我國(guó)過(guò)去幾十年粗獷的發(fā)展模式在推動(dòng)經(jīng)濟(jì)、工業(yè)迅猛發(fā)展的同時(shí),給環(huán)境帶來(lái)了巨大的沖擊,大氣污染的日益惡化嚴(yán)重威脅著人們的日常生活和健康。當(dāng)下的大氣污染問(wèn)題已不僅僅是環(huán)境層面的問(wèn)題,更是公共衛(wèi)生問(wèn)題,在世界范圍內(nèi)都備受關(guān)注。本文先對(duì)2015年3月5日至2017年12月31日我國(guó)35個(gè)主要城市的空氣質(zhì)量指數(shù)及各項(xiàng)大氣污染物的演化特征進(jìn)行描述性統(tǒng)計(jì)分析,發(fā)現(xiàn)不同城市的首要大氣污染物都以顆粒污染物（PM2.5和PM10）為主。在變化趨勢(shì)上,除了O₃以外,空氣質(zhì)量指數(shù)和其他各項(xiàng)大氣污染物的濃度值都表現(xiàn)出冬季較高、春秋次之、夏季最低的特點(diǎn),呈現(xiàn)出明顯的U型特征,而O₃的變化情況則恰恰相反。整體來(lái)看,我國(guó)北方城市的大氣污染水平要明顯高于南方城市,即北方城市的污染程度更高。大氣中的各項(xiàng)污染物在復(fù)雜的氣象條件下會(huì)發(fā)生轉(zhuǎn)移,從而會(huì)對(duì)其他地區(qū)的空氣質(zhì)量產(chǎn)生影響,即不同地區(qū)的空氣質(zhì)量之間是相互作用的,但這種影響關(guān)系不會(huì)即刻體現(xiàn)出來(lái),在時(shí)間上存在滯后效應(yīng)�；谶@一既定事實(shí),本研究在度量不同城市空氣質(zhì)量指數(shù)之間的相關(guān)性時(shí),引入時(shí)滯效應(yīng),應(yīng)用復(fù)雜網(wǎng)絡(luò)理論構(gòu)建有向加權(quán)的空氣質(zhì)... 

【文章來(lái)源】：江蘇大學(xué)江蘇省

【文章頁(yè)數(shù)】：63 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

(a)無(wú)向網(wǎng)絡(luò)，(b)有向網(wǎng)絡(luò)，(c)有向加權(quán)網(wǎng)絡(luò)

