空气污染问题研究建模
空气质量评价 数学建模论文
数学建模论文A题空气质量评价摘要本文主要研究空气质量评价的相关问题，为突出改进之后的模型中的实时特性而对数据做了必要的省略处理，然后在现有的国家最新空气污染物监测标准（HJ633-2012环境空气质量指数(AQI)技术规定）的基础上利用半集均方差原理对现有空气质量计算模型进行改进。
在论证修正后模型可行性的基础上再对模型加以优化，最后利用优化后的模型对附表二中的各项监测结果得出其空气质量指数。
针对问题一，由于目标模型十分强调实时性，于是把附表一中臭氧8小时平均值﹑细颗粒物24小时平均值﹑可吸入颗粒物24小时平均值做了必要的省略处理。
联系实际分析论证了现有模型的局限性，并在此基础上采用半集均方差原理对现有模型进行改进，结果顺利得到优化后的计算模型。
针对问题二，考虑到优化后的计算模型并没有对不同的污染物的危害做出差异化的评价，而是直接取表中所有污染物的AQI平均值进行分析。
所以引入层次分析法根据污染物的危害性对不同的污染物赋予相应的权重，对半集均方差公式进行合理修正，最后得到修正后的空气质量计算模型。
再代入附表二中的数据即得到各个观测点的空气质量指数。
详细的matlab实现程序见附录二。
【关键词】一维插值半集均方差层次分析加权法优化后的半集均方差1 问题重述空气质量指数（AQI ）是定量描述空气质量状况的无量纲指数。
其数值越大、级别和类别越高，说明空气污染状况越严重，对人体的健康危害也就越大。
空气质量指数实时报一般是发布每个每一整点时刻的空气质量指数。
实时报的指标包括二氧化硫(SO2)、氧化碳(CO)、二氧化氮 (NO2)、臭氧(O3)1小时平均值、臭氧(O3)8小时平均值、一颗粒物(粒径小于等于10μm)、细颗粒物(粒径小于等于2.5μm)的1小时平均值和24小时平均值共计9个指标。
福建1中列出了某地区11个城市过去7个时刻的空质量指标取值和相应的空气质量指数。
(1) 建立一种新的空气质量指数计算模型，并比较与现有计算模型的区别。
如何制作一个简单的空气污染模型
PART 03 收集数据
收集空气质量数据
选择合适的监测 站点，确保覆盖 目标区域
使用专业的空气 质量监测仪器， 确保数据的准确 性和可靠性
定期采集数据， 记录气象条件和 污染源排放情况
对数据进行整理、 分析和处理，以 便后续模型建立 和应用
收集气象数据
选择合适的监测站点
确定监测项目和指标
使用专业的仪器进行监测
缺点：数据来源可能存在误差，模型参数的设定和调整需要专业知识和经验，且模型建立和维护成本较高。
对模型进行优化和改进
调整模型参数： 根据评估结果， 对模型参数进 行调整，以提 高预测精度。
引入新变量： 考虑将更多影 响空气污染的 因素纳入模型， 以提高模型的
泛化能力。
模型集成：将 多个模型进行 集成，利用不 同模型的优点， 提高整体预测
测试和验证模型
收集数据：选 择合适的地点 和时间进行测 试，确保数据 的准确性和可 靠性。
设定标准：根 据模型的要求， 设定合理的标 准，以便对模 型进行评估和 比较。
运行模型：将 收集到的数据 输入到模型中 进行计算，得 到预测结果。
结果分析：对模 型的预测结果进 行分析，评估模 型的准确性和可 靠性，并根据需 要进行调整和改 进。
如何制作一个简 单的空气污染模 型
汇报人：
目 录
01 了 解 空 气 污 染 模 型 02 确 定 模 型 参 数
03 收 集 数 据
04 选 择 建 模 方 法
05 建 立 模 型
06 评 估 和 优 化 模 型
PART 01
了解空气污染模 型
空气污染模型的定义
空气污染模型是一种用来模拟和预测空气污染状况的工具 它基于各种污染物排放数据、气象条件和地形等因素进行建模 通过空气污染模型，可以了解不同地区和不同时间段的空气质量状况
空气污染数学建模
A.污染气体的传播扩散摘要钢铁生产排放的污染气体是造成雾霾的重要原因之一，研究污染气体的扩散特征，正确模拟污染气体的扩散过程，能够为钢铁生产集团提出更好的治理管理措施，具有实际意义。
针对问题一：污染气体的排放速度为300m/s,在不考虑风向风速及高度影响的情况下，此问题即为二维平面的连续点源扩散问题，由此在二维xoy 平面上建立连续点源扩散方程模型()(,,)t xx yy u u u f x y t α=++，其中α 为气体扩散系数，本文中取为常数10，f(x,y,t ) 为污染气体的排放速度，在本文中恒为300m/s ；对上述偏微分方程模型，本文采用ADI 法（Alternating direction implicit ，交替方向隐式法）求解出迭代格式，利用MATLAB 编程，求出模型一的数值解，并得到任意时刻污染气体的浓度分布情况。
通过SPSS 软件，对附件一所给的原始实际数据与模型一求解得到的模拟值进行显著性检验，检验结果显示该模型与实际情况吻合。
针对问题二：考虑风向风速对污染气体扩散过程的影响时，在基于对问题一求解的基础上，在模型一的扩散方程模型中加入风向风速的平流项，由此得到有风情况下的模型),,()(21t y x f u u u u u yy xx y x t ++=--αββ，其中12ββ， 分别为风速在x, y 方向的分量；对此模型同样采用ADI 法求出迭代格式，利用MATLAB 编程，求出模型二的数值解，并得到任意时刻污染气体的浓度分布情况。
通过SPSS 软件，对附件二所给的原始实际数据与模型二求解得到的模拟值进行显著性检验，检验结果显示该模型与实际情况吻合。
针对问题三：考虑有风时增加高度的影响，此问题即为三维空间的污染气体扩散问题，考虑到三维模型的编程复杂度，而且污染气体的扩散在xoy 平面上各向同性，可以将污染气体在y 方向的扩散等价为在x 方向上的扩散，此时便只需要建立xoz 平面上的扩散模型。
空气中PM2.5问题的研究数学建模论文
空气中PM2.5问题的研究数学建模论文2014高教社杯全国大学生数学建模竞赛承诺书我们仔细阅读了《全国大学生数学建模竞赛章程》和《全国大学生数学建模竞赛规则》（一下简称为“竞赛章程和参赛规则”，可从全国大学生数学建模竞赛网站下载）。
我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。
我们知道，抄袭别人的成果是违反竞赛章程和竞赛规则的, 如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。
我们郑重承诺，严格遵守竞赛章程和竞赛规则，以保证竞赛的公正、公平性。
如有违反竞赛章程和竞赛规则的行为，我们将受到严肃处理。
我们授权全国大学生数学建模竞赛组委会，可将我们的论文以任何形式进行公开展示（包括进行网上公示，在书籍、期刊和其他媒体进行正式或非正式发表等）。
我们参赛选择的题号是（从A/B/C/D中选择一项填写）：我们的参赛报名号为（如果赛区设置报名号的话）：所属学校（请填写完整的全名）：重庆师范大学参赛队员 (打印并签名) ：1. 毛申申2. 马甜甜3. 安兴雪指导教师或指导教师组负责人 (打印并签名)：张新功（论文纸质版与电子版中的以上信息必须一致，只是电子版中无需签名。
以上内容请仔细核对，提交后将不再允许做任何修改。
如填写错误，论文可能被取消评奖资格）。
