不同地铁环控系统颗粒物污染分布实测研究

为了研究不同地铁环控系统站台的颗粒物污染情况,提出有效的控制策略,通过对北京地铁6号线和8号线的PM2.5和PM10的质量浓度进行实测分析,分别得出了不同系统站台颗粒物污染分布规律。结果表明,全高安全门系统的PM2.5浓度是屏蔽门系统的1.02~2.24倍,远高于屏蔽门系统浓度;并且当列车驶入时站台颗粒物浓度会显著增加,增长的百分比范围为9%~33%,其中全高安全门系统屏蔽门系统地上高架系统。相关性分析表明,地铁站内的PM2.5和PM10有极强的相关性(R2=0.995),说明PM2.5和PM10有着共同来源。对室外环境中的PM2.5与站内PM2.5的相关性测试表明,地上高架站台相关性地下站台,说明地上高架站台更易受室外环境影响。因此针对不同的系统,应提出不同的控制策略以提高地铁空气品质。     

北京某地铁车站细颗粒物分布特性研究

为了解地铁环境细颗粒物(PM2.5)污染状况,本文对北京地铁车站PM2.5的浓度进行测试,对北京地铁车站PM2.5分布规律及其浓度的影响因素进行研究。选择复杂的换乘车站—宋家庄车站,针对地铁的公共区(站厅、站台)采用多测点连续测试的方式进行测试。分析结果表明,在室外环境PM2.5污染程度低于重度污染的情况下,地铁车站PM2.5浓度高于室外;列车的频率(活塞风)会造成车站公共区的PM2.5浓度呈现周期性变化。相关性分析表明,地铁站内外细颗粒物之间的相关性显著,颗粒物(PM2.5与PM10)之间的相关性显著。对地铁站内细颗粒物影响颗粒物浓度的相关因素进行分析,明确了客流量、车站温湿度对地铁内PM2.5浓度的影响不显著。     

基于BIM的地铁火灾屏蔽门开启方式研究

利用BIM技术建立三维物理模型,模拟在2.5MW火源功率下的地铁站台中部火灾,探讨三种通风模式下,屏蔽门开启方式对烟气在站台层的蔓延、有毒气体浓度、站台温度的影响.研究结果表明:在自然通风模式下,选择屏蔽门关闭最优;站台主风机开启模式,选择屏蔽门全部关闭或全部打开可以较好地控制站台烟气扩散;在辅助风机模式下,选择屏蔽门单侧开启既可以满足降低站台温度的要求,也可满足CO体积分数和能见度的分布要求.     

大气污染期间北京住宅室内外空气中PM2.5的浓度水平

由于2012~2013年北京大气环境质量整体较差,且多天的PM2.5日均浓度值超过0.500 mg/m3。鉴于此,为了解大气污染期间住宅室内外PM2.5的浓度水平,于2014年4~5月对北京市内4所住宅A、B、C和D的室内外PM2.5浓度分别进行了随时间变化的同步测试,并对其浓度水平及影响室内PM2.5的因素进行了分析。结果表明：(1)测试期间4所住宅中,B、C和D住宅室内外PM2.5的平均浓度均高于0.075 mg/m3,室外PM2.5平均浓度分别为0.143 mg/m3、0.122 mg/m3和0.124 mg/m3,室内PM2.5平均浓度分别为0.129 mg/m3、0.089 mg/m3和0.104 mg/m3;(2)在室内无明显污染源或污染源强度相对较低时,较高的室外PM2.5浓度对室内PM2.5浓度水平起主导影响;(3)吸烟和烹饪对室内PM2.5浓度影响较大,开、关窗时间及室外PM2.5浓度水平影响室内PM2.5的衰减时间;(4)北京市朝阳区2014年测试的住宅A、B和2015年同期测试的住宅Z1的室外PM2.5平均浓度分别为0.037 mg/m3、0143 mg/m3和0.028 mg/m3,2014年开始实施的《北京市大气污染防治条例》使2015年北京市室外空气质量有所改善。     

