文档介绍：上海交通大学
硕士学位论文
空气中可吸入颗粒物浓度的预报研究
姓名:曹兰
申请学位级别:硕士
专业:项目管理
指导教师:习俊通;於岳峰
20091205
上海交通大学工程硕士学位论文摘要
空气中可吸入颗粒物浓度的预报研究

摘要

随着对大气颗粒物研究的深入,人们认识到可吸入颗粒物(粒径在
10µm 以下的颗粒物,即 PM10)是大气颗粒物中对环境和人体健康危害最
大的一类。我国的大气颗粒物污染严重,PM10 已经成为影响我国城市空气
质量的首要污染物。无锡市 PM10 污染状况也不容乐观,PM10 年均值已接近
国家二级标准限值。因此,迫切需要开展无锡市空气中 PM10 浓度预报的
研究,为有效地治理和控制 PM10 污染,制定各项环保政策提供理论依据。
本文以无锡市空气中主要污染物 PM10、SO2 和 NO2 的监测数据以及同
期地面气象要素风向、风速、温度、相对湿度和气压等资料为研究对象
开展空气中 PM10 浓度的预报研究。主要研究结果如下:
1、分析无锡市 PM10 的年、季、月、日变化规律,并按国家空气质量
标准 GB3095-1996 中 PM10 日平均浓度的各级标准值,将 PM10 日平均浓度
划分为 5 个区间进行了统计,了解 PM10 各年度各月份各级污染出现的频
率,掌握无锡市 PM10 的变化规律。
2、利用一元线性回归方法分析了污染源因子和气象因子与空气中
PM10 浓度的相关性,并对影响因子(包括污染源因子和气象因子)进行筛
选,去除相关度过低的影响因子,将与 PM10 污染相关性较大的因子确定
I
上海交通大学工程硕士学位论文摘要
为预报模型的输入因子。
3、利用逐步回归方法建立了空气中 PM10 浓度的冬春季和夏秋季预报
方程,并对所建立的预报模型进行检验。检验结果表明:逐步回归方法
建立的预报模型具备一定的预报能力,但预报性能还有待进一步提高。
4、利用 BP 神经网络建立 PM10 浓度的预报模型,通过不断试算,分
析不同结构参数或以不同算法训练的网络模型的性能,选择合理的网络
结构及训练方法,探寻提高网络泛化能力和预报精度的方法。结果表明:
采用提前停止法进行样本划分的方法和分季节建立 BP 神经预报网络大
大提高了预报性能,其预报结果明显优于逐步回归预报模型。
5、以编写了 BP 神经网络空气中 PM10 日均浓度预报系统
的程序界面,界面简单、便于工作人员操作。

关键词: 可吸入颗粒物,回归,神经网络,预报

II
上海交通大学工程硕士学位论文 ABSTRACT
STUDIES ON THE FORCAST OF PM10
CONCENTRATION IN AIR

ABSTRACT

As the study of particulate matter goes further,people recognize that
PM10,namely the aerodynamic diameter is less than 10 µm,is one kind of the
particulate matters that can do greatest harm to the environment and human
particulate matter pollution in our country is serious,and the PM10 had
e the first air pollutants affecting the air quality,so the situation in Wuxi city
average concentration value of PM10 has been closed to the secondary limited
value of the country is urgent for Wuxi to carry out the study on the
forcarst of PM10 concentration in air so as to provide related enviroment protection
items for managing and controlling pollution problems.
Based on the monitored fi