细颗粒物粒径分布对负离子净化效果影响的实测与分析

空气负离子主要通过静电吸附的方式降低空气中细颗粒物的浓度,而细颗粒物的粒径大小会对负离子的净化效果产生影响。为了研究负离子对室内不同粒径颗粒物的净化效果,以广州市某个典型居民房间为例,通过添加人工污染源并加装负离子净化器,采用相应仪器测试不同粒径颗粒物的浓度变化。并对不同粒径颗粒物浓度变化进行线性拟合。结果表明：不同粒径颗粒物的浓度变化近似为线性,而且负离子对小粒径颗粒物的净化效果更加明显,而负离子在污染严重的空气中存活时间极短,浓度很低。     

季节指数改进的PM2.5质量浓度组合预测模型研究

随着我国的经济和城市化迅速发展,PM_2.5主导的区域空气污染已成为紧迫、突出的环境问题。据相关研究表明,PM_2.5在不同季节质量浓度差异较大。根据广州市2015~2019年的PM_2.5月均质量浓度数据,结合大气污染物及气象因素,引入季节指数,建立预测PM_2.5质量浓度的改进多元线性回归和多层感知器组合预测模型,探析广州市大气污染物中PM_2.5质量浓度的变化规律。结果表明,用季节指数改进的组合预测模型对PM_2.5质量浓度进行预测分析,拟合结果良好。使用不同评价指标将组合模型与传统的多层感知器预测模型和多元线性回归模型进行对比,该组合模型的均方根误差(Root Mean Square Error,RMSE)、平均绝对百分比误差(Mean Absolute Percentage Error,MAPE)、平均绝对误差(Mean Absolute Error,MAE)分别比多层感知器模型减少了23.1%、31%、24.2%;比多元线性回归模型减少了35.3%、41.3%、41%。该模型精度均优于传统的多元线性回归模型和多层感知器模型,能更好地预测环境PM_2.5质量浓度,为优化环境提供参考。