日期： 2014年 9 月 2 日赛区评阅编号（由赛区组委会评阅前进行编号）：2014高教社杯全国大学生数学建模竞赛编号专用页赛区评阅编号（由赛区组委会评阅前进行编号）：评阅人评分备注全国统一编号（由赛区组委会送交全国前编号）：全国评阅编号（由全国组委会评阅前进行编号）：空气中PM2.5问题的研究摘要 新鲜的空气是生命繁衍和人类发展的理想环境，因此，空气质量的监测对地球村民的生活与发展具有重要的意义.本文采用相关系数分析法和多元回归分析法，建立微分方程扩散模型和费用最小化模型对空气中PM2.5浓度进行了一系列的研究.对于问题（1），应用相关系数分析法和逐步回归分析法，对AQI 中6个基本监测指标的相关与独立性进行定量分析，可得出大气中的臭氧与其它检测指标之间的相关系数较低，具有较强的独立性，CO 的含量对PM2.5含量具有较大的影响，并采用逐步回归法分析与其它指标之间的相关关系.对于问题（2），利用Matlab2012a 软件，可得出该地区内PM2.5的时空分布及规律。
建立大气污染物溯源模型及其应用研究
建立大气污染物溯源模型及其应用研究随着经济快速发展和城市化过程的加快，大气污染问题日益严重。
如何有效地治理大气污染已经成为许多国家和地区亟待解决的问题。
建立大气污染物溯源模型，对于污染来源和治理提供有力的科学依据。
一、大气污染物溯源模型大气污染物溯源模型是一种利用大气环境和大气污染物相互关系的数学模型，通过对大气环境和污染物的数值分析和模拟，推断污染物来源和传输路径，从而解决大气污染物的来源和治理问题。
大气污染物溯源模型的建立需要依靠大量的空气污染物监测数据和相关环境数据。
其中，利用地面监测数据建立模型的方法主要有统计分析法、计算机模拟法、污染事件回溯方法等。
而利用卫星遥感数据建立模型的方法，则主要有遥感监测法、极化雷达监测法、光学遥感监测法等。
二、大气污染物溯源模型的应用大气污染物溯源模型的应用可以为大气环境管理和污染治理提供有力的科学依据。
下面，分别从大气污染监测、污染物来源识别、污染物传输规律及治理策略制定四个方面探讨其应用。
1. 大气污染监测大气污染监测是大气污染控制的第一步，也是了解污染物来源、传输路径的重要手段。
基于大气污染物溯源模型，可以对污染物进行监测和分析，从而精确掌握污染源及其污染程度。
这有助于科学地制定大气污染控制方案和评价污染治理效果，提高大气环保的水平。
2. 污染物来源识别大气污染物溯源模型可以通过对空气污染物源的分析，识别出污染物的来源和类型，分析污染物的排放源强、时空分布规律。
通过污染源的分析，可以为大气污染治理提供重要的科学依据。
3. 污染物传输规律大气污染物溯源模型可以对污染物的传输过程进行模拟分析，推断出污染物在大气中的空间分布和时间变化规律，及其对降水、沉降等的贡献。
这些数据对于污染物输移、转化模拟和空气质量评价等有着重要的意义。
4. 治理策略制定大气污染物溯源模型可以帮助制定大气污染治理策略，对大气污染进行有效治理。
通过各地大气污染物溯源模型建模，及时调整治理措施，不断优化治理方案，实现大气污染治理的战略转型。
空气质量预测与预警数学建模
空气质量预测与预警数学建模
随着城市化进程的加快和人群聚集的增加，空气污染问题日益凸显，因此空气质量预测与预警成为了我们关注的重点。
数学建模在此
方面拥有广泛的应用，为政府和社会提供了可靠的决策依据和技术支持。
首先，我们需要获取大量的数据来分析和预测空气质量。
这涉及
到监测空气中的污染物质，如PM2.5、PM10、SO2、NO2、O3等。
我们
可以采用空气质量监测仪、传感器等设备来收集这些数据，并利用数
据分析软件进行处理。
通过对历史数据的分析，可以建立相应的数据
模型，来预测未来的空气质量。
其次，根据历史数据和现实环境，我们需要选择相应的数学模型
来预测和预警空气质量。
这涉及到多元线性回归、支持向量机、神经
网络等数学模型。
每个模型都有其特点和适用范围，我们需要根据实
际情况选择最合适的模型。
例如，在某些地区，PM2.5、PM10和NO2的污染物质浓度受到气象因素的影响比较大，这时我们可以采用多元线
性回归模型来分析气象因素对污染物浓度的影响。
最后，我们需要将预测结果转化为实际应用。
这需要建立预警体
系和决策机制，及时发布预警信息，并采取相应的措施来减轻污染对
人体健康的影响。
例如，当空气污染等级升高到一定程度时，政府可
以采取限行、停工等措施来减少排放，或者提醒市民外出时戴上口罩、增加室内通风等个人保护措施。
总的来说，空气质量预测与预警是一项复杂的工作，需要多方面的数据、模型和决策机制。
我们应该进一步完善和优化这一体系，为市民提供更加舒适、健康的生活环境。
pm2.5的预测和治理(数学建模)
6.3.1 6.3.2 6.3.3 6.3.4
第七章 问题三解答及模型建立 ........................................................ - 34 7.1 问题分析与重述 ................................................................. - 34 7.2 治理研究 ....................................................................... - 35 7.2.1 武汉市 PM2.5 来源以及影响因素 ................................................ - 35 7.3 问题解答 ...................................................................... - 37 -
PM2.5 发生与演变分析 ........................................................... - 22 PM2.5 的发生 .............................................................. - 22 PM2.5 的演变 .............................................................. - 23 PM2.5 突增扩散预测 ........................................................ - 31 PM2.5 扩散模型检验 ........................................................ - 32 -
基于深度学习的空气污染预测研究
基于深度学习的空气污染预测研究一、引言空气污染日益威胁人类的生存环境，因此，对于空气质量的预测越来越重要。
传统的空气质量预测模型一般基于机器学习算法来实现，但是由于时间序列数据的特殊性质和非线性关系，这些模型的预测效果并不尽如人意。
近年来，深度学习技术的发展为空气质量预测提供了新的思路。
二、深度学习技术深度学习技术是一种基于人工神经网络的机器学习方法，其目的是通过多层非线性转换学习到数据之间的复杂映射关系。
常见的深度学习技术包括卷积神经网络（CNN）、循环神经网络（RNN）和深度置信网络（DBN）等。
三、空气质量预测模型1. 基于CNN的空气质量预测模型在卷积神经网络中，模型可以通过提取输入数据的特征来进行预测。
对于空气质量预测，输入数据可以是时间序列的空气质量指数（AQI）数据。
首先对于每个时间点的AQI数据进行时间序列卷积操作来提取特征，然后将这些特征通过全连接层进行融合，最后预测未来的AQI值。
该模型在多个城市的AQI预测中都取得了不错的效果。
2. 基于RNN的空气质量预测模型循环神经网络具有记忆性，可以对于时间序列数据进行连续建模。
