發(fā)布時(shí)間：2020-09-14 18:52

　　 近年來(lái),大氣污染狀況日益嚴(yán)重,濟(jì)南市霧霾天氣頻繁出現(xiàn),導(dǎo)致霧霾的主要原因是PM2.5。PM2.5顆粒更容易進(jìn)入人體肺部,增加呼吸道疾病和致突變性疾病的患病幾率。開(kāi)展PM2.5與氣象條件關(guān)系及其預(yù)報(bào)模式研究,對(duì)開(kāi)展生態(tài)環(huán)境影響評(píng)估及保護(hù),環(huán)境綜合治理均有現(xiàn)實(shí)的、積極的重大意義。本文針對(duì)PM2.5與氣象條件關(guān)系及其預(yù)報(bào)方法進(jìn)行了研究。研究分析了濟(jì)南市的PM2.5濃度年度分布特征,確定了日均和日最大PM2.5濃度隨季節(jié)變化的差異性較大,冬季PM2.5濃度值最高,春季和秋季次之,夏季濃度最低。1月份日均和日最大PM2.5濃度均值最大,而8月份處于全年最低水平。通過(guò)頻率分析,發(fā)現(xiàn)冬季超過(guò)75μg/m~3限值標(biāo)準(zhǔn)的頻率最高,冬季在高濃度段的頻率遠(yuǎn)高于其他季節(jié),表明冬季污染事件頻發(fā)。PM2.5發(fā)生重度污染的情況逐年有所改善。為了進(jìn)一步研究日均和最高PM2.5濃度與氣象條件的關(guān)系,繪制了濟(jì)南市日均與日最大PM2.5濃度歷年和四季的風(fēng)向玫瑰圖,并首次發(fā)現(xiàn)受濟(jì)南市特殊地形影響,PM2.5濃度與風(fēng)向關(guān)系極為密切,當(dāng)出現(xiàn)東南風(fēng)和西北風(fēng)時(shí),不利于污染物擴(kuò)散,易使污染持續(xù)加重;而當(dāng)出現(xiàn)東北風(fēng)或西南風(fēng)時(shí),較利于PM2.5濃度減弱。同時(shí)研究發(fā)現(xiàn)PM2.5濃度與風(fēng)速(平均、最大)、氣溫、氣壓、相對(duì)濕度、降水量、日照時(shí)數(shù)等都存在極顯著的相關(guān)性。風(fēng)速越大,越有利于PM2.5的擴(kuò)散和減弱;濕度越大、氣壓越高越有利于PM2.5濃度的加重;日照時(shí)數(shù)長(zhǎng)、氣溫偏高、降水量偏大均有利于PM2.5濃度的降低。選擇三年數(shù)據(jù)中平均PM2.5濃度和最大PM2.5濃度為被解釋變量,通過(guò)多元線性回歸、逐步回歸、主成分分析和偏最小二乘分析逐步建立了PM2.5濃度關(guān)于氣象要素的統(tǒng)計(jì)預(yù)報(bào)模型,并進(jìn)行了檢驗(yàn)。由于PM2.5濃度和氣象要素均隨季節(jié)變化存在較大差異性,所以又分別選擇春、夏、秋、冬四季的數(shù)據(jù)為研究對(duì)象,通過(guò)上述四種手段分別建立了四個(gè)季節(jié)的平均PM2.5濃度和最大PM2.5濃度統(tǒng)計(jì)預(yù)報(bào)模型,對(duì)年度預(yù)報(bào)模型進(jìn)行了逐季優(yōu)化,進(jìn)一步提高了預(yù)報(bào)(預(yù)估)的準(zhǔn)確性。然后,基于Matlab(2015b)的Gui界面設(shè)計(jì)建立了一個(gè)帶有用戶交互界面的PM2.5濃度的綜合預(yù)報(bào)模式平臺(tái),為開(kāi)展PM2.5濃度預(yù)報(bào)(預(yù)估)提供了平臺(tái),經(jīng)測(cè)試,效果良好。
【學(xué)位單位】：齊魯工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2017
【中圖分類】：X513;X16
【部分圖文】：

第 1 章 緒論1.1 研究背景二十世紀(jì)中葉，全球不同區(qū)域發(fā)生了很多起引起廣泛關(guān)注的大氣污染事件，如1946 年的洛杉磯煙霧事件以及 1952 年的倫敦?zé)熿F事件，這些事件都與大氣中的細(xì)顆粒物的污染問(wèn)題有關(guān)[1]。自改革開(kāi)放以來(lái)，隨著我國(guó)國(guó)民經(jīng)濟(jì)的飛速發(fā)展，近年來(lái)大氣灰霾等空氣污染事件也越來(lái)越嚴(yán)重。自 2011 年北京、華北地區(qū)連續(xù)出現(xiàn)大霧、灰霾天氣后，霧霾的波及范圍也逐漸從京津冀地區(qū)蔓延至長(zhǎng)江三角洲地區(qū)，受影響人群超過(guò) 8.5 億人，空氣環(huán)境的安全也逐漸引起社會(huì)的廣泛關(guān)注。造成空氣污染的主要原因是可吸入顆粒物（PM10）和細(xì)顆粒物（PM2.5），其中 PM2.5 又被叫做可入肺顆粒物，是指空氣中直徑小于或等于 2.5 微米的細(xì)顆粒物。大氣中的PM2.5 細(xì)顆粒物超標(biāo)是霧霾天氣產(chǎn)生的一個(gè)最重要的因素，其粒徑細(xì)小，比表面積大，化學(xué)活性強(qiáng)，易于吸附重金屬、微生物等有毒有害物質(zhì)，且在大氣中輸送距離遠(yuǎn)、停留時(shí)間長(zhǎng)，對(duì)大氣質(zhì)量和人體健康造成更大的影響[2]。

