大气污染物时空变化规律及人工智能优化算法研究 以北京市为例PDF电子书下载

第1章 绪论 1

1.1 概述 2

1.2 大气颗粒物 2

1.2.1 大气颗粒物的物理化学性质 2

1.2.2 大气颗粒物的危害 3

1.3 气态污染物 5

1.3.1 一氧化碳（CO）的性质及危害 5

1.3.2 臭氧（O3）的性质及危害 6

1.3.3 二氧化氮（NO2）的性质及危害 6

1.3.4 二氧化硫（SO2）的性质及危害 6

1.4 大气污染防治标准 7

1.4.1 国外大气污染防治标准 7

1.4.2 国内大气污染防治标准 8

参考文献 9

第2章 大气污染物浓度变化规律及污染水平研究 11

2.1 概述 11

2.2 大气污染物实时监测点位分布及数据处理 14

2.2.1 北京市监测点位地理分布概况 14

2.2.2 季节划分及数据基础 16

2.3 大气污染物质量浓度的季节性变化 17

2.3.1 大气污染物的平均质量浓度时间序列 17

2.3.2 大气污染物质量浓度的月变化 19

2.4 大气污染物质量浓度的逐时变化 20

2.4.1 日变化特征 20

2.4.2 频数分布 23

2.5 大气污染物质量浓度相关性研究 25

2.5.1 线性回归分析与相关关系 26

2.5.2 大气污染物质量浓度的相关性分析 29

2.6 本章小结 36

参考文献 36

第3章 环境空气质量评价方法研究 39

3.1 概述 39

3.2 AQI指数法的研究应用 41

3.2.1 AQI污染级别划分及计算方法 42

3.2.2 基于AQI评价的北京空气质量级别 43

3.3 基于改进灰色算法的聚类评价研究 45

3.3.1 灰色聚类模型及改进 45

3.3.2 基于改进灰色聚类法的北京空气质量评价 48

3.4 基于人工神经网络的分类评价研究 54

3.4.1 人工神经网络 54

3.4.2 神经网络建模的实现 57

3.5 综合评价法分级标准讨论 62

3.5.1 综合评价法结果对比 62

3.5.2 基于AQI的综合评价指标探讨 63

3.6 本章小结 64

参考文献 64

第4章 大气颗粒物质量浓度预测模型研究 68

4.1 概述 68

4.2 基于气象参数的多元线性回归预测模型 70

4.2.1 输入因子改进 70

4.2.2 预测模型的建立 71

4.3 基于气象参数的机器学习算法预测模型 73

4.3.1 建模算法原理 74

4.3.2 预测模型的建立 76

4.4 基于模糊时序的支持向量机回归预测模型 79

4.4.1 时间序列的模糊粒化 80

4.4.2 时序预测模型的建立 82

4.5 本章小结 87

参考文献 87

第5章 大气颗粒物时空分布特征及插值模拟 90

5.1 概述 90

5.2 颗粒物质量浓度的时间和空间变化特征 92

5.2.1 颗粒物质量浓度的时间变化特征 92

5.2.2 颗粒物质量浓度的空间分布特征 95

5.3 基于空间插值法的颗粒物时空分布模拟 97

5.3.1 m维空间的双调和格林函数插值 97

5.3.2 空间插值算法的MATLAB实现 99

5.4 颗粒物质量浓度的插值模拟结果分析 102

5.4.1 模拟结果验证 102

5.4.2 分析讨论 105

5.5 本章小结 106

参考文献 107

第6章 微环境大气颗粒物垂直分布规律及理化特性研究 109

6.1 概述 109

6.2 大气颗粒物垂直分布特征及室内外变化规律研究 111

6.2.1 仪器材料与实验方法 112

6.2.2 大气颗粒物垂直结构特征 113

6.2.3 污染物室内外及不同高度变化规律 115

6.3 基于SEM的单体颗粒物形貌分析 118

6.3.1 仪器材料与实验方法 118

6.3.2 单颗粒物微观形貌分析 121

6.4 大气颗粒物化学组成特性研究 126

6.4.1 元素富集分析 126

6.4.2 基于聚类的化学元素组成特征分析 128

6.5 本章小结 131

参考文献 131

第7章 结论及展望 134

7.1 主要研究结论 134

7.2 展望 135

附录A 国标规定的污染物项目及浓度限值 137

附录B 气态污染物质量浓度变化规律及污染水平 139

附录C AQI评价结果、污染物平均质量浓度及白化函数 156

附录D LIBSVM回归预测最佳参数优选图 159

附录E 大气颗粒物质量浓度区域分布插值模拟 162