基于数据挖掘算法和数值模拟技术的大气污染减排效果评估

论文摘要

近年来,京津冀地区采取了大量污染减排措施进行大气污染治理,如何客观评估减排效果是目前大气环境领域的研究难点.为准确评估大气污染过程的减排效果,本文利用北京地区常规气象资料、国控站PM2.5浓度资料,遴选了北京地区2018年3月11—14日和2013年3月14—17日两次空气污染过程,计算了大气容量系数、静稳指数,并利用KNN数据挖掘算法和WRF-Chem模式,对比分析了有无减排条件下的PM2.5日均浓度.结果表明:两次空气污染过程的天气形势和局地气象条件较相似,就大气热力和动力的垂直结构来看,2018年空气污染过程比2013年空气污染过程的大气稳定性更强、边界层高度更低、环境容量更小,但PM2.5峰值浓度却显著下降,平均浓度明显降低,PM2.5小时浓度的增长趋势相对平缓,重污染持续时间缩短.KNN数据挖掘算法减排评估结果显示,该方法能够较好地预测PM2.5日均浓度的变化趋势,2018年3月11—14日,在减排和不减排情景下PM2.5日均值分别为171和229μg·m-3,减排使得污染过程PM2.5平均浓度下降了25.3%.数值模拟结果与KNN数据分析结论吻合,进一步验证了减排措施的有效性.综合看来,2018年空气污染过程中PM2.5浓度相比历史相似气象条件下的污染过程显著降低,这是长期大力度减排效果的体现.

论文目录

• 1 引言 （Introduction）
• 2 数据与方法 （Data and methods）
•   2.1 气象和气溶胶数据
•   2.2 静稳指数、大气容量指数
•   2.3 KNN数据挖掘算法
•   2.4 空气质量模拟
•   2.5 交叉检验
• 3 结果 （Results）
•   3.1 大气污染气象条件分析
•     3.1.1 大气环流条件分析
•     3.1.2 大气温度垂直结构
•     3.1.3 地面气象条件
•   3.2 表征大气污染扩散条件的综合指数
•   3.3 两次空气污染过程的PM2.5浓度对比
•   3.4 KNN算法交叉检验
•   3.5 减排效果评估
•     3.5.1 基于KNN算法的减排效果评估
•     3.5.2 基于数值模式的减排效果评估
• 4 结论 （Conclusions）

文章来源

类型: 期刊论文

作者: 熊亚军,徐敬,孙兆彬,李梓铭,吴进,尹晓梅,乔林,赵秀娟

关键词: 北京,相似环流,数据挖掘算法,数值模拟,减排评估

来源: 环境科学学报 2019年01期

年度: 2019

分类: 工程科技Ⅰ辑

专业: 环境科学与资源利用

单位: 京津冀环境气象预报预警中心,中国气象局北京城市气象研究所

基金: 国家重点研发计划(No.2016YFC0202100),北京自然科学基金(No.8161004),国家自然科学基金(No.41575010),国家科技支撑计划(No.2014BAC16B04)

分类号: X51

DOI: 10.13671/j.hjkxxb.2018.0271

页码: 116-125

总页数: 10

文件大小: 4579K

下载量: 403