空气质量指数计算的数学模型

根据2013年全国研究生数学建模竞赛中的附表1和附表2的数据,研究空气质量评价.联系实际分析论证了现有模型的局限性,在现有的国家最新空气污染物监测标准的基础上应用半集均方差原理建立一种新的空气质量指数计算的数学模型.     

2015～2018年哈尔滨市空气质量变化及评价

利用2015～2018年哈尔滨市逐日空气质量数据,对年内、不同年份及不同季节的空气质量指数(AQI)、首要污染物出现频率的特征变化进行研究,并采用综合污染指数法对哈尔滨市空气质量进行评价.结果表明:(1)2015～2018年哈尔滨市AQI为优良天数呈逐年增加趋势,轻度污染及以上天数逐年减少,2018年空气质量为最佳.(2)2015-2018年空气首要污染物以PM2.5和PM10为主,污染日数最多,属颗粒物污染类型,但逐年减少,而NO_2出现率均最低,但逐年增多.(3)夏季空气质量最好,以NO_2为主;春季次之,以PM10为首要污染物出现率最高;秋冬季节较差,以PM2.5为主.(4)2015～2018年哈尔滨的空气质量均属于轻污染等级,需采取进一步措施使哈尔滨市的环境空气质量更佳.     

基于PEARSON函数的AQI指数与气象要素关联性研究

基于2011—2018年洛阳地区AQI数据及主要污染物资料,分析了2011年到2018年洛阳地区的空气质量和污染物特征,探讨了洛阳地区AQI指数及污染物种类与气象要素之间的关系。结果表明:洛阳地区冬季AQI指数为一年中的最大值,夏秋季AQI指数最小;从2011年开始,AQI指数呈上升趋势,至2016年达到最大值后开始减小。洛阳市的主要污染物为PM2.5和PM10,且近年来冬季PM2.5和PM10的平均浓度呈上升趋势。温度和降水对污染物浓度的影响最大,但近三年来,温度变化对污染物浓度的影响效果开始减弱。总体来说,各气象要素与AQI之间存在紧密联系。     

“十一五”期间大庆市空气质量及变化趋势分析

根据大庆市环境质量状况公报,2006~2010年的城市空气监测数据,以空气质量标准(GB3095-1996)为标准,利用spearman秩相关系数法,根据"十一五"期间空气质量监测数据,对大庆市空气主要污染物进行分析,得出以下结论:(1)从年际变化看,大庆市空气质量不断改善,空气质量达标天数不断提高;(2)大庆市监测的主要污染物SO2、可吸入颗粒物(PM10)、NO2和降尘,2010年年平均浓度均呈下降,变化趋势不显著;(3)在各种主要污染物中,降尘治理取得良好的效果.     

哈尔滨市空气质量变化趋势研究

对哈尔滨市2014～2018年的空气质量进行了研究和分析,建立变系数部分线性模型,分析供暖、秸秆焚烧、温度、风级、湿度五个因素对哈尔滨市空气质量变化的影响,通过轮廓过最小二乘方法对常系数和变系数进行估计.结果表明:哈尔滨市的空气质量指数变化与时间变化关系明显,秋冬季节供暖和秸秆焚烧的排放物对空气质量影响显著,哈尔滨市十月份到三月份的空气质量指数明显高于其他月份,且空气质量指数呈逐年下降趋势.     

鲁西南地区静稳天气特征及其与大气污染物的关系

【目的】研究鲁西南地区静稳天气特征及其与主要污染物的关系。【方法】通过构建静稳天气综合指数,利用2014—2018年济宁、菏泽、枣庄三市的大气监测和气象资料,构建了鲁西南地区静稳天气指数(SWI),分析了SWI与空气质量指数(AQI)及PM_2.5浓度的关系,能较好地表征鲁西南地区大气对污染物的水平与垂直扩散及运输能力。【结果】济宁SWI与AQI相关系数为0.79,与PM_2.5浓度的相关系数为0.78;菏泽SWI与AQI相关系数为0.62,与PM_2.5浓度的相关系数为0.61;枣庄SWI与AQI相关系数为0.77,与PM_2.5浓度的相关系数为0.78。当SWI增大时,PM_2.5浓度与AQI值均增大;当SWI值减小时,PM_2.5浓度与AQI值均下降,其具备较好的对应关系。【结论】静稳天气指数的时间提前特征,说明静稳天气指数对下一日的空气质量具有一定的影响;静稳天气指数在空气质量发生转折时有较好的指示作用;静稳天气指数在一定程度上与大气污染程度的变化一致,且在一...     

基于ARMA模型的哈尔滨市空气质量研究

基于哈尔滨市2015年至2017年的空气质量指数AQI数据,运用Fisher有序样品聚类法对数据从时间上进行分割,逐段建立ARMA模型,并对模型进行检验.结果表明哈尔滨空气质量变化规律呈现时段性,可分为供暖期和非供暖期.利用供暖期和非供暖期ARMA模型对哈尔滨AQI进行预测,预测值与实测值基本吻合,整体趋势也能够得到较好的预测.     

基于机器学习的空气质量模型分析与研究

【目的】传统的空气质量计算方法已经难以满足当前社会的需求,基于机器学习的空气质量模型的分析与研究有助于提高空气质量预测的准确性和及时性。【方法】选取郑州市2019年全年空气质量和气象的逐小时数据,分别分析了空气质量与空气污染物因子的相关性以及空气污染物因子与气象要素的相关性。以空气污染物和气象要素作为输入因子,采用机器学习的方法建立多个回归模型,最后通过对回归模型的评估,根据评估的结果选取合适的预测模型。【结果】通过对回归模型评估指标的三种方法进行对比发现,随机森林模型效果较好,验证了机器学习的方法非常适合于空气质量的预测。【结论】本研究适应于站点的模型建立与预测,下一步应继续进行深度研究,从站点来繁衍出格点的实况预测模型。     

陇东空气质量的分析及预报

分析了庆阳市空气污染物的特征,得出总悬浮微粒影响最大,污染最严重的是春季;总结了影响空气质量的3种主要天气系统,利用地面气象资料,建立了不同季节污染浓度预报模式,并制作了城市空气质量预报业务系统,预报效果较好.     

数学建模培训效果的调查研究

对参加过数学建模培训与未参加过数学建模培训的学生进行抽样调查,并对调查结果进行分析后发现,参加数学建模培训对学生学习数学的态度、综合能力方面有积极影响.同时,对存在的问题进行分析,促使进一步探索更有效地开展数学建模培训的方式,以便提高学生的受益程度.