基于高斯的大气污染评价模型

研究城市防治问题,采用大气污染的经典高斯扩散模制,结合气象因素对污染物浓度的影响,分别估算由污染源排放所造成的大气污染物SO<,2>、NO<,x>和颗粒物的浓度值,根据国家标准,分析各污染物之间的数量关系,建立模糊评价矩阵,最终划分该地区的大气污染等级.结果表明,两种方法的有效结合能够准确地得出某一污染源对该地区大气污染情况影响的综合评价.测试结果表明.符合实际情况.对大气监测有实际意义.     

“大气灰霾追因与控制”专项召开课题启动会

3月9日～10日,中科院战略性先导科技专项"大气灰霾追因与控制"项目五"灰霾重点污染物控制前沿技术"的课题"燃煤锅炉烟气电袋复合细粒子高效捕集技术与示范"启动会在江苏盐城环保产业园区召开。来自北京市劳动保护科学研究所、科技部二十一     

重庆市重点污染源在线监控系统的建设

重点污染源在线监控系统的建设旨在通过对重庆市重点污染源排放企业设备运行状态的自动监控,及时、准确、全面地反映环境质量现状及发展趋势,为环境管理、污染源控制、环境规划、环境评价提供客观的科学依据,增强企业的守法自觉性,提高环保现场执法的现代化水平,逐步达到提高重庆市环境质量的最终目的。对此进行了详细的论述。     

基于多元线性回归的环境监测数据分析与研究

目前的环境实时监测数据精度和适用范围都有一定限制,为此提出并改进一种新的环境预测模型,用于预测大气环境质量,收集6个空气污染物指标和5个相应的气象指标并进行检测.研究发现通过逐步线性回归优化多元线性方程,可以准确预测短期大气环境质量,改进后的模型可以相对准确地预测未来大气污染物的质量浓度.     

基于云计算的多污染区域综合检测系统设计

针对多区域环境污染监测检测中,污染颗粒浓度分布不均匀,造成大区域污染虚报警的问题,结合云计算中数据聚类计算方法的优势,提出基于云计算的多污染区域检测系统设计方案;利用云计算中强大的计算池优势,把众多疑似小区域的污染浓度数据进行计算,利用相似云的计算规则,作为系统云端聚类分析的基础,找出多个小区域的污染物颗粒浓度分类测量计算结果。现场测试证明,该系统对多个污染浓度分布不均的区域检测准确率较高,提了高污染浓度分布不均匀区域污染浓度检测的准确度,虚报警率有所降低,实用性强。     

基于公共电话网络的分布式环境监测系统

采用计算机远程通信与控制技术，利用覆盖极为广泛的公用电话通信网，将独立、分数的环境检测点相连接，构筑城市（区域)环境实时监测网络，实现水、大气、污染源等自动连续监测．完成环境指数的实时采集．实现城市（区域）环境指敦的全天候、24小时监控，及时记录和掌握城市（区域）环境状况，预防和及时发现污染事故。该文介绍了系统关键技术和系统结构设计、功能划分及软硬件实现。     

城市固体废弃物的水文地质安全处置研究

当今城市固体废弃物高量排放给环境带来的污染,文章重点论述了严重的污染源参与自然界的大气水循环活动,直接污染浅层地下水,从而影响人类生存的水文地质环境。为了解决目前城市固体废弃物的处置方法给水文地质环境带来的不利影响,提出了具体的以资源化为目的的城市废弃物的水文地质环境安全处置方法。     

基于物联网的机场区域大气污染监控系统设计

针对航空器尾气对民用机场及其周边区域大气环境的影响,基于物联网(IoT)和全球定位系统(GPS)技术,设计了大气污染监控系统。首先,论述了大气污染监控系统从监控终端、区域中心到管理中心的系统总体架构。其次,对大气污染监控系统的硬件系统设计、组成和配置作了详细阐述。再次,梳理了大气污染监控系统数据采集和传输流程。最后,针对西南地区某大型枢纽机场及其周边的监测点位类型设置和选址进行了规划。该系统通过对常见大气污染物的连续、实时监控,自动标记污染物具体位置和浓度,可移动性强,较传统的大气污染监测更具优势。该系统可掌握机场和周边区域大气污染物排放数据,为大气污染物治理提供数据支持。     