復(fù)雜網(wǎng)絡(luò)理論在我國(guó)主要城市空氣質(zhì)量指數(shù)分析中的應(yīng)用102.2所示，該網(wǎng)絡(luò)模型是由1S、2S、3S、4S和5S這5個(gè)連通集團(tuán)組成的，每個(gè)連通集團(tuán)中的節(jié)點(diǎn)數(shù)分別為6個(gè)、5個(gè)、4個(gè)、3個(gè)和2個(gè)，顯然，節(jié)點(diǎn)數(shù)最多的是1S，所以，1S就是該網(wǎng)絡(luò)的最大連通集團(tuán)。圖2.2最大連通集團(tuán)示意圖。Figure2.2Schematicdiagramofthegiantcomponent.2.4滲流理論滲流理論是一種常見(jiàn)且應(yīng)用領(lǐng)域廣泛的數(shù)學(xué)模型，是從隨機(jī)擴(kuò)散現(xiàn)象中抽象而來(lái)的，它的發(fā)現(xiàn)和應(yīng)用離不開(kāi)物理學(xué)的進(jìn)步與發(fā)展[43]。盡管滲流模型的設(shè)置規(guī)則比較簡(jiǎn)單，但其行為特征卻十分復(fù)雜多變，包含了相變臨界現(xiàn)象以及多種標(biāo)度行為。由于滲流理論具有表述簡(jiǎn)單、方便易操作等特點(diǎn)，在過(guò)去幾十年里，該理論的應(yīng)用范圍在不斷擴(kuò)大，涉及到物理學(xué)、氣候系統(tǒng)、復(fù)雜網(wǎng)絡(luò)等多個(gè)領(lǐng)域，為深入探究這些學(xué)科中的相關(guān)問(wèn)題奠定了理論基礎(chǔ)[43,44]。先考慮這樣一個(gè)問(wèn)題，在一個(gè)10*10的方格中，以概率p對(duì)這100個(gè)格子進(jìn)行著色，隨機(jī)擲一枚質(zhì)地分布不均勻的骰子，假設(shè)擲出偶數(shù)的概率是p(p0.5)，則奇數(shù)出現(xiàn)的概率為1p。在每個(gè)小方格上都擲一次骰子，如果擲出偶數(shù)，就把這個(gè)方格染成黑色，反之染成白色，結(jié)果如圖2.3(a)所示[45]。接著，對(duì)圖2.3(a)中的黑色方格再進(jìn)行染色，染色規(guī)則是如果任意兩個(gè)黑色方格之間存在一條公共邊，即這兩個(gè)黑色方格是相鄰的，那么就將這兩個(gè)方格染成同樣的顏色，如圖2.3(b)所示[45]�？梢钥闯龉灿�8種不同的顏色，同一種顏色的所有方格構(gòu)成了一個(gè)團(tuán)簇。在一個(gè)團(tuán)簇中，任意兩個(gè)方格點(diǎn)之間一定會(huì)存在由若干個(gè)格點(diǎn)所形成的一條路徑能夠?qū)⑦@兩個(gè)格點(diǎn)連接起來(lái)[44,45]。

江蘇大學(xué)碩士學(xué)位論文11圖2.3(a)以概率p對(duì)方格染色，(b)對(duì)黑色格點(diǎn)重新染色。Figure2.3(a)Stainthesegridswithprobabilityp,(b)restainfortheblackgrids.可以發(fā)現(xiàn)，在圖2.3(b)中對(duì)團(tuán)簇的大小和數(shù)量起決定性作用的是概率p，因?yàn)閜值會(huì)影響圖2.3(a)中黑色方格的數(shù)量。因此，接下來(lái)用同樣的方法在100*100的方格中探究不同的p值對(duì)團(tuán)簇的影響情況，結(jié)果如圖2.4所示[45]。在這三幅圖中，紅色表示最大連通集團(tuán)中的所有方格點(diǎn)。顯然，當(dāng)p0.4時(shí)，方格點(diǎn)之間的連通性不強(qiáng)，雖然形成的團(tuán)簇?cái)?shù)量比較多，但是每個(gè)團(tuán)簇里的方格點(diǎn)數(shù)量較少；當(dāng)p0.7時(shí)，團(tuán)簇的數(shù)量最少，大多數(shù)方格點(diǎn)之間都相互連通，從而構(gòu)成了一個(gè)大團(tuán)簇；而當(dāng)p恰好等于0.59時(shí)，團(tuán)簇的數(shù)量和最大連通集團(tuán)的尺寸都較大，此時(shí)就認(rèn)為系統(tǒng)發(fā)生了滲流或者說(shuō)系統(tǒng)處于滲流的狀態(tài)，對(duì)應(yīng)的p值被稱(chēng)為臨界概率[43,45,46]。當(dāng)p值超過(guò)臨界概率時(shí)，系統(tǒng)就會(huì)發(fā)生滲流，此時(shí)系統(tǒng)中會(huì)出現(xiàn)一個(gè)很大的團(tuán)簇，它可以將團(tuán)簇中所有小格點(diǎn)的邊界相互連接在一起。所以，當(dāng)p0.4時(shí)，系統(tǒng)沒(méi)有發(fā)生滲流，而當(dāng)p0.59和p0.7時(shí)系統(tǒng)發(fā)生了滲流。

