基于广义线性模型的地表臭氧浓度的预测

近几十年来,随着城市规模的扩大及工商业的发展,城市光化学烟雾污染越来越严重。作为光化学烟雾的几种重要组分之一,臭氧是表征其严重程度和危害性的一个重要指标。由于高浓度臭氧对人体健康和生态系统的严重危害,如何高效、准确地提前预报高浓度臭氧成为了至关重要的问题。根据臭氧浓度分布的非Gauss特点,该文采用广义线性模型(generalized linear model,GLM)来对地表臭氧浓度进行预报。使用美国休斯顿及旧金山地区的监测数据分别建立了基于非Gauss分布假设的GLM模型。与普通线性模型的结果对比表明:广义线性模型不仅能够提高超标臭氧天数的正确预报率,同时也能降低高浓度臭氧的预报误差。     

基于ARMA-GARCH模型的南宁市O3浓度预测研究

为探索采用时间序列模型快速预测臭氧浓度,以南宁市日均O_3浓度数据作为研究对象,收集2017年1月1日至2017年12月31日O_3日均浓度时间序列,构建ARMA-GARCH模型,对2018年1月1日至2018年1月31日O_3日均浓度进行预测。研究结果表明,构建的时间序列模型预测值拟合曲线基本能与实测值保持一致,经检验发现,在拟合曲线峰、谷值及其前后容易出现较大误差,短期预测结果较准确。     

广州地区臭氧浓度变化规律研究

通过对1999年广州市3个监测点(市监测中心站，麓湖公园和龙归)地面O3浓度的分析，研究广州地区地面O3浓度的时空分布及其变化特征，结果表明：①天气条件的变化对O3形成具有明显的作用，即：晴天O3平均浓度都大于多云天和阴雨天的值，阴雨天的值最小；②O3浓度具有明显的季节变化，其大小次序排列为冬季、秋季、夏季和春季；③远郊区的龙归测点O3的值均大于市监测中心站，麓湖公园测点也大于市监测中心站，这表明二次污染物的高浓度中心与一次污染物的中心不相重合，二次污染物在一次污染物的下风方形成。同时利用高分辨化学模式模拟了市监测中心站测点O3浓度廓线随时间的变化，结果表明：对流层低层的O3浓度日变化幅度较大，尤其是白天变化非常明显；自由大气层内的O3浓度日变化较小。     

水中臭氧浓度的检测方法

目前检测水中臭氧浓度的方法很多,为使检测方法的选择有章可循,详细论述了应用碘量法、比色法、紫外分光光度法、电位法和电量法检测水中臭氧浓度的原理和方法。从检测精度、连续性、水质要求和技术经济等方面考虑,分析了各种检测方法的特点及其适用场合,指出在具体应用时应根据检测方法的特点、对检测精度的要求和检测现场的实际情况,选择适当的检测方法。     

大型高频臭氧发生器的冷却特性分析

对臭氧产量为1 kg/h的高频臭氧发生器的冷却系统进行分析,探讨冷却条件对臭氧浓度、电耗的影响.通过试验,得到了工作气体进口温度、冷却水进口温度、冷却油进口温度与臭氧浓度和电耗间的关系曲线.试验结果表明,工作气体进口温度、冷却水进口温度和冷却油进口温度对臭氧浓度和电耗有显著影响.     

岭回归算法在臭氧浓度集合预报中的应用

基于机器学习方法,利用已有的预报模式构造一种全新的集合预报模型,对于提升预报的准确度和稳定性都有重要意义.以臭氧浓度预报为例子,讨论一种基于机器学习的集合预报技术——岭回归(ridge regression,简称RR)算法.首先,对RR算法的特点和实现流程进行描述.在实现RR算法之后,对我国近两年的环境空气质量真实数据进行大量的数值实验.然后,对最优化集合预测(operational consensus forecasts,简称OCF)和RR算法的预测结果在均方根误差和时间序列对比等方面进行详尽分析.实验结果表明,RR算法比OCF算法具有更好的预测精度和稳定性.最后,对算法可能的误差来源进行探讨,提出了进一步改进的方向.     