环境统计辅助决策及其系统实现

环境统计辅助决策问题是随着环境科学和计算机数据库技术的发展而提出来的,其主要特点是把环境信息处理与环境管理有机地结合起来,通过评价环境现状,找出污染的重点污染物、源、行业和区域,从而为环境规划、计划、方针、政策的制定提供依据。辅助各级各类环境管理部门有重点、有针对性地治理污染,保护环境。《环境统计辅助决策系统》(Environmental Statistis Aucessory Decision System简称ESADS)是这一思想的具体实现。     

基于组件式GIS的南通市通吕运河污染源管理信息系统设计与实现

选择南通市通吕运河主城段为实验样区,应用VisualBasic6.0和Map Objects2.4组件开发技术,设计了污染源管理信息系统。系统将GIS技术与水环境模型相结合,实现了污染源数据管理、监测数据统计、污染负荷模型计算、一维模拟可视化等功能,有助于环境决策者结合城市的污染指标,提出对污染源进行排放的限制依据,在一定程度上提高了研究区域污染源监督和管理的效率,促进通吕运河的水环境信息化建设。     

基于改进AFSA算法的河流突发水污染溯源

污染源的排放时间、排放位置以及排放总量的确定是河流突发性水污染溯源问题的关键.如何快速准确的确定重金属污染源的三个因素, 然后通过GIS得到污染源企业的排查清单是本文的研究重点.本文通过对河流的水文水质的研究, 依据重金属污染物的特性, 确定了一维河流重金属污染物的时空变化的动态解析解.同时构造了污染物时空溯源模型以及污染物排放总量模型, 并利用改进的AFSA算法实现了模型的求解.研究结果表明, 该算法使得模型能够更加快速准确地得到三个参数的结果, 然后将该结果通过本文的方法并且借助GIS技术更快更准确的为相关工作人员提供污染源企业概率排查清单.本文提出的方法和模型对于水污染处理以及保护水环境具有一定的指导意义.     

一种基于传感器网络的水污染源质心定位算法

目前基于传感器网络的污染源定位多采用基于扩散模型的解析定位算法.然而,在该类算法中,复杂的数值计算会引入估计误差,并且水污染扩散模型大多是在理想的近似条件下提出的,在污染源定位问题中亦会引入误差.在某些情形下,由于没有解析的定位模型,基于扩散模型的解析定位算法无法采用.为了弥补传感器网络下基于扩散模型的水污染源定位方法的不足,提出了一种不依赖于扩散模型的水污染源质心定位算法.在该算法中,首先确定污染源所在区域,然后计算几何区域的质心,质心位置即为污染源估计位置.为了求解质心定位问题,提出了基于浓度场等位线的求解方法.在实验部分,对比了本文质心算法与基于扩散模型的定位算法以及粗略定位算法的定位结果.实现结果说明了本文算法的有效性.     

分子标志物参数在识别土壤多环芳烃(PAHs)来源中的应用

土壤中PAHs污染物的成因十分复杂,常见的污染源包括生物质的高温降解产物、石油等化石燃料及其不完全燃烧产物等,其输入方式主要有大气中所含PAHs的干、湿沉降、水体输入、固体废弁物排放等.不同成因的PAHs组成特征有一定差别,并可能具有独特的分子标志物或分子化合物组合特征,由此,可以根据环境介质中PAHs的组成特征判断污染物来源或成因类型.目前,分子标志物特征参数已成为追踪PAHs污染来源的有效手段.介绍了近年来国内外在运用PAHs分子标志物特征参数识别土壤中PAHs污染源方面的主要研究进展、应用潜力及存在的问题.     

PSO算法优化的大气质量评价的普适公式*

采用具有全局搜索功能的粒子群优化算法对计算大气污染损害率的计算公式中的参数进行优化,得到了对于多种大气污染物均适用的具有普适性的大气污染损害分指数计算公式及大气质量综合污染损害指数评价模型。实验结果表明：该大气质量综合污染损害指数评价模型用于大气质量评价是可行的,不仅公式形式简单、计算简便,而且原理直观、评价结果准确,具有较好的应用潜能。     

基于二阶偏微分方程的环境模型研究

为实现大气环境质量预测和模拟,通过对大气污染和水体污染过程分析,从污染物迁移转化空间形式出发,构建了基本的环境流体力学三维模型,并针对某市大气污染物排放情况改进了迁移模型.运用Matlab软件,推算出各污染物达标需要的天数.该模型的优点是可以适用于研究各种污染物污染过程,预测某一时刻某位置污染物浓度.最后,进行成本比较,提出了环境治理策略.     