对于空气质量预测，蒸发：通过在每个时间步上传递隐藏状态来提高预测结果的准确性。
在模型训练阶段，可以使用最大似然估计法来最小化预测值和真实值之间的误差，从而获得最佳模型参数。
该模型在某些城市的AQI预测中的表现令人满意。
3. 基于DBN的空气质量预测模型深度置信网络是一种生成式模型，能够自动学习数据的潜在结构并生成新的数据。
对于空气质量预测，该模型的输入可以是多种环境数据，例如气象、交通等。
首先对于各种环境数据进行特征提取，然后通过深度置信网络压缩特征，最后预测AQI值。
该模型在多个城市的AQI预测中均有很好的表现。
四、实验结果分析实验结果显示，基于深度学习的空气质量预测模型相比传统的机器学习算法表现更加优越。
其中，基于CNN的模型在大多数情况下表现最佳，其次是基于DBN的模型，而基于RNN的模型在某些情况下可能会出现“小偏差”，但总体来说也是十分不错的。
空气污染质量的模型建立及实时预测研究
空气污染质量的模型建立及实时预测研究一、背景随着工业化和城市化不断深入，空气污染问题也日益突出。
空气污染对人类健康和生态环境造成的危害不可忽视。
因此，掌握空气污染质量的情况和实时预测变得尤为必要。
二、空气污染质量模型空气污染质量模型是对空气污染物排放源、大气传输和化学转化机理等因素进行建模，以预测和评估大气污染物在空气中的浓度和分布情况。
现在，常见的空气污染质量模型主要包括统计模型和物理模型两种。
1、统计模型统计模型基于数据分析和统计方法，对空气污染物浓度进行预测。
该模型通常利用机器学习技术自动学习和预测问题，并能够适应不同地区、不同源的污染物排放情况。
统计模型的优点是易于实现，但其局限性在于无法反映污染源与大气的物理、化学过程等。
2、物理模型物理模型基于物理、化学原理，使用大气科学的数值模拟方法预测污染物的浓度。
该模型可以准确地反映污染源与大气之间的过程及其对气溶胶、气体等的传输、转化等。
但是，物理模型的建立需要大量的数据和细致的参数调节，且计算量巨大，计算得到的结果可能被不准确的输入数据所影响。
三、实时预测模型随着科技发展，空气污染实时预测技术的研究也越来越成熟。
实时预测模型是基于实时输入的数据，对未来一段时间内的空气污染状况进行预测和评估。
目前，常用的实时预测模型包括时间序列模型、人工神经网络模型、时间空间联合预测模型等。
1、时间序列模型时间序列模型是指基于时间序列的经验和规律，将时间序列中的数据作为基础进行污染浓度预测的模型。
该模型适用于稳定的气象环境和较单一的污染源，其准确性和可靠性较高。
2、人工神经网络模型人工神经网络模型是基于生物神经网络结构设计的一种拟合和预测模型。
该模型可以适应各种环境和复杂的污染源场景，并且可以动态调整参数，提高模型预测的准确性。
3、时间空间联合预测模型时间空间联合预测模型是结合污染源在空间上的分布和气象环境等因素，对空气污染质量进行预测的模型。
该模型的优点在于可以考虑污染源在空间上的影响，同时还可以分析气象环境对污染的影响，模型的预测准确性较高。
大气环境污染物扩散模型的研究与应用
大气环境污染物扩散模型的研究与应用随着人类工业和交通运输的迅速发展，大气环境污染已成为全球普遍关注的问题。
污染物的排放不仅会影响到空气质量，还可能导致健康问题和气候变化等全球性问题。
因此，大气环境污染物扩散模型的研究和应用变得越来越重要。
一、模型的定义及分类大气环境污染物扩散模型是指利用数学和物理学等方法，对大气中污染物的排放、扩散、转化以及沉降等过程进行模拟和预测的一种工具。
根据模型的复杂度和研究对象的不同，可将其分为不同类型。
常见的分类包括Gaussian模型、Box模型、系统动力学模型以及数值模型等。
二、模型的构建大气环境污染物扩散模型的构建需要根据研究对象的特点和目的考虑。
在建模过程中，需要考虑如下因素：1. 污染物特性污染物的化学特性对扩散模型有着很大的影响。
例如，挥发性有机物的挥发度、燃烧产物的排放速率以及氧化反应的速率等，都会对模型结果产生影响。
2. 大气环境扩散模型还要考虑大气环境的因素，包括风速、风向、大气稳定度以及湍流强度等。
3. 地形和建筑物地形和建筑物可对模型结果产生影响。
在城市环境中，建筑物的密度和高度会影响扩散的路径。
三、应用及局限性大气环境污染物扩散模型在决策和管理中扮演着重要的角色。
主要应用于以下领域：1. 空气质量管理扩散模型可用于衡量污染物对人体健康和环境的影响，以及不同污染物之间的交叉效应，从而确定相应的污染物减排策略。
2. 突发事件应对在罕见的污染事故或大气爆炸事件发生时，扩散模型可以用于评估事故范围和影响，并制定应急响应方案。
虽然大气环境污染物扩散模型已经成为当代环境科学的重要工具，但它也有着一些局限性。
例如，模型需要大量的空气质量监测数据来准确模拟大气环境中的污染物扩散。
此外，不同模型对环境的理解和描述存在一定差异，造成了模型的误差。
四、未来展望为了更好地解决环境问题和制定科学合理的环境政策，大气环境污染物扩散模型需要不断发展和改进。
未来，模型将更多地考虑空气质量、气候和能源等领域的交叉效应，同时结合信息技术和数据科学等新技术，深化对空气质量和大气污染的理解。
基于大数据的空气质量预测模型与应用研究
基于大数据的空气质量预测模型与应用研究随着人们对生态环境的关注度不断提高，空气质量问题也日益引起重视。
空气质量的变化对人们的身体健康、生产生活、城市形象等方面均产生了深远的影响。
因此，在进行城市规划和生态环境保护时，空气质量的预测和监管显得尤为重要。
近年来，大数据技术的发展，为空气质量的预测提供了更加准确、可靠的方法，其应用也在逐渐扩展。
一、大数据在空气质量预测中的应用大数据在空气质量预测中的应用主要分为两类：一是利用大量的空气质量监测数据分析预测；二是利用像地理信息、气象数据等多源数据进行空气质量的联合预测。
利用空气质量监测数据进行预测，通常采用时间序列分析、回归分析、神经网络模型等方法。
通过分析和建立模型，对未来空气质量进行预测。
这种方法的优点是基础数据准确、可靠，预测结果具有较高的精度和可信度。
但是，由于数据量过于庞大，需要大量的计算资源，处理速度也很慢。
另一种方法是利用多源数据对空气质量进行联合预测。
这里的多源数据主要包括气象、交通、工业等方面的数据。
通过建立模型，这些数据可以相互印证，进而提高预测精度。
相比于单一数据的预测，这种方法所依据的数据更加全面、多元，可以更加全面地考虑到空气质量受各种因素影响的情况，预测精度更高。
二、基于大数据的空气质量预测模型基于大数据的空气质量预测模型包含两个部分：一是数据处理，二是模型构建。
数据处理主要包括数据采集和数据清洗两个环节。
为了更好地进行空气质量预测，需要收集丰富、全面的数据，这些数据可以包括气象、交通、工业等方面的数据。
采集到的数据往往存在缺失值、异常值等情况，需要进行数据清洗。
在这一过程中，可以利用缺失值填充、异常值剔除等方法，从而保证数据的质量。
模型构建是基于多种算法进行的。
在具体模型的选择上，需要根据实际情况进行考虑。
时间序列分析中，可以采用ARIMA、SARIMA等模型；回归分析中，可以使用线性回归、岭回归、Lasso等模型；神经网络模型中，可以使用BP网络、GRU等模型。
空气质量预测模型研究与应用
空气质量预测模型研究与应用近年来，全球范围内空气质量问题成为了一个日益严重的环境挑战。
由于人类活动和自然因素的影响，空气质量不仅对人们的健康和生活质量产生重大影响，还对生态系统和气候变化产生了负面影响。
