汽车"油改气"新能源发展思路与实践应用的探究

目前随着我国汽车的数量不断地增长,我国原油的进口量也在大幅度增加,同时雾霾天气的不时光顾警醒了人们对空气质量的担忧.治理空气污染,探索新能源的话题愈来愈引起人们的兴趣,在汽车数量不断增长的今天,治理好我国的空气污染就显得尤为重要,该研究对汽车"油改气"的现状及其发展过程遇到的现实问题进行了探究,旨在为新能源发展制定相关标准、政策梳理出一些思路.     

旅客列车硬卧车厢内空气质量的数值模拟

采用稳态不可压缩雷诺时均N-S方程、kε湍流模型,对YW25K型空调硬卧车厢内空气质量进行数值模拟。采用立方体代表乘客,以人体呼出的CO2作为代表性污染物,以PMV和车厢内CO2相对浓度为基础,提出了评价车厢内空气质量的新指标,利用该指标对硬卧车厢内各铺位的空气质量进行了评价。计算结果表明,送风速度对车厢内空气质量有较大影响,增加送风速度有利于改善车厢内各铺位的空气质量,但过大的送风速度对车厢内空气质量不利;硬卧车厢内采用条缝送风方式、送风速度为2.5 m/s时,车厢内空气质量最佳,可同时满足热舒适性要求和保证良好空气品质。     

公共场所空气质量分析评价方法

选取与大学生生活密切相关的公共场所如学校食堂、学校超市、电子阅览室、图书馆、乒乓球馆等作为监测对象,以氨气、苯、甲苯、二甲苯(主要是间二甲苯)、VOC等作为检测指标,进行场所内各气体分布规律的研究,结果发现,校园内各公共场所室内空气质量普遍良好,但也存在个别气体超标现象.烹饪操作窗口较多的食堂内空气质量较差,存在空气污染;学校超市空气质量较好;图书馆白天空气质量较好,人群密度最大的晚自习时间段内氨气、苯、甲苯超标,空气质量下降;乒乓球馆内存在氨气超标现象,但超标不严重;校内电子阅览室空气质量很好,相比之下校外网吧空气质量较差.     

汽车车内空气质量智能控制系统开发

人们的健康意识日益提高,汽车车内空气污染问题受到了越来越多的关注。开发了一套基于单片机的车内空气质量智能控制系统,利用各种有害气体传感器来检测车内空气质量状况,通过CPU控制模块对检测结果进行分析,利用液晶屏显示车内空气质量检测结果。并根据检测结果控制机电执行模块的通风方式,实现车内外空气流通的智能控制,从而有效消除车内空气污染,改进车内空气质量。     

汽车内的污染研究

随着人们生活水平的提高,汽车内污染逐渐被消费者所重视。本文对国内外关于汽车内污染研究现状、污染物的来源及危害作一论述。建议出台标准设定汽车车内空气污染浓度的限值,合理控制车内空气通风系统,采取汽车车内空气净化措施,以保障驾乘人员的身体健康。     

汽车尾气对于哈尔滨空气质量情况的影响

介绍了近几年哈尔滨市的汽车保有量情况，用数理统计的方法对汽车保有量和尾气成分进行了分析。结果表明：汽车尾气的排放对哈尔滨市的空气污染影响不大。但随着汽车保有量的增加，也会对空气质量产生一定的负面影响。     

浅议汽车燃料油改气技术

伴随着我国国民经济的飞速发展,人们不断增长的物质生活需求,与之俱来的是汽车行业逐渐发展.汽车行业的飞速发展,虽满足了人们日益增长的物质生活需求,但同时也带来相应的环境问题,尤其是空气污染问题,基于这种现象的出现,汽车燃料油改气逐渐被推广,减少因汽车带来的环境问题.     

深圳家用汽车车内空气污染状况调查分析

了解目前深圳市家用汽车车内空气污染状况,于2009年12月对48辆汽车进行检测,甲醛浓度超过0.1mg/m^3有7辆,占14.6%。TVOC（总挥发性有机物）浓度超过0.6mg/m^3有21辆,占43.8%。说明普遍车内TVOC超标严重。国家关于汽车内空气质量标准,应尽快出台。     

近11年兰州空气污染特征及其边界层结构影响的分析

利用来自环保部门的空气污染资料,分析了近11年兰州市空气污染特征;结合气象地面和探空观测资料,分析了山谷地形条件下大气边界层结构对兰州空气污染的影响.结果是兰州近11年的空气污染有整体减轻趋势,但污染仍很严重,空气质量大多年份都达不到国家二级水平,污染物主要为可吸入颗粒物.严重污染时期集中在秋末、冬季和春季,秋冬季空气污染较稳定,主要受可高达1000 m的深厚稳定边界层影响,而春季空气污染指数标准偏差较大.11年空气污染指数的月平均次高峰出现在3月,相对以往研究提前了1个月.     

