大气污染控制有效性的评估模型及应用

被引：10

作者：

张裕芬 ^{[1
]}

朱坦 ^{[1
]}

冯银厂 ^{[1
]}

韩素芹 ^{[2
]}

李响 ^{[1
]}

刘彩霞 ^{[3
]}

机构：

[1] 南开大学环境科学与工程学院国家环境保护城市空气颗粒物污染防治重点实验室

[2] 天津市气象科学研究所

[3] 天津市环境监测中心

来源：

中国环境科学 | 2009年 / 29卷 / 03期

关键词：

大气污染控制; 有效性; 评估模型; 时间序列; 气象因素;

D O I：

暂无

中图分类号：

X51 [大气污染及其防治];

学科分类号：

0706 ; 070602 ;

摘要：

基于小波分析理论及BP神经网络,建立了大气污染控制有效性的评估模型.利用该模型解析天津市污染源排放及气象因素对大气污染物环境浓度的影响.结果表明,SO2浓度波动主要由污染源的季节变化引起,与天气过程有关的短期波动也不容忽视;而PM10浓度波动主要由污染源排放及气象条件的短期变化引起.2002～2003年的气象条件总体上不利于大气扩散,使SO2日均浓度长期分量增加约为3μg/m3;而2004年的气象条件有利于大气扩散,使SO2日均浓度长期分量减小约为5μg/m3.PM10日均浓度长期分量也有类似的规律,2002～2003年的不利气象条件使PM10日均浓度长期分量增高更显著,约为10μg/m3.

引用

页码：225 / 230

页数：6

共 10 条

[1] Meteorologically adjusted urban air quality trends in the Southwestern United States
Wise, EK
Comrie, AC
[J]. ATMOSPHERIC ENVIRONMENT, 2005, 39 (16) : 2969 - 2980
[2] Evolving the neural network model for forecasting air pollution time series
Niska, H
Hiltunen, T
Karppinen, A
Ruuskanen, J
Kolehmainen, M
[J]. ENGINEERING APPLICATIONS OF ARTIFICIAL INTELLIGENCE, 2004, 17 (02) : 159 - 167
[3] The influence of weather-type and long-range transport on airborne particle concentrations in Edinburgh, UK
Buchanan, CM
Beverland, IJ
Heal, MR
[J]. ATMOSPHERIC ENVIRONMENT, 2002, 36 (34) : 5343 - 5354
[4] 大气中SO2浓度的小波分析及神经网络预测
陈柳
马广大
[J]. 环境科学学报, 2006, (09) : 1553 - 1558
[5] 上海城市热岛的小波特征
江田汉
束炯
邓莲堂
[J]. 热带气象学报, 2004, (05) : 515 - 522
[6] 北京地区气溶胶PM2.5粒子浓度的相关因子及其估算模型
周丽
徐祥德
丁国安
苗秋菊
魏凤英
[J]. 气象学报, 2003, (06) : 761 - 768
[7] 北京地区PM10污染的气象特征
王淑英
张小玲
不详
[J]. 应用气象学报 , 2002, (S1) : 177 - 184
[8] 大气污染物浓度的神经网络预报
刘罡
李昕
胡非
[J]. 中国环境科学, 2000, (05) : 45 - 47
[9] 北京冬季二氧化硫污染和气象条件的关系
陈辉
胡非
任丽红
石立庆
[J]. 气候与环境研究, 2000, (03) : 287 - 295
[10] 气候变率诊断和预测方法.[M].吴洪宝;吴蕾编著;.气象出版社.2005,

← 1 →