因此，为了确保公众的健康和可持续发展，准确预测和评估空气质量变化越来越成为一项重要的任务。
空气质量预测模型的研究和应用能够提供有价值的空气质量信息和预警，以帮助政府、企事业单位及个人做出科学决策和行动。
在这篇文章中，我们将介绍一些常见的空气质量预测模型，并探讨它们的研究和应用情况。
一、时间序列模型时间序列模型是一种常用的空气质量预测方法。
该模型基于历史数据和时间因素来预测未来的空气质量状况。
常见的时间序列模型包括自回归移动平均模型（ARMA）、自回归积分移动平均模型（ARIMA）和季节性自回归积分移动平均模型（SARIMA）等。
这些模型通过分析和建模历史数据的空气质量变化，探索其与时间和其他相关因素之间的关系，并进行预测。
二、统计回归模型统计回归模型是另一种常见的空气质量预测方法。
该方法通过建立多元线性回归模型来预测空气质量，通过考虑多个影响因素的综合作用，对未来的空气质量进行预测。
常见的统计回归模型包括多元线性回归模型、逐步回归模型和岭回归模型等。
这些模型通过分析和建模空气质量的影响因素，如天气、交通状况、工业排放等，从而预测未来的空气质量。
三、机器学习模型机器学习模型是近年来快速发展的一种空气质量预测方法。
这些模型通过从大量数据中学习，并自动调整模型参数，以预测未来的空气质量。
常见的机器学习模型包括支持向量机（SVM）、人工神经网络（ANN）和随机森林（Random Forest）等。
这些模型在处理非线性、多变量和高维数据方面具有较强的优势，能够更准确地预测未来的空气质量。
四、深度学习模型深度学习模型是机器学习的一种分支，利用神经网络模拟人脑的学习和处理过程。
在空气质量预测方面，深度学习模型可以通过学习复杂的数据特征和模式，提高预测的准确性。
关于大气污染问题的数学建模论文
1.问题重述问题重述大气是指包围在地球外围的空气层，是地球自然环境的重要组成部分之一。
人类生活在大气里，洁净大气是人类赖于生存的必要条件。
一个人在五个星期内不吃饭或 5 天内不喝水，尚能维持生命，但超过 5 分钟不呼吸空气，便会死亡。
随着地球上人口的急剧增加，人类经济增长的急速增大，地球上的大气污染日趋严重，其影响也日趋深刻，如由于一些有害气体的大量排放，不仅造成局部地区大气的污染，而且影响到全球性的气候变化。
因此，加强大气质量的监测和预报是非常必要。
目前对大气质量的监测主要是监测大气中 SO2 、 NO2 、悬浮颗粒物（主要为 PM10）等的浓度，研究表明，城市空气质量好坏与季节及气象条件的关系十分密切。
附件给出城市 A、B、C、D、E、F 从 2003 年 3 月 1 日至 2010 年 9 月 14 日测量的污染物含量及气象参数的数据。
请运用数学建模的方法对下列问题作出回答： 1.找出各个城市 SO2 、 NO2 、PM10 之间的特点，并将几个城市的空气质量进行排序。
2．对未来一周即 2010 年 9 月 15 日至 9 月21 日各个城市的 SO2 、 NO2 、PM10 以及各气象参数作出预测。
3．分析空气质量与气象参数之间的关系。
4．就空气质量的控制对相关部门提出你的建议。
2.问题分析问题分析本题为生活中的实际问题，层层递进式提出四个问题，分别需要对空气污染因素以及气象参数进行分析求解。
第一问为评价性问题，先从城市内部个污染物特点出发，再到城市之间空气质量进行比较。
第二问是预测性问题，通过对给出的数据进行分析，预测各项参数之后的趋势。
第三问是寻找关联性问题，要求找出空气质量与气象参数之间的关系。
第四问为开放型问题，可通过之前得出的结论或者相关文章及模型提出建议。
2.1 问题 1 通过查阅资料，运用已有的 API 对各个城市的各项污染指标进行计算，得出各个污染指数 API 月平均的折线图，观察，得出各城市各项指标的特点。
关于大气污染问题的数学建模
1.问题重述大气是指包围在地球外围的空气层，是地球自然环境的重要组成部分之一。
人类生活在大气里，洁净大气是人类赖于生存的必要条件。
一个人在五个星期内不吃饭或5天内不喝水，尚能维持生命，但超过5分钟不呼吸空气，便会死亡。
随着地球上人口的急剧增加，人类经济增长的急速增大，地球上的大气污染日趋严重，其影响也日趋深刻，如由于一些有害气体的大量排放，不仅造成局部地区大气的污染，而且影响到全球性的气候变化。
因此，加强大气质量的监测和预报是非常必要。
目前对大气质量的监测主要是监测大气中2SO 、2NO 、悬浮颗粒物（主要为PM10）等的浓度，研究表明，城市空气质量好坏与季节及气象条件的关系十分密切。
附件给出城市A 、B 、C 、D 、E 、F 从2003年3月1日至2010年9月14日测量的污染物含量及气象参数的数据。
请运用数学建模的方法对下列问题作出回答：1.找出各个城市2SO 、2NO 、PM10之间的特点，并将几个城市的空气质量进行排序。
2．对未来一周即2010年9月15日至9月21日各个城市的2SO 、2NO 、PM10以及各气象参数作出预测。
3．分析空气质量与气象参数之间的关系。
4．就空气质量的控制对相关部门提出你的建议。
2.问题分析本题为生活中的实际问题，层层递进式提出四个问题，分别需要对空气污染因素以及气象参数进行分析求解。
第一问为评价性问题，先从城市内部个污染物特点出发，再到城市之间空气质量进行比较。
第二问是预测性问题，通过对给出的数据进行分析，预测各项参数之后的趋势。
第三问是寻找关联性问题，要求找出空气质量与气象参数之间的关系。
第四问为开放型问题，可通过之前得出的结论或者相关文章及模型提出建议。
2.1 问题1通过查阅资料，运用已有的API 对各个城市的各项污染指标进行计算，得出各个污染指数API 月平均的折线图，观察，得出各城市各项指标的特点。
鉴于求解城市API 时有一定的误差，故选择综合评价模型，对数据进行标准化处理之后，确定动态加权函数，对模型进行求解，排名。
浅谈空气污染监测与建模
资源与环境
浅静海县环境保 护局 ， 天津 ３ ０ １ ６ ０ ０ ） 摘 要： 近年来 ， 雾霾天气直接影响 着人们 的正常生活， 给人们的身心健康带来严重威胁 ， 现在保护环境成为 了社会关注的热门 话题。相关部 门为了能够时刻掌握空气污染指数 ， 便 于控制环境污染程度 ， 已经 实施 空气污染监测措施 ， 本研 究将探析 空气污染 监 测 与建模 ， 希 望对 于保 护 环境 有 一 定的 帮助 。
关键 词 ： 空 气污 染 ； 监测 ； 建模
