本文選題：運行模式分布 + 排放測算��； 參考：《中國環(huán)境科學(xué)》2016年12期

【摘要】：針對交通系統(tǒng)易于收集到的平均速度,以及排放模型計算所需的運行模式分布參數(shù),建立基于平均速度的運行模式分布模型,并采用遺傳算法對模型進行優(yōu)化.對比所建立模型、MOVES模型中的行駛周期所獲取數(shù)據(jù)與真實數(shù)據(jù)之間的排放結(jié)果差異,發(fā)現(xiàn)本模型有82.5%的區(qū)間平均排放率預(yù)測誤差低于MOVES,本模型的最大誤差為50.0%,而MOVES模型為304.2%.使用本模型評價了北京市限行前后污染物排放情況,發(fā)現(xiàn)限行后二環(huán)路高峰小時HC、CO、NO_x總體排放依次減少了9.58%、11.41%、0.49%.與真實值相比,預(yù)測值R~2方高于0.700,預(yù)測誤差大幅度低于MOVES模型預(yù)測誤差,并實現(xiàn)對交通策略下路網(wǎng)排放的動態(tài)評價應(yīng)用.
[Abstract]:In view of the average velocity that the traffic system is easy to collect, and the distribution parameters of the operation mode that the emission model is required to calculate, the distribution model of the running mode based on the average speed is established, and the genetic algorithm is used to optimize the model. The model, the emission between the running period of the MOVES model and the emission from the real data is compared. The results showed that the prediction error of 82.5% interval average emission rate was less than MOVES, and the maximum error of this model was 50%. The MOVES model used this model to evaluate the emission of pollutants before and after the limit of Beijing City, and found that the total emission of HC, CO and NO_x decreased by 9.58%, 11.41%, 0.49% in the peak hours of the two ring road. Compared with the real value, the predicted value of R~2 is higher than 0.700, the prediction error is significantly lower than the MOVES model prediction error, and the application of the dynamic evaluation of road network emission is realized.
【作者單位】： 重慶交通大學(xué)交通運輸學(xué)院;美國德克薩斯南方大學(xué);北京交通大學(xué);
【基金】：國家自然科學(xué)基金資助項目(51578052) 重慶市自然科學(xué)基金(ctcs2013jcyj A00015) 重慶市教委資助項目(KJ1400328)
【分類號】：X734

【相似文獻】

相關(guān)期刊論文 前10條

1 楊薇;南軍;孫德智;田禹;;遺傳算法在水資源與水環(huán)境研究中的應(yīng)用綜述[J];水資源保護;2007年01期

2 賈艷輝;;基于遺傳算法的水質(zhì)模型參數(shù)的確定方法[J];海河水利;2008年01期

3 魏加華,張建立;非線性水污染控制系統(tǒng)規(guī)劃的遺傳算法[J];煤田地質(zhì)與勘探;1999年02期

4 劉峰,胡非;用遺傳算法優(yōu)化工業(yè)污染源布局[J];城市環(huán)境與城市生態(tài);2003年06期

5 張麗麗;馬云東;魏令勇;;遺傳算法在區(qū)域水污染控制系統(tǒng)規(guī)劃中應(yīng)用[J];遼寧工程技術(shù)大學(xué)學(xué)報;2005年S2期

6 王建平,程聲通,賈海峰;水質(zhì)模型參數(shù)優(yōu)化的遺傳算法實現(xiàn)及控制參數(shù)分析[J];環(huán)境科學(xué);2005年03期

7 劉品高;;大氣污染總量控制遺傳算法的實現(xiàn)與性能優(yōu)化[J];硅谷;2009年04期

8 陳寶維;周秀玲;熊萬春;;基于遺傳算法的強輻射場人員工作分配方案優(yōu)化軟件的開發(fā)[J];輻射防護通訊;2011年05期

9 徐明德;蘭鵬;師莉紅;;遺傳算法在水污染控制系統(tǒng)規(guī)劃研究中的應(yīng)用[J];科技情報開發(fā)與經(jīng)濟;2009年05期

10 吉志龍;馬元巍;王德忠;;遺傳算法動態(tài)修正核素大氣擴散模型的適應(yīng)度函數(shù)研究[J];核技術(shù);2014年04期

相關(guān)會議論文 前2條

1 劉載文;王小藝;張春芝;程志強;;基于遺傳算法的污水處理過程優(yōu)化控制方法[A];2007年中國智能自動化會議論文集[C];2007年

2 金菊良;張禮兵;洪天求;;環(huán)境質(zhì)量綜合評價的改進理想?yún)^(qū)間法[A];2006中國控制與決策學(xué)術(shù)年會論文集[C];2006年

相關(guān)博士學(xué)位論文 前2條

1 楊壽海;基于遺傳算法的多目標智能輻射屏蔽方法研究[D];華北電力大學(xué);2012年

2 薛東峰;廢物最小化為目標的質(zhì)量集成方法研究[D];大連理工大學(xué);2001年

相關(guān)碩士學(xué)位論文 前10條

1 車晗;基于傳統(tǒng)在線監(jiān)測指標的污染事件探測方法研究[D];清華大學(xué);2015年

2 杭杰;射霧器風機及風筒參數(shù)優(yōu)化[D];燕山大學(xué);2016年

3 周琦;基于改進遺傳算法的拆卸序列規(guī)劃[D];湘潭大學(xué);2015年

4 鐘雨倩;基于遺傳算法的污水廠廠群規(guī)劃[D];四川大學(xué);2005年

5 楊毅;涪江綿陽城區(qū)段水污染控制系統(tǒng)規(guī)劃[D];西南交通大學(xué);2004年

6 陳偉;基于遺傳算法的燃煤機組NOx減排方法研究[D];上海交通大學(xué);2013年

7 龔希博;基于遺傳算法的ASM3參數(shù)估計研究[D];蘇州科技學(xué)院;2014年

8 葛珉昊;基于混合遞階遺傳算法的RBF網(wǎng)絡(luò)優(yōu)化及在BOD軟測量中的應(yīng)用[D];蘭州理工大學(xué);2014年

9 梁倩;基于遞階遺傳算法的RBF網(wǎng)絡(luò)優(yōu)化及其在污水脫氮過程軟測量中的應(yīng)用[D];上海交通大學(xué);2008年

10 胡一恒;沙潁河水運污染傳感器選址研究[D];武漢理工大學(xué);2012年

，

本文編號：2100519