能力與物體直徑和可見(jiàn)光的波長(zhǎng)有關(guān)�？梢�(jiàn)光的 0.1-1.0μm 的大氣懸浮物對(duì)能見(jiàn)度的影響最大。研約為大氣中粗顆粒的 10 倍左右，所以 PM2.5 是大4]�？档挠绊懙幕姻蔡鞖�，已經(jīng)對(duì)人類健康構(gòu)成嚴(yán)重威脅。Doc8000 多名年齡在 25-74 周歲之間的成年人進(jìn)行了為現(xiàn)當(dāng) PM10 濃度增加 10 微克/立方米時(shí)，死亡率加了 10 微克/立方米時(shí)，死亡率增加了 14%[25]。愈發(fā)不可忽視。細(xì)小，重量較輕，可以在大氣中停留時(shí)間長(zhǎng)、輸送又因?yàn)槠浔缺砻娣e大，化學(xué)活性強(qiáng)，相對(duì)于 PM10，包括對(duì)人體有害的細(xì)菌、病毒或者重金屬原子等，能影響肺部正常的氣體交換，引發(fā)心血管、支氣粒徑大氣污染顆粒物在人體各個(gè)部位的沉積比例

圖 2.1 濟(jì)南市日均 PM2.5 和日最大 PM2.5 濃度逐日變化圖濟(jì)南日均 PM2.5 濃度和日最大 PM2.5 濃度的逐日的變化見(jiàn)圖 2.1，由圖中可以看出，濟(jì)南市日均 PM2.5 濃度高于 75μg/m3（二級(jí)濃度限值標(biāo)準(zhǔn)）日數(shù)很多，而且常出現(xiàn) 400μg/m3以上的重污染天氣，說(shuō)明濟(jì)南市正面臨著十分嚴(yán)重的 PM2.5 污染問(wèn)題。但是整體上來(lái)看，濟(jì)南市在 2012 年冬季到 15 年冬季期間，PM2.5 濃度有最大值減小的趨勢(shì)，但是還一直維持著較高的水平。從圖中可以看出，濟(jì)南市日均值的最大值出現(xiàn)在 2013 年 1 月 14 日，為 440.2μg/m3，而日最大 PM2.5 濃度值的最大值出現(xiàn)在 2013 年 1 月 8 日，為 656.2μg/m3。而且從圖中可以注意到相較于其他季節(jié)，冬季和初春時(shí) PM2.5 濃度值較大。

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張輝,田建國(guó);灰色主成分及其實(shí)證分析[J];山東師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2003年01期

2 姚澤清,王衍波;江蘇省國(guó)民經(jīng)濟(jì)主要指標(biāo)的主成分分析[J];運(yùn)籌與管理;2003年03期

3 尉雪波,張輝;灰色主成分分析及其應(yīng)用[J];山東財(cái)政學(xué)院學(xué)報(bào);2004年05期

4 夏國(guó)恩;金煒東;張葛祥;;非線性主成分分析新方法[J];統(tǒng)計(jì)與決策;2006年05期

5 馬翔宇;陳志華;鄒颯楓;趙力;;基于主成分分析的音樂(lè)事件相關(guān)腦電變化研究[J];現(xiàn)代生物醫(yī)學(xué)進(jìn)展;2009年03期

6 張維銘;陳文興;;運(yùn)用主成分分析制定服裝標(biāo)準(zhǔn)的探討[J];浙江絲綢工學(xué)院學(xué)報(bào);1986年02期

7 李永福,孫文爽 ,王元平;廣義主成分分析[J];云南大學(xué)學(xué)報(bào)(自然科學(xué)版);1988年01期

8 王宏健，易柱新;主成分方法用于聚類分析[J];經(jīng)濟(jì)數(shù)學(xué);1996年01期

9 李汶華;城市綜合實(shí)力增長(zhǎng)的比較[J];數(shù)理統(tǒng)計(jì)與管理;2000年01期

10 高長(zhǎng)元,丁雪偉,綦良群;高新技術(shù)產(chǎn)品的主成分分析評(píng)價(jià)法[J];哈爾濱理工大學(xué)學(xué)報(bào);2000年01期

相關(guān)會(huì)議論文 前10條

1 么彩蓮;魏寧;;關(guān)于主成分分析的改進(jìn)方法探討[A];中國(guó)現(xiàn)場(chǎng)統(tǒng)計(jì)研究會(huì)第12屆學(xué)術(shù)年會(huì)論文集[C];2005年

2 陳明星;繆柏其;靳韜;;利率影響因素的主成分分析與因子分析[A];中國(guó)現(xiàn)場(chǎng)統(tǒng)計(jì)研究會(huì)第12屆學(xué)術(shù)年會(huì)論文集[C];2005年

3 孫曉東;胡勁松;焦s

本文編號(hào)：2818534