基于MEA-BP神经网络的PM2.5质量浓度预测模型

为了解决PM2.5质量浓度预测精度不足的问题,提出一种基于思维进化算法(MEA)优化的BP神经网络的PM2.5质量浓度预测模型.该模型利用MEA所拥有的趋同和异化操作对BP神经网络的初始阈值和权值进行优化.以南京市每小时监测的PM2.5和其他空气污染物的质量浓度数据为例,利用MEA-BP模型进行预测,并与未经过优化的模...     

张家界市大气PM2.5碳组分污染特征及来源分析

为研究张家界市PM2.5中碳组分的污染特征及来源,于2017年11月至2018年7月在4个季度典型时段进行了大气P M2.5样品采集,综合分析了碳组分浓度水平和组成成分,并识别了其来源.结果表明,观测期间张家界市城区PM2.5质量浓度平均值为(45.60±25.48)μg/m3,OC、EC分别占PM2.5总质量的16....     

哈尔滨市大气颗粒物粒径分布及质量浓度变化特征

于2008年7月～2010年6月平行采集了TSP、PM10和PM2.5三种大气颗粒物,包括每月例行采样和日夜间采样,并对每个样品进行质量浓度的分析.结果表明:三种颗粒物浓度在7月份达最低值,而最高值出现在1月;与国家二级标准相比较,TSP和PM10在1、2、3、4、11、12月均超标,而PM2.5浓度则高出欧盟标准(1...     

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.     

长沙城区PM10和PM2.5的污染特征及气象因素溯源

采用环境颗粒物监测仪(TEOM1405-DF)分别观测了2010年1月～2013年1月长沙市火车站、湖南师范大学附属中学(简称:师大附中)的可吸入颗粒物(PM10)和细颗粒物(PM2.5)样品,初步探讨了长沙市颗粒物质量浓度的污染特征及其季节变化规律.结合气象背景资料对典型灰霾天气期间颗粒物污染情况和后向气流轨迹进行了分析.     

基于CPSO-BP神经网络的PM_(2.5)浓度预测模型

为了提高大气中PM_(2.5)浓度的预测精度,采用平均影响值(MIV)算法筛选出对大气中PM_(2.5)浓度有影响的主要变量,并依次作为神经网络输入变量。利用混沌粒子学(CPSO)算法修正BP神经网络初始权值和阈值,优化BP神经网络机构,以达到提高预测模型精度的目的。以2017年西安市PM_(2.5)日均浓度数据为样本建立预测模型,实验结果表明:相比于传统BP神经网络,基于CPSO-BP神经网络预测性能更优。     

温湿度及天气对Grimm180PM1.0和PM2.5的影响分析

颗粒物是大气中的主要污染物之一,也是引起环境、气候变化的重要因素,也可称入肺颗粒物。本文利用2013年香格里拉区域大气本底站监测的PM1.0、PM2.5质量浓度数据进行了简要分析,得出结论:PM1.0、PM2.5质量浓度逐月变化呈现明显的冬季、高夏季低的特征;降雨量与PM1.0、PM2.5的质量浓度呈现负相关;PM1.0、PM2.5质量浓度与气温正相关;降雨量和湿度与PM1.0、PM2.5的质量浓度成负相关。     

乌鲁木齐市天山区PM10的质量浓度变化特征分析

利用乌鲁木齐市天山区2005年1月1日～2005年12月31日监测的PM10的浓度资料,分析了该区的PM10的浓度变化特征。结果表明:天山区的PM10年平均浓度为266.1μgm,月平均浓度变化趋势图形整体呈现"V"型走势,最低的月平均质量浓度在8月份为93μgm,最高的月平均质量浓度在1月份为517.1μgm,最高浓度是最低浓度的5.6倍,说明冬季供暖对污染的影响大;PM10的质量浓度与RH呈正相关,γ=0.706(=0.01);PM10的质量浓度和降雨量呈负相关,γ=-0.301(=0.05);通过对天山区PM10的Spearman变化趋势分析得出,其质量浓度是呈递减的趋势。     

武汉市青山区冬季PM_(2.5)中PAHs污染特征及健康风险评估

在湖北省武汉市青山区布设三个采样点,利用智能中流量空气颗粒物采样器采集2013年冬季大气PM2.5样品,共获得PM2.5样品15个,采用气相色谱-质谱联用仪(GC-MS)检测其中16种优控多环芳烃(PAHs)含量,并对PM2.5中PAHs的组成和污染特征、来源进行分析。结果表明,PM2.5中PAHs的浓度呈现工业点市区点城郊点的分布特征;对不同环数多环芳烃化合物进行对比分析,发现重环PAHs比重高于轻环,同时重环中4环占较大比重;通过化合物之间比值对PAHs来源进行识别,发现煤的燃烧对武汉市青山区域内PM2.5浓度有较大的贡献率;利用Ba P毒性当量法对PAHs进行健康风险评估,发现武汉市青山区冬季大气PM2.5中PAHs的TEQ除了城郊点低于国家标准限值,其他采样点均在不同程度上高于国家标准限值。     

全国人口时间序列模型预测研究

对1949—2010年全国人口时间序列数据进行了分析,并建立自回归移动平均模型(ARIMA).通过对数据的平稳性检验、模型识别与参数估计、模型检验等综合分析,确立了ARIMA(2,1,1)模型.仿真结果显示,该模型可以用来做短期预测.     