公交车空气细菌污染的治理初探(简报)

目前,对公交车空气细菌污染的报道甚少,我们在1999年对九个车次的公交车检测中,发现细菌数全部超过我国规定的有关空气细菌学标准,在不同季节对同一公交车进行检测时,发现除极低气温外,一年四季均超标.2003年的"非典"也已经给我们敲醒了警钟,治理公交车空气细菌污染,防止呼吸道疾病传染已刻不容缓.公交车内保持良好的通风状态,可降低空气污染,但其缺点是速度太慢.较快的方法是使用化学消毒,但这些方法存在场地设备限制、对人体有刺激性、有毒副作用等缺点.本文试图采用自制无毒副作用、无刺激性的天然生物消毒剂,对上海市部分公交车空气细菌污染进行治理初探,以防止公交车上的呼吸道疾病传染,保护市民的身体健康.     

汽车内部装饰材料中醛类物质测试方法的研究

汽车在给人们的生活带来了极大便利的同时，车内空气污染逐渐成为人们关注的焦点。2004年，中国室内装饰协会室内环境监测中心参照国家室内空气质量标准，对新车车内空气污染进行抽检，结果90％的轿车存在空气污染，其中约23．4％车辆甲醛超标，一些车辆甲醛超标达五六倍以上，车内空气质量状况令人堪忧。^[1]     

基于云模型的PM_(2.5)污染程度评价

空气污染问题是近期公众关注的焦点问题.考虑污染因子PM2.5污染程度的模糊性和随机性,采用武汉市130个以PM2.5为首要污染物的AQI数据,利用云模型建立了空气质量评价体系,并用于PM2.5污染程度评价.以PM2.5指数88为例,评价其属于良好等级的隶属度区间为[0.64,0.87],属于轻度污染等级的隶属度区间为[0.03,0.13],最终评价为良好等级,与国家标准一致,但信息表达更充分.结果表明:采用云模型进行空气污染程度评价,实现了空气质量分级评估随机性与定性语言表达模糊性的统一,更符合人类对事物的认知规律.云模型评价空气质量是国家评价标准的有益补充.     

北京变雾都

自入秋以来,华北地区一直被大雾笼罩,这样的天气阻碍了污染物的扩散,让空气质量一直处在危险水平,美国大使馆引入的PM2．5环境监控设备,也让人们更加关注空气污染程度。     

警惕室内环境杀手

随着人们环保意识的不断增强,空气污染越来越被人们所重视。但是,你眼中的空气污染是否只是外部污染,比如工业废气和汽车     

校园室内空气微生物污染的调查与分析

采用沉降平板法,选用牛肉膏培养基与马铃薯培养基,分别在4月份与5月份检测了曲阜师范大学校园不同环境中空气污染细菌与真菌的含量.结果表明:①校园不同室内环境的空气污染微生物类群与数量随时间的变化而变化.②学生宿舍、学生食堂及网吧的空气中污染微生物以细菌为主.其中,在4月份的细菌平均含菌量为1084.75个/m3空气,以女生寝室的含菌量最高,达到2228个/m3空气,超出卫生标准的1.5倍;5月份时,细菌的平均含菌量为1785.88个/m3空气,仍是女生宿舍的含菌量最高,达到3198个/m3,超出卫生标准的2.1倍.③校自习室、网吧及宿舍中的真菌含量较多.其中,4月份的真菌平均含菌量为396.88个/m3空气,以女生寝室的含菌量最高,达525个/m3空气;5月份的真菌含菌量为619.38个/m3空气,最高时为695个/m3空气.这是由于卫生条件差,居室狭小,人口拥挤,空气潮湿,通风不良等因素造成的.     

合肥市环境空气质量分析

以合肥市空气质量实时监测面板数据为样本,气体污染物为指标,建立空气质量时空分布模型,从日度、月度和季度三个维度分析不同区污染状况.根据主成分分析综合评价模型,分析庐阳区、明珠广场、三里街等十个监测点主要污染源,并对各区污染程度排序.研究结果表明,NO2和PM2.5是合肥的主要污染物,瑶海区空气质量最差;滨湖新区、董铺水库、高新区、琥珀山庄、明珠广场和长江中路空气污染程度较轻,包河区、庐阳区、三里街和瑶海区的空气污染较重.     