融合空间和统计特征的CNN-GRU臭氧浓度预测模型研究

近年来，空气污染问题备受关注，近地面臭氧逐渐成为我国部分城市的首要污染物，因此对臭氧浓度的精准预测尤为重要.为了进一步提高臭氧浓度预测的精度，提出一种融合空间特征和统计特征的卷积神经网络和门控循环单元（Convolutional Neural Networks and Gate Recurrent Unit,CNN-GRU）臭氧浓度组合预测模型.首先，通过对时空因素以及其他大气污染物与臭氧浓度进行相关性分析，利用基于统计域的方法和克里金插值法对臭氧浓度时序数据进行预处理来提取臭氧浓度数据的时空特征，采用并联杂交CNN和GRU结构的组合预测模型得到最终的臭氧浓度预测结果 .实验结果表明，CNN-GRU组合预测模型预测未来一小时的臭氧浓度可决系数、均方根误差和均方误差的值分别为0.9598,11.9508和8.2753，未来两小时的臭氧浓度可决系数、均方根误差和均方误差的值分别为0.8985,18.5373和13.0045，优于独立的CNN、长短期记忆（LongShortTermMemory,LSTM）网络、GRU、卷积-长短期记忆网络（Convolutional LSTM Network...     

环境空气中臭氧浓度变化影响因素的相关性分析

由于受持续高温天气影响,全国大部分区域出现了不同程度的臭氧污染,为了解环境空气中臭氧浓度的影响因素及其相互之间的相关性,本文以近期兰州新区环境空气自动监测数据为基础,采用相关性分析法对环境空气中臭氧浓度与其它气态污染物和气象参数之间的相关性进行了分析,结果表明,气象参数中,环境温度与臭氧浓度呈现高度正相关,环境湿度、大气压与臭氧浓度呈现显著负相关.其它气态污染物中,氮氧化物浓度与臭氧浓度呈现显著负相关,二氧化硫、一氧化碳浓度与臭氧浓度基本无相关.     

Smog chamber studies of ozone formation potentials for isopentane

The incremental reactivity and ozone formation potential of isopentane have been studied with chamber experiments and computer simulations. The chemical mechanism used in the computer simulations is an isopentane sub-mechanism from the Master Chemical Mechanism （MCM）. The results from the chamber experiments suggest that the MCM can well simulate i-C5H12-NOx chamber experiments. The heterogeneous reaction of NO2 and water is an important source for OH radicals in the chamber experiments. The photolysis of HONO is responsible for the initiation of isopentane in photochemical reactions. The reaction rate constant for NO2 → HONO was determined to be 3.9×10-4―5.9×10-3 min-1 by conducting 3 sets of CO-NOx-air irradiations. 5 sets of isopentane-NOx irradiations under different conditions were performed in our chamber. Compared with the experiment with a low relative humidity （RH）, an increase in RH can increase the reaction rate of NO2 with H2O, so that the peak ozone occurs earlier. When isopentane is predominant over NOx, the peak ozone concentration is largely dependent on NOx concentrations.     

气象因子对近地面层臭氧浓度的影响

利用近几年来近地面层臭氧浓度和常规气象要素的观测资料。分析了温度、降水、蒸发、风向风速等气象要素对近地面层臭氧浓度的影响．结果表明，近地面层臭氧浓度随着气温的升高而升高，臭氧浓度的日变化和季节变化有同样趋势；而降水、湿度的影响刚好与气温相反；大风或有雾的天气条件也会成为近地面层臭氧浓度增高的因素。这可能与大风对引起近地面臭氧产生的前体物的搬运作用以及雾内湍流将高层臭氧向下的输送作用有关。