
翻译&原文--大气污染预测方法探讨.doc
25页目 录1概述 12大气污染预测方法 1空气质量模型 2箱模型 2高斯模型 22.1.3 K模型 22.2灰色理论模型 32.2.1 GM(1,1)模型 32.2.2 GM(1,N)模型 4投影寻踪回归模型 5模糊理论模型 6环境质量计算模型 6统计理论方法 73大气污染预测中应注意的几个问题 74结论 8参 考 文 献 81 Overview 102 Air Pollution Forecast Method 112.1 Air Quality Model 112.1.1 A Box Model 112.1.2 Gaussian Model 122.1.3 K Model 122.2 Gray Theory Model 132.2.1 GM(1,1) Model 132.2.2 GM(1,N)Model 142.3 Projection Pursuit Regression Model 152.4 Fuzzy Theory Model 162.5 Environmental Quality Measurement Model 172.6 Statistical Theory Method 173 Some Problems Must be paid Attention To In Air Pollution Forecast 184 Conclusion 19References 20大气污染预测方法探讨郑博福 游海 弓晓峰 齐美富(南昌大学环境与化学工程学院,江西南昌 330029)摘要 综述当前常用的大气污染预测方法,对空气质量模型、灰色理论模型、投影寻踪回归模型等3种主要的大气污染预测方法进行了详细介绍,重点分析讨论了这些方法的实用性和局限性,阐述了进行大气污染预测时应注意的几个问题。
关键词 大气污染, 预测, 模型1 概 述预测就是根据主观的经验和教训、客观的资料与条件和演变的逻辑与推断,寻求事物的发展规律,对事物未来发展趋势和可能达到的水平做出估计和推断环境预测是以人口为中心,以社会经济预测和科学技术预测为基础,预计和推测随着人口、经济、政策等社会因素的发展环境的变化趋势,提出防止环境质量恶化和改善环境质量的对策,达到社会的发展与环境保护之间的协调与统一污染预测是环境预测的基础和重要组成部分,污染预测的误差大小直接影响着环境预测质量污染预测根据预测对象可以分大气污染预测、水污染预测、土壤污染预测、噪声污染预测等大气污染预测就是预测某一特定区域的大气污染的未来变化趋势,并提出改善大气环境质量的对策,为决策部门在制定该区域大气污染防治规划与经济发展规划时提供参考和依据2 大气污染预测方法目前,国内外学者用于大气污染预测的方法模型主要有:空气质量模型、灰色理论模型、投影寻踪回归模型、模糊理论模型、线型系统分析模型、环境质量计量模型、统计理论方法等预测模型和方法 空气质量模型常用于大气污染预测的空气质量模型有:箱模型、高斯模型及K理论模型箱模型箱模型是一种最简单的城市空气质量模型。
它把整个城市空间看作为一个或多个矩形的箱形式,其主要假设条件为:1)在一个箱体内,污染源(看作面源)的源强是一个常数;2)污染物进入箱体(大气)后,立即在铅直方向均匀分布由于城市污染源分布比较均匀,铅直扩散速率较快,上述假设有一定的合理性但是箱模型的假定与实际情况有很大差异,对近地面的浓度估算偏低高斯模型高斯模型是城市空气质量模型中最主要的应用模型,因为:1)大多数平原城市及郊区的范围在20~30km以内,流场并不十分复杂;2)城市空气质量模型的误差主要来源于模型输入参数,尤其是污染源资料并不可能十分准确、精细,使对模型本身的改进归于徒劳,从应用的效果看,复杂数值模型并不优于高斯模型;3)高斯模型对气象资料的需求比其它空气质量模型对气象资料的需求更低,而运算效果却明显提高高斯模型具有简单实用、空间分辨率高的优点,但它有以下不足之处:1) 当模拟的尺度达到几十公里,或者因下垫面不均匀,使流场比较复杂时,高斯烟流模型的精度就难以满足要求;2)高斯模型的沉积和化学转化过程只能十分粗略的处理,当这些过程已相当重要或者作为研究对象时,高斯模型不适用 K模型该模型是由平流扩散方程式经各种简化假设而推导得出的,它具有如下效能:1)能够模拟三维非定常流场中的输送和扩散,因此可以模拟复杂下垫面和较大的尺度范围内的空气污染;2)污染源场可以任意给定,即Q=Q(x,y,z,t),3)边界可以反射、吸收和穿透污染物质,其浓度在边界上可变;4)可以模拟包括非线型化学反应引起的浓度变化;5)可以模拟干、湿沉积引起的浓度的变化。
因为K模型来源于模仿分子扩散的梯度输送假设,它具有一定的局限性;1)梯度输送假设要求满足一定的尺度条件,使扩散方程仅仅在烟流尺度大于占优势的湍涡尺度时才是正确的;2)对流条件下梯度-输送关系不成立,可能出现反梯度输送的现象,不能应用K模型;3)K模型对基础资料及输入参数的要求很高空气质量模型的预测精度在很大程度上依赖于对污染源和气象条件的预测精度,因此,比较适用于短时污染预测,一般不用于长期污染预测灰色理论模型由于灰色理论模型在建模、预测、控制等方面的独到性,十多年来已在气象、生态、环境、社会经济等领域得了广泛应用,常用于环境污染预测得灰色理论模型主要有:GM(1,1)模型和GM(1,N)模型 GM(1,1)模型该模型是对原始数据列|}作累加生成,弱化随机性后建立的时间连续性微分方程,一般形式为 + χ =μ (1) 式中: ,μ为参数,可由最小二乘法解得 离散响应值为 (2) 此时是累加值,可以还原成预测值模型: (3) 式中 (4) 模型建立后,k为定值该模型相当于指数模型y=aebx,是特定的指数曲线,形状简单,具有单调性,其特点是能反映事物发展的趋势,但不能很好地拟合摆动过程,对变化幅度大、起伏大地数据显得无能为力。