地铁站台火灾烟气扩散模拟与分析

为探讨地铁站火灾烟气的扩散规律,使用火灾动力学模拟软件(FDS)对广州大学城北地铁站站台进行了火灾烟气扩散规律研究。根据地铁站内的实测温度、风速等数据确定了数值模拟所需的边界条件,运用湍流大涡模拟方法和信息传递接口(MPI)对地铁站台进行了实景模拟。结果表明:当站台中央发生火灾时,左侧烟气浓度比右侧高约133%,一氧化碳浓度比右侧高约75%,温度比右侧高约41%;相比之下,站台右侧更适合人员逃生。     

乌鲁木齐市PM_(2.5)及其影响因素关系的研究——基于VAR模型的脉冲响应和方差分析

通过对乌鲁木齐市从2015年1月1号到2016年12月31号每天的PM_(2.5)、PM_(10),以及SO_2、CO NO、NO_2、O_3污染物浓度等数据的整理和分析,进一步设立向量自回归(VAR)模型,对时间序列PM_(2.5)与其它空气污染物之间的关系探索使用格兰杰因果关系检验、脉冲响应函数方法和方差分解的方法分析,建立了它们之间的自回归模型关系,探讨了其他空气污染物对PM_(2.5)的影响。结果表明:乌鲁木齐市PM_(2.5)与其它空气污染物所构成的空气质量系统是稳定的,PM_(10)SO_2、CO、PM_(2.5)、NO_2、O_3浓度值的增加会引起PM2.5浓度值持续较长时间的增加,其中SO_2对影响作用最大;O_3浓度值的增加则会使PM_(2.5)浓度值降低。     

不同污染程度下室内外小时PM2.5浓度变化特征对比

依据实测北京市夏季室外和开、关窗室内的PM_(2.5)浓度等数据,利用统计分析,探讨了不同污染程度下室内外小时PM_(2.5)浓度的变化特征。结果表明:室外PM2.5污染程度为轻度时,其浓度达到最大值后3 h,开窗室内PM_(2.5)也达到一天中的最大值。室外PM_(2.5)污染程度为良或优时,二者小时PM_(2.5)浓度的变化特征较同步。同时,关窗室内的小时PM_(2.5)浓度会出现大于室外的现象。室外PM_(2.5)的污染程度不论是轻度还是优或良,早晨7:00~9:00之间因交通早高峰的影响,室外和开窗室内细颗粒物浓度会出现峰值。     

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。     

PCA-BP模型下皖北城市群PM2.5浓度分析

为探究皖北城市群大气污染物在不同地域、不同时间下的分布规律以及影响空气中PM2.5浓度的相关变量,结合2018-2021年安徽省生态环境厅统计数据及相关地域资料,采用主成分分析(PCA)法按时间段长短及季节性变化分别选取月度数据与年度数据对空气质量的影响因子做相关性分析,对比分析不同季节下空气污染物PM2.5、PM10的浓度及其它空气污染物的变化,构建基于PCA算法的反向传播神经网络 (BP),建立PCA-BP模型并采用交叉-验证法提高模型精度,对大气中的污染物PM2.5浓度做短期预测。实验结果表明:PM2.5浓度的主要影响因子为PM10、CO、NO2、SO2;皖北地区PM2.5含量整体在冬季偏高;预测模型的精度在夏季与秋季较高,冬季较低,四季的预测精度R2分别达到0.924、0.958、0.935、0.794。     

拱形地铁站厅火灾排烟口位置优化及补风方式研究

针对某拱形“十”字型换乘地铁站，通过理论分析和数值模拟相结合的方法研究拱形站厅层发生火灾时，侧部排烟模式下排烟口处烟气层的吸穿问题以及主侧排烟口位置对拱形站厅排烟效果的影响，并探讨开启站台层机械补风以及打开站台层屏蔽门进行自然补风的两种补风模式对站厅层机械排烟的影响。结果表明：拱形站厅的主侧排烟口对整个站厅的排烟效果起着决定性作用；当主侧排烟口与站厅拱顶的距离在1.8 m以内时，主侧排烟口开始接触并排除烟气的时间相近；主侧排烟口与站厅拱顶的间距越大，火灾发生时主侧排烟口附近烟气层越容易发生吸穿现象，得到拱形站厅内2.5 MW火灾情况下主侧排烟口距拱顶间距的适宜范围。建议站厅层发生火灾时，开启站台机械补风或站台屏蔽门，从而为站厅层提供更安全的环境。