具， 现在的监测系统还需引进空气 自动监控系统 、 先进 的空气质量 随 着 经 济地 发展 ， 人 们 的生 活 质量 得 到 了迅 速提 高 ， 现 在 的 物 检测设备 ， 这些设备可 以实现连续实时监测数据 ， 随时就能处理 出 质 生 活 已经 满 足 不 了 人们 的需 要 ，将更 加 注 重 居 住 环 境 与 空 气 质 空气污染指数 ， 空气污染指数及对应 的空气质量级别 。一级。 规定为 量。工业地快速发展加剧 了环境 的污染程度 ， 相关部门为了提高环 空气 质量 优越 ， 无法 给人 带来 健康威胁 ； 二级 ， 规定 为空气 质量 良 境的监测能力 ，将采取有效地空气污染监测措施并进行布点建模 ， 好， 对人体健康无明显影响 ； 三级 ， 规定为空气质量 受到轻度污染 ， 这 样可 以快速 地 判断 空 气质 量 是 否符 合 大 气质 量 标 准 ， 随 时 可 以作 正常人群会产生不 良的反应 ； 四级， 规定为空气质量受到 中度污染 ， 出调整政策如对污染环境重 的工业实施监控等 ， 来缓和空气 污染局 正常人群普遍 出现刺激症状 ； 五级， 严重 污染， 健康人群 出现严重刺 面， 因此研究空气污染监测与建模具有重要意义的。 激症状。 从 上可 以看 出 ， 环 境 监测 工 作可 以预测 空 气污 染 指数 ， 不但 １加 强空 气 污染 监 测 的必要 性 可以为环境部 门提供科学依据 ， 而且可以为人们的外 出提供准确地 现在的环境空气 的质量 与人们的生活密切相关 ，日常生活 中， 信息。 人们需要大量 的时间进行外出如购物 、 工作 、 旅游等 ， 因此人们又权 ３ ． ２空气污染监测布点建模是提高监测效率的重要方案 利去关注外界环境空气污染的程度 、 环境保护措施等 ， 随着经济地 布点建模工作可以大大地提高环境监测工作 的效率 ， 监测的数 不断发展 ， 环 境 污 染 问题 越 来 越 严 重 ， 人 们 的 环保 意识 也 不 断 地 增 据 也会 更 为 准确 ， 能 够 真实 地 反 映 大气 的污染 状 况 。本 项 工 作 的 重 强， 都 希望 目前 的生 活 环境 能 够 得 到改 善 。 只有 加 强 空气 环 境 监测 点就 是选 择好 空气 污染 监 测 点 ， 它 直接 影 响 到监 测结 果 的代 表 性 和 工作才能够真实地反映大气的污染状况 ， 便于相关环部门作 出正确 精度 ， 是空气污染监测质量控制首要工作 ， 也是监测质量保 证的一 地决策 ， 这样 生 活 的环 境 才会 从根 本 上得 到 缓解 甚 至改 善 。 因此 。 从 个 重 要环 节 。 环境 空 气 污染 监测 中样 点 的 布点 建 模 问题 是 比较 复 杂 环境对人体健康影响的角度看 ， 开展空气污染监测工作是十分必要 的 ， 需 要 综合 考 虑各 项 因素 的影 响 ， 主 要 应考 虑 以下 几方 面 的 因素 ： 的。 第一是监测的 目的 ， 在空气污染监测体系 中， 包括城市环境空气质 ２浅 析 我 国空 气污 染 监测 现 状 量 的监 测 和 污 染 源对 环 境 影 响 的 监测 ， 目标不 同 ， 它 们 的 监 测 目的 自从 建 国 以来 ， 我 国一 直 致 力 于 发 展工 业 ， 虽 然 综 合 国 力 得 到 是不 同的 。城市 环 境 空气 质量 的监 测 ， 主要 是 为 了调 查环 境 空 气 中 了显著地提高 ， 但是却严重污染了环境。 近年来 ， 我国已经将颁布了 污染 物 的 时空 分布 规 律 以及 对 敏感 体 的 暴露 情 况 ， 进 行 污染 对 环 境 关于保护环境的种种条例 ， 相关部 门也制定了有效地措施 ， 现在分 影 响 的监测 ， 主要 是为 了掌握 污 染 源 的变 化 趋 势 以及 排放 污染 物 的 析下 国内空气污染监测现状 。环境监测是环境保护的基础性工作 ， 规律 。前 者 在 布点 方 法上 多采 用 网格 法 和功 能 区划 法 ， 而 后者 多 采 第二 是 污 染 源 的状 况 ， 调查范 围内 具有涉及面广 、 专业性强和投资大等特点。现在国内环境部 门将在 用 扇 形 布点 法 和 同心 圆 布点 法 ； 全国组织监测 网络 ， 建立一个网络模 型， 希望 能够提高 国内空气监 及 附 近范 围污 染 源 的分 布 、 排 出 量等 因素 ， 都 影 响监 测 布 点 方 法 的 测 质量 。 目前 ， 国家 已经制 订 了统 一 的监 测 原则 ， 在 各 地方 设 立 了环 确 定 。 例如 ， 对 子污 染 源分 布 比较 均 匀 的范 围 ， 宜 米用 规格 网格法 布 境 监 测站 ， 充 分 发 挥 了各 方 面 的 技术 人 才 与 设 备 ， 应 用 了科 学 合 理 点 ， 而 对 子 污 染 源相 对 比较 集 中的 范 围 ， 宜 采用 扇 形 布 点 法 或 同心 地监测与测试数据的技术 ，国家仍在不断地完善环境保护法律 ， 促 圆布点法 ； 第三是地理环境如地形特征 ， 风力情况等 ， 这些因素都会 进 我 国环 境 监测 工作 进 一步 地 展 开与 加强 。 现 在 空气 环 境监 测 主要 影 响 监测 点 的选 择 。 如对 于 山坡 区域 、 山谷 风规 律 明显 ， 布 点 要 考虑 是 运用 各 种 方法 连续 或 者 间断 地 测定 环 境 空 气 中污 染 物 的性 质 、 浓 风向主轴 ； 在静风频率大的区域 ， 就可以按规格网格法布点 ； 第 四是 度、 影 响 范 围， 观察 、 分析 其 变化 及 对 环境 影 响 ， 并 评 价空 气 环 境质 量 监 测 点 的 代 表性 ， 每个 监 测 点 所 代 表 的作 用 是 不 同的 ， 每 一 个 监 测 的过程。 其实 ， 空气环境监测不单单地监测环境数据 ， 而是通过数据 点都有特殊的作用如是代表一定的功能区，代表污染源的影 响、 代 能够发现人们生活对环境影响的关系 ， 这样才能真正地找到控制环 表 区域环境背景等。 功能相同的代表点 ， 需要去掉 ， 如果漏掉具有特 境 污 染程 度 的办 法 。 现在 国内监 测 环境 主要 分 为 环境 空 气污 染 源监 殊 功 能 的 代 表 点需 要 及 时 地 补上 ； 第 五是 监 测 点 的数 目 ， 如果 该 监 需要 得 到 精 度 较 高 的结 果 ， 可 以增 大样 点 的 布 测、 环境空气质量监测 、 特定 目的应急监测等三种 ， 虽然 整体环境监 测 任 务 是 暂 时性 的 ， 测工作并无漏洞 ， 但 是 仍然 存 在 一 些 问 题 有待 完 善 ， 需 要 提 出更 为 设 范 围 ， 对 于需 要 布 设 众 多监 测 点 的情 况 下 ， 可 以选 择 各 种 布 点 方 科 学 有效 地 空气 质 量监 测 措施 来 弥补 。 法， 例 如 规格 网格法 、 扇 形 布 点 法等 。对 于长 期 的定 点 监 测 ， 则 不 能 ３探 析 加强 环 境 空气 质量 监 测 的方 案 够设立过多的监测点 ， 这 将需 要 花 费 大 量 的 资金 ， 因 此需 要 采 用按 ３ ． １采 取一 系 列有 效地 空 气 质量 监 测措 施 人 口和功能区布点法。这五种因素直接影响到后期的布点建模 ， 在 才能形成有代表性 的布点建模 ， 更好 为 了便 于 准确 判 断 区域 空 气污 染 状况 及 空 气 质量 变 化 趋 势 ， 并 此工作 中必须考虑全部 因素 ， 为空气质量预测 、 预报 ， 为后期制定保护环境 的方案提供科学的依 地完 成 环境 监 测 工作 。 据， 对空气污染源和空气质量进行监测时 ， 需要采取 以下有效措施 ４结束语 来加强环境空气质量监测工作 ： 第一是规定各类监测工作的主要污 总而言之 ， 做好空气 污染监测工作是保护环境 的基础 ， 只要更 染物 ， 对空气污染源监测时 ， 主要监测的污染物有烟尘 、 粉尘 、 二氧 为准确 地监测数据 ， 才能制定 出更为有效地保护环境方 案 ， 这将会 化硫 、 一 氧 化 碳 等 。对 空 气 质 量 监测 时 ， 主要 监 测 的 目标 是 二 氧 化 使环境污染程度得到了控制 ， 人们的身心健康也会得到了保障 。 硫、 氮 氧化物 、 总悬浮颗粒物 、 可吸人悬浮颗粒物 、 一氧化碳 、 降尘 参 考 文献 等。 第二是对有关空气质量的法规 、 技术标准 、 污染测定方法及对测 【 １ １ 杨震 许 太瑶 ． 优化 大 气监 测 布点 方 法 的探 讨 ｆ Ｊ ］ ． 油 气 田环 境 保 护 ， 定仪器等进行抽查与监督 ， 这项工作应该由我 国的环境部 门与地方 ２ ０ ０ ８ （ ２ ） ． 政府相关单位组成督查小组负责 ，这样可以确保监测数据 的精确 ［ ２ 降 希灿， 程 汝光， 李克志． 空气环境