因而,该模型对数据的分布有一定的要求2. GM(1,N)模型该模型是由N个变量组成的一阶线型动态时间连续微分方程,一般形式为 其中,是对原始数列作最后一次累加生成,即记系数向量为,可由最小二乘求得,由此可得离散响应值为最后,对作一次还原生成,即则就是未来预测值在用该模型进行环境污染的预测时,首先需要确定出与要预测的因子相关性较大的影响因子(如社会、经济因子等),在选取主要影响因子时,一般要采用灰色关联分析方法由于该模型采用了影响因子的筛选,使环境预测与社会、经济等因素预测相结合,从而提高了预测的精确度和可信度投影寻踪回归模型投影寻踪回归模型是用来处理和分析高维非正态观测数据的一种探索数据分析新方法其基本思想是:把高维数据投影到低维空间上,通过极小化某个投影指标,寻找出能反映原高维数据结构或特征的投影,以达到研究、分析高维数据的目的K阶投影寻踪自回归(PPAR(k))模型的一般形式为式中: xi为时间序列{x|在t时刻估计值,xi-1,xi-2…,xi-k为k个时序预测因子,其选取最终由数据结构决定,为第m 个投影方向含量,满足||||=1,是的最优分段线性函数,称为岭函数,它是一个数值函数, 表示第m个岭函数对xi的贡献大小的权重系数。
寻找xi的表示方法是逐次找出最优的: 模型的最小准则是选取适当的参数求满足下式的解:该式中“E”为运算符,表示“误差的平方和的均值” K 阶自回归实际上是一个多变量输入、单变量输出的问题为了适合xi与 xi-1,xi-2…,xi-k不呈线性关系的特点.PPAR(k)模型选取一系列岭函数的“和”来逼近目标函数的方法,即用增大 M 的方法来减少模型误差,并且采用遥段线性函数在相应各投影方向上不断对观测数据平滑逼近得到的数值函数能使模型更客观地反映数据本身的内在结构从而增强预测结果的稳定性模糊理论模型模糊理论知识特别是模糊聚类分析、系统模型参数辨识以及模糊模型识别等知识广泛用于环境预测中在大气污染预测中,由于影响大气污染物浓度的因素是多方面的,大气污染物浓度的高低没有明确的界限,具有模糊性,一般的单变量统计方法难以客观反映各指标与污染物浓度间的相关关系而运用模糊识别理论法,可以利用已有的实测资料,能计算得到相应的最优模糊分类中心矩阵、最优模糊划分矩阵和指标综合权重矩阵等有用参数,然后应用最优模糊识别理论进行预测,且可以随着实测资料的增多和变化不断进行参数调整,使其能够贴切地反映实际情况。
在进行环境污染预测时,模糊理论知识一般情况下都和其它预测模型结合使用,这样能取得更好的预测效果因为用模糊聚类分析可以较好地把影响环境质量的各种因素按主次区分开来,预测环境污染只需考虑必要的影响因素(主因素)而将次要因素略去,如果考虑的影响因素过多,不仅使计算量增大,还会得不到好的预测效果;如果考虑的影响因素过少,没有把主要因素考虑进去,则预测的结果是不可信的环境质量计算模型环境质量计量模型是通过对环境系统中大量随机现象的研究,确定环境质量与环境系统中各因素之间的相互作用形式,以数学模型来预测环境质量变化趋势,主要有回归分析模型和 投入产出模型等几种模型回归分析所研究的数学模型主要是线性回归和多项式回归模型对于环境质量和影响环境质量的几个参数它们的k次观察(试验)数据是( ),x=1,2,…,k,那么,它们之间的关系可用下式表示: 式中是n+1个待估计的未知效,即回归系数,可以用最小二乘法求得在求线性回归方程前,线性回归模型只是一种假设,尽管这种假设常常不是没有根据的,但在求出线性回归方程后,还是需要对其进行统计检验,以给出肯定或者否定的结论在模型的准确性经核实后,即可进行预测和控制环境质量计量模型中的投入产出法预测环境污染状况是根据国家和各部门经济发展的规划,结合环境可以忍受的污染水平来预测未来的环境状况的。
统计理论方法用与环境预测的统计理论方法有时间序列法、自回归分析法、多元线型回归法、多元统计分析法、概率统计法、神经网络法、递推预测法等,时间序列法和自回归分析法是最常用的两种统计理论预测方法时间序列法就是把说明某一环境现象各个时期的统计资料,按时间先后进行排列,从而得到这一环境现象依时间变化的动态数列,通过对数列的变化分析,来预计未来,这种方法比较简单易行,但由于它只依据过去资料,对环境变化有关的因素及未来可能的影响考虑较少,因此预测的精度会随着预测时间的增长而下降,在环境污染的中长期很少使用这一预测方法自回归分析法就是把给出的测量数据x1,x2,…,xn看作随机过程x(t)的一个样本函数,通过对现实xi的分析,估计过程x(t)的总体特征,预测x(t)未来取值的概率分布,从而给出t>tn时x(t)的预报值由于环境问题中时间序列的复杂性,一般来说,质量因素或污染因素不可能用一个完全的数学函数给出来,但可以用一个概率分布函数组给出x(t)未来取值状况的统计描述,因此适于这种描述的自回归分析法也可以用于环境预测3大气污染预测中应注意的几个问题1) 在进行大气污染预测时,由于污染源数量多、排放方式不同,且污染物扩散、迁移的影响因素较多,大气污染状况的各种影响因素。












