论文部分内容阅读
近年来,大气污染状况日益严重,济南市雾霾天气频繁出现,导致雾霾的主要原因是PM2.5。PM2.5颗粒更容易进入人体肺部,增加呼吸道疾病和致突变性疾病的患病几率。开展PM2.5与气象条件关系及其预报模式研究,对开展生态环境影响评估及保护,环境综合治理均有现实的、积极的重大意义。本文针对PM2.5与气象条件关系及其预报方法进行了研究。研究分析了济南市的PM2.5浓度年度分布特征,确定了日均和日最大PM2.5浓度随季节变化的差异性较大,冬季PM2.5浓度值最高,春季和秋季次之,夏季浓度最低。1月份日均和日最大PM2.5浓度均值最大,而8月份处于全年最低水平。通过频率分析,发现冬季超过75μg/m~3限值标准的频率最高,冬季在高浓度段的频率远高于其他季节,表明冬季污染事件频发。PM2.5发生重度污染的情况逐年有所改善。为了进一步研究日均和最高PM2.5浓度与气象条件的关系,绘制了济南市日均与日最大PM2.5浓度历年和四季的风向玫瑰图,并首次发现受济南市特殊地形影响,PM2.5浓度与风向关系极为密切,当出现东南风和西北风时,不利于污染物扩散,易使污染持续加重;而当出现东北风或西南风时,较利于PM2.5浓度减弱。同时研究发现PM2.5浓度与风速(平均、最大)、气温、气压、相对湿度、降水量、日照时数等都存在极显著的相关性。风速越大,越有利于PM2.5的扩散和减弱;湿度越大、气压越高越有利于PM2.5浓度的加重;日照时数长、气温偏高、降水量偏大均有利于PM2.5浓度的降低。选择三年数据中平均PM2.5浓度和最大PM2.5浓度为被解释变量,通过多元线性回归、逐步回归、主成分分析和偏最小二乘分析逐步建立了PM2.5浓度关于气象要素的统计预报模型,并进行了检验。由于PM2.5浓度和气象要素均随季节变化存在较大差异性,所以又分别选择春、夏、秋、冬四季的数据为研究对象,通过上述四种手段分别建立了四个季节的平均PM2.5浓度和最大PM2.5浓度统计预报模型,对年度预报模型进行了逐季优化,进一步提高了预报(预估)的准确性。然后,基于Matlab(2015b)的Gui界面设计建立了一个带有用户交互界面的PM2.5浓度的综合预报模式平台,为开展PM2.5浓度预报(预估)提供了平台,经测试,效果良好。