空气质量监测及其预测模型研究
空气质量监测及其预测模型研究近年来，空气质量成为一个备受关注的问题。
各国政府也开始注意空气质量的监测及其相关预测模型研究。
本文将围绕着这个主题详细阐述。
一、空气质量监测空气质量监测是指对空气中污染物的浓度进行实时、连续、自动监测的过程。
现代空气质量监测系统一般由监测设施、数据传输系统、数据中心和信息管理系统等几个部分构成。
监测设施包括空气质量监测站和流动监测车。
数据传输系统是指将监测数据传输到数据中心。
数据中心是指将传输来的数据进行处理、管理和分析的中心。
信息管理系统是指对监测数据进行全面的管理和分析，以及对公众公告和管理决策提供足够的技术支持。
目前，各国政府都逐步建立了系列的空气质量监测系统。
在中国，由于空气质量的良莠不一，政府也积极推进了国内的空气质量监测工作。
根据中国环境保护部公布的数据，目前全国已经建成了8000多个自动监测站，覆盖全国340多个城市，实现了空气质量全覆盖。
二、空气质量预测模型空气质量预测模型是为了预测未来空气质量而建立的数学模型。
具体地，它是通过历史空气质量监测数据，尤其是空气污染指数（AQI）等数据，建立统计、数学、物理模型，进行预测，从而研究大气污染的影响因素，及时预警大气污染及其变化趋势。
现代空气质量预测模型一般具有以下特点。
（1）基于历史数据进行建模。
空气质量预测模型的基础和核心是历史监测数据，将过去的数据进行分析及建模，用以预测未来的空气质量状况。
（2）交叉作用考虑。
空气质量预测模型通常包含多个因素，如气象因素、人类活动因素等，因此在模型中需要考虑这些因素的交叉作用。
（3）动态更新。
空气质量预测模型需要动态更新，及时反映出现有的大气污染状况和最新的监测数据。
如何处理这些数据不断变化的问题，是空气质量预测模型中非常重要的方面之一。
在实际应用中，根据模型的形式和受影响的空气质量指标不同，空气质量预测模型可分为以下几类：经验模型、统计模型、神经网络模型和物理-化学模型等。
空气污染物浓度预测模型研究与应用
空气污染物浓度预测模型研究与应用空气污染是一个长期困扰全球环境问题，人们对于空气质量越来越关注。
为了提升人们对于空气质量的关注度，许多城市开展空气质量监测工作，并在网站上实时公布空气质量数据。
但是实时公布数据是仅仅报告了空气质量的现状，而不能预测未来空气质量的变化，因此对于信息使用者的需求越来越强烈。
所以在空气质量监测领域，研究并且实现空气质量的预测算法是非常重要的一项工作，这个目标的实现将有益于监督改善环境以及判断人们健康状况。
在这篇文章中，我们将会介绍一些关于空气污染物浓度预测模型的研究和应用。
一、传统模型1.1统计学模型统计学模型主要基于时间序列预测思想，通过建立污染物指数和气象指数间的关系式来进行预测。
其中比较经典的模型有ARIMA模型和Kalman滤波模型。
这种方法通过分析过去的污染物与气象因素的关系来进行未来几天的预测，这种方法速度快，但是由于基于数据的变化来预测，精度受到天气预报的影响比较大。
1.2机器学习模型机器学习模型旨在通过数据让计算机自己找到模式来完成预测，然而这种方式需要更完整的数据集，并且还需要调整和优化算法。
比较经典的机器学习模型有:BP神经网络模型、决策树模型和支持向量机模型。
其中BP神经网络模型非常灵活，既可以输入数量也可以输入质量，但是由于其对于噪音的敏感度较大，因此需要具备一定的数据清洗能力。
决策树模型的特点是容易理解，而且真正的决策树模型可以同时提取特征和进行决策。
支持向量机模型的特点是由于其优化函数的设计，其精度相对较高时间短。
二、近年来的新型模型2.1深度学习模型随着深度学习领域的发展，卷积神经网络（CNN）和循环神经网络（RNN）已经成功应用于许多大型数据分析问题，包括空气污染物浓度预测。
其中基于时间序列数据的RNN模型在对非线性关系的建模方面具有很大的潜力。
另外基于卷积神经网络模型，我们可以直接构建矩阵，然后进行三维卷积而不需要数据重采样，这种方法非常便于处理时序数据。
数学建模论文(城市空气质量评估及预测)
城市空气质量评估及预测摘要: 本文对我国十个城市的空气质量进行了深入的研究，利用统计学等相关原理，结合我国现行的“创模”和“城考”体系中的环境空气质量指标，就城市空气污染程度，空气质量的预测和影响因素等问题建立出相应的数学模型。
利用层次分析法和Perron-Frobenions等相关原理建立数学模型对中国十大城市的空气污染严重程度给出分析并排名。
运用GM（1,1）灰色预测模型，结合相关数据运用excel软件进行数据统计，对成都市2010年11月份的空气质量状况进行预测。
使用优势分析原理分析空气中可吸入颗粒、二氧化硫、二氧化氮等因素对空气质量的影响程度。
关键词：空气质量，层次分析，判断矩阵，相对权重，排名，灰色预测，优势分析，可吸入颗粒，二氧化硫，二氧化氮一、问题的提出1.1背景介绍随着中国经济的进一步发展，环境问题已是制约我国发展的关键因素之一，而环境问题最突出的就是空气污染。
“十一五”“创模”考核指标“空气污染指数”要求：API指数≤100的天数超过全年天数85%。
“城考”依据API指数≤100的天数占全年天数的比例来确定空气质量得分。
“API指数≤100的天数”，通常又被称为空气质量达到二级以上的天数。
根据已有数据，运用数学建模的方法，对中国空气质量做出分析和预测是一个重要问题，同时通过对影响空气质量因素的分析，以正确做好环境保护措施也极为重要。
本文主要针对以下几个问题进行相关分析：（1）利用已知的数据，建立数学模型通过分析给出十个城市空气污染严重程度的科学排名。
（2）建立模型对成都市11月的空气质量状况进行预测。
（3）收集必要的数据，建立模型分析影响城市空气污染程度的主要因素是什么。
二、基本假设1）表格中已有的数据具有权威性，值得相信，具有使用价值。
2）空气质量相同等级的污染程度相同。
3）假设该市各种影响空气质量的软因素（如工业发展，人口数量）保持平稳变化。
4）不考虑突发事件即人为因素（如工业事故）造成的空气质量突变。
城市空气污染程度的分析报告和预测模型
城市空气污染程度的分析和预测摘 要 本文讨论了有关城市污染程度、污染因素及污染扩散的问题。
对于问题一，本文主要从大气污染、噪声污染和水体污染这三个面选取主要污染物，查阅北京、天津、上海、重庆和西安五座城市2007-2012年的年度平均污染数据，采用降维的思想，运用主成分分析法减少变量个数，再借助Matlab 软件计算各主成分的贡献率，分析知可选取前三个主成分作为衡量污染程度的标准，最后根据综合指标得到这五个城市的污染程度从高到低依次为：重庆、上海、北京、天津、西安。
通过判断相关系数的大小，确定五个城市影响人们生活的主要污染因素是水污染，其四项指标依次为化学需氧量、总氮、总磷和氨氮。
对于问题二，以北京市大气污染为例。
首先，利用GPS 记录北京市14个城区观测点的位置，并查阅2013年污染指标2SO 、2CO 、5.2PM 与10PM 的污染数据，绘制出相应的空间浓度分布图，估计这四种污染物的大致污染源位置依次为：)100,110(附近、)83,130(附近，)85,125(附近和)80,132(附近；其次，根据污染扩散原理和方式，建立Cauchy 污染传播模型，根据各地区空气污染物的浓度分布，运用Matlab 软件对数据非线性拟合，得出扩散模型各参数的值，计算得出各项污染指标的污染源位置依次为：)3.97,5.115(，)3.85,2.128(，)8.80,1.129(和)6.87,5.125(；最后，比较污染物位置的计算值与实际值，发现误差相差较小，故模型建立较为合理。