基于长短期记忆神经网络模型的空气质量预测

随着城市化和工业化的快速发展,空气污染问题日益突出,空气质量预测显得尤为重要。当前一些有代表性的研究对空气质量进行实时监测和预报,例如周广强等采用数值预报的方法对中国东部地区的空气质量进行分析,但其实验结果表明该方法难以预测非常重的污染;SANKAR等使用多元线性回归对空气质量进行预测,但其实验结果表明线性模型预测精度低、效率慢;PéREZ等使用统计方法对空气质量进行预测,实验结果证明统计方法的预测精度比较低;WANG等采用改进的BP神经网络建立了空气质量指数的预测模型,其实验验证了BP神经网络收敛速度慢、容易陷入局部最优解的问题;YANG等利用相邻网格的空气质量浓度效应,建立了基于随机森林的PM_(2.5)浓度预测模型,通过实验过程证明网格划分程序削弱了后续空气质量分析的质量和效率。这些方法都难以从时间角度建模,其中预测精度低是比较重要的问题。因为预测精度低可能会导致空气质量预测结果出现较大的误差。针对空气质量研究中预测精度低的问题,提出了基于长短期记忆单元(long short-term memory,LSTM)的神经网络模型。该模型使用MAPE,RMSE,R,IA和MAE等指标来检测LSTM神经网络与对比模型的预测性能。由于Delhi和Houston是空气污染程度比较严重的城市,所以使用的实验数据集来自Delhi的Punjabi Bagh监测站2014—2016年的空气质量数据和Houston的Harris County监测站2010—2016年的空气质量数据。LSTM神经网络与多元线性回归和回归模型(SVR)的比较结果表明,LSTM神经网络适应多个变量或多输入的时间序列预测问题,LSTM神经网络具有预测精度高、速度快和较强的鲁棒性等优点。     

基于CFD的城市轨道交通车厢空气质量模拟分析

城市轨道交通车厢的人员密度较高,车厢内的空气质量对乘坐体验及健康具有显著影响。以城市轨道交通列车车厢为例,采用CFD软件Fluent2019对正常载客情况下轨交车厢内空气质量进行数值模拟,分析空调送风风速为2、2.5、3 m/s和送风角度30°、45°、90°的温度场、速度场、污染物浓度场情况,提出在常态化防疫背景下,保证车厢最佳的空气流通率的通风方式为上送下回,送风速度为3 m/s、送风角度为垂直90°。     

强化机动车辆管理 推进大气雾霾治理

<正>前段时间,持续不断的雾霾天气再次给人们敲响了保护环境的警钟。资料显示,目前可查的2011年中国GDP47万亿元,若仅按GDP的1.2%算,中国空气污染造成的经济损失就已经达到5640亿元,是口罩、监测设备等"雾霾经济"的100倍之多。如果按3.8%的比例计算,2012年中国因空气污染造成的损失近2万亿元。环保部公布的全国74个重点城市空气质量监测结果显示:有三分之二城市环境空气质量属重度污染,甚至有的城市空气质量污染因子PM2.5超过国家标准16倍,我省有5个城市"榜上有名",我市也在其中。据中国科学院专家分析认为,机动车尾气排放污染是形成雾霾天气的第二大因素。     

近十几年兰州空气污染变化及治理建议

兰州是甘肃省的省会,是西北的工业重镇,长期以来都面临大气污染方面的问题,严重制约着兰州经济社会的发展.近年来,兰州市采取了各种有效治理污染的措施,并取得了显著成果.本论述从气象条件、地理环境、人类活动等多个方面分析了兰州空气污染的原因,并应用Daniel趋势检验法对兰州市2001至2014年的空气质量数据资料进行处理分析,研究了兰州市空气污染状况及变化趋势.研究结果表明:兰州市空气质量总体上明显好转,空气污染指数API、主要污染物SO2,NO2和PM10浓度的spearman相关系数均是负数,各个数据参数随着时间推移都呈现下降趋势;兰州市的空气优良天数比例明显增加.兰州市的空气质量具有季节变化特点,冬春两季污染严重,夏秋较轻.近十几年,兰州冬春两季的API浓度明显下降,夏秋API变化不大,应该加大对冬春两季的治污投入.同时通过对数据进行线性拟合来对兰州市未来空气质量进行预估,结果显示兰州市API和SO2浓度已经达标,其余污染物也基本将在未来10年内达到标准.最后,对兰州市未来污染治理措施提出了一些建议.