【參考文獻(xiàn)】：
期刊論文
[1]監(jiān)督學(xué)習(xí)中的損失函數(shù)及應(yīng)用研究[J]. 鄧建國(guó),張素蘭,張繼福,荀亞玲,劉愛(ài)琴.  大數(shù)據(jù). 2020(01)
[2]基于EMD的岷江上中游流域流量特性分析[J]. 王俊鴻,覃光華,童旭.  中國(guó)農(nóng)村水利水電. 2019(05)
[3]基于峰度偏度和WD-LDA的飛機(jī)目標(biāo)分類(lèi)方法[J]. 亢朋朋,倪國(guó)新,陳知明.  現(xiàn)代雷達(dá). 2019(05)
[4]基于SA-EMD-PNN的柱塞泵故障診斷方法研究[J]. 杜振東,趙建民,李海平,張?chǎng)?  振動(dòng)與沖擊. 2019(08)
[5]滲流理論、方法、進(jìn)展及存在問(wèn)題[J]. 張李盈,任景莉.  自然雜志. 2019(02)
[6]基于改進(jìn)集成學(xué)習(xí)算法的在線(xiàn)空氣質(zhì)量預(yù)測(cè)[J]. 夏潤(rùn),張曉龍.  武漢科技大學(xué)學(xué)報(bào). 2019(01)
[7]基于高頻AQI數(shù)據(jù)的關(guān)中城市群空氣污染規(guī)律探索[J]. 胡秋靈,楊哲.  中國(guó)環(huán)境管理. 2017(02)
[8]基于AQI數(shù)據(jù)的大連夏季空氣質(zhì)量分析[J]. 劉淼,劉麗娟,王震,黃善鵬,劉穎波,段婉玲,馮秋實(shí).  大氣與環(huán)境光學(xué)學(xué)報(bào). 2016(02)
[9]基于GIS的武漢市AQI時(shí)空分布規(guī)律研究[J]. 詹長(zhǎng)根,吳藝,韋淑貞,涂李蕾.  地理空間信息. 2014(05)
[10]太原市二氧化硫污染現(xiàn)狀與控制對(duì)策的思考[J]. 杜麗娟.  科技情報(bào)開(kāi)發(fā)與經(jīng)濟(jì). 2002(05)

碩士論文
[1]東北地區(qū)空氣質(zhì)量時(shí)空格局變化及特殊時(shí)段特征分析[D]. 王文萍.哈爾濱師范大學(xué) 2019
[2]黑龍江省不同類(lèi)型城市空氣質(zhì)量變化特征研究[D]. 王雪嬌.哈爾濱師范大學(xué) 2019
[3]基于深度學(xué)習(xí)的空氣質(zhì)量預(yù)測(cè)方法研究與實(shí)現(xiàn)[D]. 郭豪.北京郵電大學(xué) 2019
[4]基于ARIMA、SVR組合模型的空氣質(zhì)量指數(shù)預(yù)測(cè)[D]. 趙宇.天津商業(yè)大學(xué) 2019
[5]基于空間統(tǒng)計(jì)的空氣質(zhì)量影響因素計(jì)量分析與預(yù)測(cè)[D]. 李英燕.長(zhǎng)安大學(xué) 2019
[6]基于機(jī)器學(xué)習(xí)的空氣質(zhì)量評(píng)價(jià)與預(yù)測(cè)[D]. 高帥.中北大學(xué) 2019
[7]邯鄲市和開(kāi)封市AQI與大氣中PCDD/Fs現(xiàn)狀研究[D]. 趙蓉.合肥工業(yè)大學(xué) 2019
[8]北京市空氣質(zhì)量的空間統(tǒng)計(jì)分析研究[D]. 李勇輝.華北電力大學(xué)(北京) 2019
[9]北京市空氣質(zhì)量與氣象條件的關(guān)系及其預(yù)測(cè)研究[D]. 王晨.蘭州大學(xué) 2018
[10]基于BP神經(jīng)網(wǎng)絡(luò)的空氣質(zhì)量預(yù)測(cè)研究與實(shí)現(xiàn)[D]. 唐之享.西安電子科技大學(xué) 2018



本文編號(hào)：3292632