHs的日平均质量浓度为54ng/m^3,相当于人均日吸烟3支;浓度值日变化呈明显的规律性。     

长春市PM_(10)污染特征及与气象因素的相关分析

为了研究长春市PM10污染特征以及影响PM10浓度的因素,利用长春市PM10的实时监测资料,分析长春市PM10浓度的季节变化特征和污染程度.并利用同期的气象资料,建立PM10浓度和气象因素之间的多元线性回归模型,来进行两者之间的相关分析.采用逐步回归法,建立了"最优"回归方程,分析不同季节对污染物浓度有显著影响的气象因素,从而为长春市大气污染防治和雾霾天气预测提供科学依据.结果表明,长春市PM10浓度冬季偏高、夏季偏低、春季和秋季居中,2013年全年中1、4、10月份出现了不同程度的高污染现象,日平均浓度最高值达到591μg/m3.研究发现对长春市PM10有显著影响的气象因素主要有当日平均风速和最高最低气温温差.     

中国股票市场价格、交易量以及量价关系的多重分形特征研究

利用2005年1月4日至2015年10月14日期间的我国股票市场上海证券综合收盘价格指数和交易量的日度数据,采用MF-DFA和MF-DXA方法实证研究了我国股票市场价格、交易量以及股票价格与交易量关系的多重分形特征以及量价关系的多重分形特征的来源.从中可知,股票价格、股票交易量以及股票价格与交易量的关系都存在多重分形特征,股票价格与交易量多重分形的主要原因是长期记忆性特征和厚尾分布.     

银川市PM10污染特征分析

通过银川市2015年空气污染物质量浓度值分析,结果表明,PM10和PM2.5的浓度变化具有明显的季节特征和区域特征。PM10质量浓度春季高于夏季,秋季最低,PM10月均质量浓度变化均为1月份最大,9月份最小;PM10分指数等级冬季最差,PM10分指数等级秋季好于夏季;4#监测点各个季节PM10浓度均表现为最高。     

宝鸡市大气可吸入颗粒物浓度分布特征分析

目的分析宝鸡市空气污染物PM10的时空变化特征,为宝鸡市PM10污染的综合防治提供依据。方法采用宝鸡市各空气监测点三年PM10污染物浓度资料,分析了宝鸡市区PM10浓度的时空变化特征。结果宝鸡市PM10浓度分布为春、冬季>秋季>夏季,各监测点的浓度变化是监测站>技校>三陆医院>竹园沟。结论提出了切实可行的措施以降低空气中PM10的浓度来改善宝鸡市的城市空气质量。     

典型城市道路区域空气TSP和PM10污染特征研究——以上海市为例

为对空气中总悬浮颗粒物(TSP)和可吸入颗粒物(PM10)的污染特征进行研究,采用KC-120H型智能中流量TSP和PM10采样器,运用重量法测定道路的TSP和PM10浓度.针对重车型比例大的典型城市—上海市,对其道路区域中TSP和PM10污染物随车型、绿化情况、洒水情况和天气等的变化情况进行分析,并采用统计分析方法对数据进行处理.研究结果表明:(1)TSP和PM10浓度的日变化特征为白天浓度高于夜间浓度,阴天浓度高于多云和晴朗天气,雨天浓度下降显著;(2)在一定车型比例范围内,TSP和PM10浓度随着重型车数量的增加逐渐增大;(3)有绿化隔离状况下,TSP和PM10浓度明显低于无绿化情况,高大乔木阻挡作用强于灌木丛生植物;(4)洒水车过后,TSP和PM10浓度显著下降;(5)PM10与TSP浓度值线性相关.     

金融时间序列的多重分形类型的确定

为了探索股票时间序列的无标度性,利用多重分形消除趋势涨落分析的方法(MF-DFA)来研究沃尔玛股票指数(WMT)日收盘价.结果表明沃尔玛股票指数日收盘价的变化具有多重分形的特性.然后,随机打乱时间序列的次序,用MF-DFA方法分析打乱序列的多重分形性质,得出沃尔玛股票指数的多重分形主要是由概率密度函数产生的,分布多重分形占主导地位.比较原始序列和打乱序列的多重分形性质,得出打乱序列的多重分形性弱于原始序列的多重分形性.