基于人工神经网络的大气质量智能评价预警系统的设计与应用

基于人工智能的神经网络技术,建立大气质量智能评价预警系统。该系统可以实现对大气污染物数据的自动分析及对大气质量的智能评价。通过局部大气的污染程度和运动趋势预测综合大气质量并实现预警。该系统能够为环境管理决策提供及时、准确、全面的环境质量信息,同时也可以帮助相关部门和企业对未来发展做出正确的决策。     

基于LSTM循环神经网络的PM2.5预测

PM_(2.5)要素对空气质量影响较大。PM_(2.5)浓度变化是多种因素作用的结果,且过程突发、非线性,具有明显的不确定性,难以使用传统的方法进行预测。针对该问题,以气象、大气污染物因素作为PM_(2.5)预测指标,提出基于LSTM循环神经网络的PM_(2.5)预测模型。使用灰色关联度分析方法对多个气象、大气污染指标进行关联强度分析;对数据进行平滑处理,将时间序列问题处理为监督问题;搭建多变量的LSTM循环神经网络PM_(2.5)预测模型,实现PM_(2.5)日值浓度的准确预测。使用北京市2010年-2017年气象数据和大气污染物数据进行仿真实验,结果表明该模型能够较好地预测PM_(2.5)的日值变化趋势。     

一种高精度LSTM-FC大气污染物浓度预测模型

大气污染已经严重影响到人们的生活和健康,大气治理势在必行,探究大气污染物浓度变化的规律,实现污染物浓度预测,对指导大气治理工作具有重要意义.文中构建了一种基于长短期记忆神经网络(Long Short-Term Memory,LSTM)和全连接神经网络(Full Connected,FC)的混合神经网络模型,并提出了数据桶划分的训练方式来解决由于训练数据与预测数据存在较长时间间隔导致精度下降的问题,进而实现大气污染物浓度的预测.该模型具有较好的通用性和精度,充分结合了长短期记忆神经网络和全连接神经网络的优点,能够在多种污染物数据上实现精确预测.以天津市2013-2019年大气污染物数据实现模型的训练和预测,结果表明,混合神经网络模型在PM2.5,PM10,NO2,SO2,O3,CO 6种污染物浓度的预测上均可以达到R2>0.90,平均百分误差小于15％的效果,LSTM-FC模型在大气污染物预测中具有明显的优势,具有较高的实用价值.     

基于随机森林的京津冀地区PM2.5遥感反演及变化分析

大气细颗粒物PM_2.5是影响人类生存环境和身体健康的主要大气环境污染物,研究PM_2.5质量浓度季节变化的规律及空间分布特征,对于大气污染物的预防和治理有着重要的意义。利用2018～2020年MODIS卫星L2级AOD产品、MERRA-2气象数据以及地面站点PM_2.5实测数据,基于改进的随机森林算法,构建AOD-PM_2.5反演模型,对京津冀地区PM_2.5质量浓度进行估算,并分析PM_2.5质量浓度空间分布特征以及季节变化规律。结果表明：(1)春夏秋冬4组模型决定系数(R2)均值分别为0.78、0.66、0.83、0.83,模拟精度较高。(2)2018～2020年京津冀地区春夏秋冬四季PM_2.5浓度呈显著的空间分布特征及季节变化规律。其中PM_2.5污染最大值出现在冬季,最小值出现在夏季。(3)历年同季节相比,京津冀地区PM_2.5污染范围和浓度数值均有所减小,2020春季和秋季PM_2.5<...     

城市热岛与气溶胶交互影响的研究进展北大核心CSCD

在工业革命及快速城镇化的双重胁迫作用导致大气污染物颗粒浓度显著增加的同时,城市人居热生态环境持续恶化,城市热岛效应加剧。研究表明:不断变化的大气污染物颗粒浓度引发的气溶胶物化性质的改变可以进一步影响太阳辐射,从而引发热岛效应的时空变化;同时,城市热岛效应反作用于气溶胶又会影响气溶胶物化性质及其时空分异,二者既相互依赖又相互影响。因此,综述国内外气溶胶与城市热岛等研究的起源、概念内涵、数据源与研究方法,着重从城市热岛与气溶胶相互影响视角进行研究现状的总结与归纳,并就当前研究过程中存在的问题以及未来的研究趋势进行了剖析,以期为今后更好地展开灰霾治理与城市热岛效应改善提供基础参考。