对于问题三，分析西安市的主要污染——大气污染。
收集西安市2014年4.1-7.31日的空气污染数据，根据时间序列的平稳性特点及AIC 定阶准则选取合适的时间序列模型)11(ARMA ，，利用Matlab 软件对序列模型的各项参数进行估计并检验模型的合理性，并将模型用于数据预报。
利用时间序列模型预测西安市未来10天的空气污染状况总体等级为良。
空气质量等级与数学建模
承诺书我们仔细阅读了五一数学建模联赛的竞赛规则。
我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与本队以外的任何人（包括指导教师）研究、讨论与赛题有关的问题。
我们知道，抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其它公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。
我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。
如有违反竞赛规则的行为，我们愿意承担由此引起的一切后果。
我们授权五一数学建模联赛赛组委会，可将我们的论文以任何形式进行公开展示（包括进行网上公示，在书籍、期刊和其他媒体进行正式或非正式发表等）。
我们参赛选择的题号为（从A/B/C中选择一项填写）： B我们的参赛报名号为：1653参赛组别（研究生或本科或专科）：本科所属学校（请填写完整的全名）西南交通大学参赛队员(打印并签名) ：1. 卢延鹏2. 侯亚飞3. 刘洪义日期：2015 年 5 月 3 日获奖证书邮寄地址：四川省成都市高新区西部园区西南交通大学犀浦校区X5401 邮政编码：611756收件人姓名：卢延鹏联系电话：177****4865编号专用页竞赛评阅编号（由竞赛评委会评阅前进行编号）：裁剪线裁剪线裁剪线竞赛评阅编号（由竞赛评委会评阅前进行编号）：参赛队伍的参赛号码：（请各参赛队提前填写好）：1653题目空气污染问题研究摘要本文运用高斯扩散模型，污染物自由扩散模型，烟团模型等数学模型，结合适当的分析解决了空气污染问题。
对于问题一，我们查找国标与美标，并分析两者存在的差别与各自的优劣，然后根据京津冀地区近期的空气质量，参考国标和美标的参数值，选择更严格的浓度限值，建立针对于京津冀地区的衡量空气质量优劣程度等级的数学模型。
对于问题二，我们利用网络在相关官方权威网站查找京津冀地区近期的空气污染物相关数据及其空气质量指数，并通过数据计算分析和比较，列出京津冀地区主要污染源和污染参数，并结合京津冀地区的具体情况分析影响空气质量的主要污染源的性质和种类。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
空气污染问题研究建模承诺书我们仔细阅读了五一数学建模联赛的竞赛规则。
我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与本队以外的任何人（包括指导教师）研究、讨论与赛题有关的问题。
我们知道，抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其它公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。
我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。
如有违反竞赛规则的行为，我们愿意承担由此引起的一切后果。
我们授权五一数学建模联赛赛组委会，可将我们的论文以任何形式进行公开展示（包括进行网上公示，在书籍、期刊和其他媒体进行正式或非正式发表等）。
我们参赛选择的题号为（从A/B/C中选择一项填写）： B我们的参赛报名号为：2827参赛组别（研究生或本科或专科）：本科所属学校（请填写完整的全名）中国矿业大学参赛队员(打印并签名) ：1.2.3.日期：2015 年 5 月 3 日获奖证书邮寄地址：江苏省徐州市泉山区中国矿业大学南湖校区邮政编码：221116收件人姓名：联系电话：编号专用页竞赛评阅编号（由竞赛评委会评阅前进行编号）：评阅人评分备注裁剪线裁剪线裁剪线竞赛评阅编号（由竞赛评委会评阅前进行编号）：参赛队伍的参赛号码：（请各参赛队提前填写好）：2827题目空气污染问题研究摘要近年来，随着工业文明和城市的发展，数十亿吨计的废气和废物被排入到大气之中，加剧了空气污染，对人类和环境带来了巨大的危害。
因此对空气污染问题的影响进行深入的探讨具有现实指导意义。
本文建立了两种标准相结合方法、模糊综合评判方法、高架点源扩散模型、连续线源的扩散模型等对这个问题进行分析。
针对问题一，我们参考国标和美标衡量空气质量优劣程度等级的方法，建立了自己的两种标准相结合、模糊综合评判两种评价标准。
前一种方法中，分别得出中国与美国标准下的空气污染指数，综合考虑中国发展现状，确定中国与美国标准的权重，从而得到相应的空气质量优劣等级；后一种方法采用了模糊综合评判模型，考虑到大气环境是一个多因素耦合的复杂系统，环境质量的评价是模糊的，通过构建由SO2、NO2、P M10、CO、O3这几种污染物组成的空气质量评价因子集，结合隶属函数和权重集，得到一个地区空气污染在各种程度上的概率，最终得到模糊综合评判模型。
针对问题二，我们通过网络搜索空气污染物的相关数据，并查阅图书，得知各种空气污染物的相关性质，从而对主要污染源种类的划分有了较为深入的了解，并做出精要阐述。
针对问题三，建立了高架点源扩散的单污染源空气污染扩散模型，舍弃不相干或影响微小的参数，对实际的问题进行简化，得出点源下风向任一点的浓度分布函数，进而得出对周围空气污染的动态参数，分析空气污染的影响规律，利用前两个问题的结果对现实中的问题进行总结分析，评估空气质量优劣。
针对问题四，我们采用了连续线源扩散模型研究多污染源空气污染扩散模型，推导得出浓度计算公式，并通过查阅相关资料，确定车流量中各种车型所占比例和各类车型的污染物排放因子，计算出该路段车辆的污染物综合排放因子，然后再计算出该公路段的平均车流量，将各相关参数代入计算公式即可得到污染物的浓度，通过问题一结果得知空气质量指数。
针对问题五，我们在前四个问题研究结果的基础上，以空气质量的关键参数为基础，同时查阅了相关文献资料，对环保部门治理空气污染的举措有了基本的了解，找到现行措施的不足之处，提出了科学可行的方法，用以克服现在空气污染产生和治理中的弊端。
关键词:模糊综合评判AQI 污染物浓度限值高架点源扩散下风距离扩散参数扩散系数烟流抬升高度连续线源扩散1、问题的提出世界卫生组织和联合国环境组织联合发表的一份报告指出：“空气污染已成为全世界城市居民生活中一个无法逃避的现实。
”如果人类生活在污染十分严重的空气里，那就将在几分钟内全部死亡，这不是耸人听闻。
工业文明和城市发展，在为人类创造巨大财富的同时，也把数十亿吨计的废气和废物排入大气之中，导致人类赖以生存的大气圈变成了空中垃圾库和毒气库。
事实上，大气中的有害气体和污染物达到一定浓度时，就会对人类和环境带来巨大灾难。
大气污染对人体的影响是多方面的，其危害也是极为严重的。