化学科研实验室挥发性有机物(VOC)对PM2.5的影响

本文测定与分析河南省郑州市高新区某高校化学实验楼3层的工作室、室外大气、走廊和科研实验室在2016年8月的总挥发性有机物(TVOC)和PM2.5的质量浓度,得出走廊和实验室较高的TVOC和PM2.5质量浓度来自于实验室内的有机溶剂和有机试剂,挥发性有机物(VOC)、半VOC及无机气体发生一系列的物理和化学反应进而凝结形成PM2.5,并提出对化学科研实验室TVOC和PM2.5的防护措施。     

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。     

基于缺失值的海南旅游总收入的季节ARIMA模型及预测

讨论了带有缺失值的2007年1月至2013年2月的海南旅游总收入的数据,利用不同处理缺失值的方法对数据进行整合,得到海南省旅游总收入服从季节ARIMA模型,并由此对海南旅游总收入趋势进行有效预测.     

ARIMA组合模型在地区降水量预测中的应用

传统的ARIMA模型和马尔科夫模型在降水量预测中具有一定的偏差和不稳定性,为此建立了基于加权马尔科夫链修正的ARIMA组合模型.阐述ARIMA模型,并讨论了加权马尔科夫链修正预测值的方法.在此基础上,构建出基于加权马尔科夫链修正的ARIMA组合模型,将其应用于地区降水量的预测中,并利用相关数据进行实证分析.将组合模型和...     

许昌城区大气污染物变化特征及其影响要素研究

通过研究 2016—2018 年许昌城区大气污染物变化特征及其影响要素,得出以下结论。(1)2016—2018年许昌城区大气颗粒物污染情况有所好转,达标率逐年降低。(2)月均浓度呈“V”型变化。季节变化表现为冬季浓度最高,夏季浓度最低,PM₁₀春季浓度高于秋季。PM_2.5平均浓度日变化呈单峰单谷型,PM₁₀平均浓度日变化呈双峰双谷型。(3)PM_2.5浓度主要与气温呈负相关;PM_2.5、PM₁₀浓度与降水量呈负相关;PM_2.5浓度与相对湿度在春、冬季呈正相关,夏季呈负相关;PM₁₀浓度和相对湿度主要呈负相关;PM_2.5、PM₁₀浓度与风速均呈负相关。     

基于ARMA模型的人民币对美元汇率的实证分析

针对人民币对美元汇率问题,以2015-01-05—2017-12-20这段时间内的人民币对美元汇率为样本数据,建立了合理的ARIMA模型.结合自相关、偏相关系数图以及单位根检验判断原序列是非平稳时间序列,一阶差分后的序列是平稳时间序列.结合SIC等指标选择出最优的ARIMA(1,1,2)模型.运用该模型进行汇率预测,为企业和投资者的决策提供了可靠的依据.     

安阳市空气质量与能源消费结构的灰关联分析

以河南省安阳市2010-2015年的市区空气质量数据,利用灰色关联模型分析能源消费与空气主要污染物SO_2、NO_2、PM2.5、PM10的关系。结果表明,焦炭、煤气、汽油、柴油和原煤的消费与SO_2、NO_2、PM2.5、PM10浓度平均关联度达到0.98以上,对城市空气污染物排放的影响较大;而电力、煤油、洗精煤、热力和液化石油气的消费影响较小。     

西安市空气PM_(2.5)问题研究

依据西安地区监测站监测到的数据,对该地区空气中PM2.5的问题做了详细研究,得出了PM2.5浓度与AQI中其他成分之间的相关性。同时对监测到的数据进行预处理,建立多元化回归模型,利用SAS软件对处理后的数据进行曲线拟合,从而得出PM2.5浓度值与其他指标间的关系式,并且作出验证。最后,分析了该地区PM2.5的时空分布与其污染程度间的关系,充分说明了PM2.5对环境的影响。     

基于季节性ARIMA模型的入境旅游市场预测模型构建

基于1999～2015年中国入境旅游人数的月度数据,构建季节性ARIMA模型,并进行比较和检验.实证研究表明,ARIMA(12,1,1)(1,1,0)12模型的精度和准确度更好,为中国入境旅游市场的最优预测模型,可以帮助相关部门预测未来走势并制定相关政策措施.     

驻马店市大气污染物变化特征及与气象条件的相关性研究

本研究基于驻马店市2020年12月1日至2021年11月30日主要大气污染物质量浓度及同期几种气象要素、气象条件要素逐日数据,采用统计分析及Pearson相关系数法对驻马店市大气污染物质量浓度变化特征及与气象条件的关系进行研究,结果表明：驻马店市空气质量以二级为主,一级次之,整体空气质量较好;空气质量有明显的季、月变化特征,空气质量最好的是夏季,最差的是冬季,PM2.5、NO2和PM10质量浓度变化呈“U”型分布特征,冬季质量浓度最大,夏季质量浓度最小,O3质量浓度变化与其他三种污染物相反,呈倒“U”型分布,夏季最大,冬季最小;O3质量浓度与降水量和风速呈负相关,与气温呈正相关,PM2.5质量浓度和空气质量AQI与降水量、气温、风速均呈负相关;O3和PM2.5浓度与边界层高度、通风量呈负相关。