大气污染对物体具有腐蚀性，对仪器、设备和建筑物等都有腐蚀作用，如金属建筑物出现的锈斑、古代文物的严重风化等都与大气污染有关。
时至今日，空气污染已超越国界，其危害遍及全球。
空气污染对全球大气的影响明显表现为三个方面：一是臭氧层破坏，二是酸雨腐蚀，三是全球气候变暖。
由此可见，空气污染对人类社会的影响如此巨大。
因此，促进和加深对其认识，从而缓解乃至解决空气质量日益恶化问题是尤为必要的。
在这里，我们通过通过建立空气污染的模型，了解空气污染扩散中的动态变化，总结和分析影响空气质量的关键参数，为空气污染的治理和预防提供理论依据。
2、问题的重述为了更好的掌握空气污染扩散过程中相关参数的动态变化，本文提出下列问题: （1）参考现有国标和美标，建立衡量空气质量优劣程度等级的数学模型。
（2）查找数据并列出京津冀地区主要污染源及其污染参数，分析影响空气质量的主要污染源的性质和种类。
（3）建立单污染源空气污染扩散模型，描述其对周围空气污染的动态影响规律。
现有河北境内某一工厂废气排放烟囱高50m，主要排放物为氮氧化物。
早上9 点至下午3点期间的排放浓度为406.92mg/m3，排放速度为1200m3/h；晚上10点-凌晨4点期间的排放浓度为1160mg/m3，排放速度为5700m3/h；通过你的扩散模型求解该工厂方圆51公里分别在早上8 点、中午12 点、晚上9 点空气污染浓度分布和空气质量等级。
（4）建立的多污染源空气污染扩散模型，并以汽车尾气污染源为例求解分析以下问题：北京在2015 年1 月15 日已经连续三天发生重污染，假设从16 日开始北京启动汽车单双号限行交通管制措施，求解北京市二环、四环、六环路在16 日早上8 点、中午12点、晚上9 点时空气污染浓度梯度变化及空气质量等级。
（5）根据你们的模型和求解结果，分析总结影响空气质量的关键参数，为京津冀地区环保部门撰写一份建议报告，给出实现“APEC”蓝天的可行性措施和建议。
3、问题的分析问题一：可通过查阅相关资料和文献，了解国标和美标衡量空气质量优劣程度等级的方法，在此基础上，提出自己的新方法，确定如何划分空气质量优劣的程度等级。
对于这个问题，我们想到了两种不同的实现途径。
在第一种解决方案中，我们考虑到国标和美标的差异，权衡两个标准，提出两种标准相结合的新标准，具体操作是:分别得出中国与美国标准下的空气污染指数，综合考虑中国发展现状，确定中国与美国标准的权重，从而得到相应的空气质量优劣等级；第二种方案采用的是模糊综合评判模型，考虑到大气环境是一个多因素耦合的复杂系统，环境质量的评价是模糊的，所以采用模糊综合评判的方法。
通过计算实际空气污染水平与各污染水平的隶属度，得到一个地区空气污染在各种程度上的概率，从而得到比较客观的结果。
问题二：搜集相关数据，找出主要污染源及其污染参数，并以此分析影响空气质量的主要污染源的性质和种类。
我们可以通过网络搜索到近几年京津冀空气质量的相关数据，通过问题一的研究，深入了解不同污染物对空气质量的影响大小，分析得到主要污染源和污染参数。
另外，通过查阅图书、网络搜索，得知各种空气污染物的相关性质，同时参考不同的划分标准，对主要污染源种类的划分有一个基本的了解。
问题三：在前两问研究结果的基础上，对于单污染源空气污染扩散，将问题简化，可以考虑高架点源扩散模型，参考大空间连续点源的高斯扩散模式，将相关量的作用以公式的形式表示出来，推导得到点源下风向任一点的浓度分布函数，进而得出对周围空气污染的动态参数，分析空气污染的影响规律，并用以解决某一工厂的实际问题。
问题四：结合问题三的研究方法和计算公式，探讨汽车尾气污染物以及汽车污染物对大气环境的影响，结合高斯烟流扩散模式建立预测汽车污染物在任意风向下的平均浓度的多污染源空气污染扩散预测模式，得出空气污染浓度梯度变化，并利用问题一的标准确定空气质量等级。
问题五：以前四个问题研究结果为基础，通过网络和查阅了相关文献资料，了解环保部门治理空气污染的相关举措，运用得出的理论成果，结合实际情况，提出可行性措施和建议。
4、模型的假设针对本题问题，建立如下合理的假设：空气污染物在扩散的过程中不存在强风，降雨等特殊气象条件空气污染物的扩散不受地形地表等地理因素的影响北京市二环、四环、六环路可近似于矩形车辆在行驶的过程中，道路上风速恒定不变，且不存在交通事故等意外情况5、符号说明I=空气质量指数，即AQI，输出值C=污染物浓度，输入值C low=小于或等于C的浓度限值，常量C high= 大于或等于C的浓度限值，常量I low= 对应于C low的指数限值，常量I high= 对应于C high的指数限值，常量q—源强，即单位时间内排放的污染物，μg/su—平均风速，m/sσy, σz—分别为水平、垂直方向的标准差，即y、x方向的扩散参数h—排放口的有效高度Δh—热烟流的浮升力和烟气以一定速速度竖直离开排放口的冲力使烟流抬升的一个附加高度n0、n1、n2—地表状况系数v0—标准状态下的烟气排放量，m3/sc p—标准状态下的烟气平均定压比热，Cp＝1.38kJ/(m3·K)T a—取当地最近5年平均气温值，Ku0—烟囱所在地近5年平均风速，m/sz0,z—分别为相同基准高度时气象台(站)测风仪位置及烟囱出口高度，mm—风廓线幂指数K—韦伯斜率Q L—线源源强，(μg / m·s)T—污染物的行走时间6、模型建立和求解1、建立衡量空气质量优劣程度等级的数学模型方案一：根据国标和美标【1】，AQI的计算公式如下：I=I high−I lowC high−C low(C−C low)+I low其中：I=空气质量指数，即AQI，输出值；C=污染物浓度，输入值；C low=小于或等于C的浓度限值，常量；C high= 大于或等于C的浓度限值，常量；I low= 对应于C low的指数限值，常量；I high= 对应于C high的指数限值，常量C low Chigh I low Ihigh质量水平0 15.4 0 50 良好15.5 40.4 51 100 中等40.5 65.4 101 150 对敏感人群不健康65.5 150.4 151 200 不健康150.5 250.4 201 300 非常不健康 250.5 350.4 301 400 有毒害 350.5 500.4 401 500 有毒害空气质量指数 美国浓度限值 中国浓度限值 0 0 0 50 15.4 35 100 40.4 75 150 65.4 115 200 150.4 150 300 250.4 250 400 350.4 350 500 500.4500 空气质量指数 质量水平 代表颜色 0-50 良好 绿色 51-100 中等黄色 101-150 对敏感人群不健康 橙色 151-200 不健康红色 201-300 非常不健康 紫色 301-500有毒害褐红色影响空气质量的主要因素有PM2.5、PM10、二氧化氮、二氧化硫、一氧化碳、臭氧、硫化氢、碳氢化合物和烟尘，分别计算对应的I 值，取其中最大值作为API ，分别计算得出中国和美国标准API建立衡量空气质量优劣程度等级的数学模型： PM2.5浓度高于150μg/m3时，两国标准计算出来的AQI 基本等同，取平均值作为API浓度低于150μg/m3时，两国标准计算出来的AQI 有明显差异，考虑到中国城市的发展现状，PM2.5浓度较低的城市可视为空气质量较好，按权重中国0.7，美国0.3计算得到AQI方案二：模糊综合评判方法【2】因素集设构成环境质量的因素集合为：},,,,{321i u u u u U ⋯=式中， u 1,u 2,u 3,…,u i 为参与评价的i 种环境因素的监测统计值。