共查询到10条相似文献,搜索用时 15 毫秒
1.
2013年在宝钢股份4个环境受体点采集不同季节的PM2.5样品,同时采集颗粒物源类样品,分析其质量浓度及多种无机元素和水溶性离子等组分的含量,据此构建了受体和源化学成分谱,使用化学质量平衡模型对宝钢股份的PM2.5来源进行了解析。结果表明,2013年宝钢股份大气中PM10和PM2.5的年均浓度分别为106和81μg/m3,环境空气中PM2.5的质量浓度随时间变化,特征为春冬季明显高于夏秋季;PM2.5主要由飞灰、烟尘、矿物质等组成;电厂煤烟尘、机动车尾气尘、冶炼锻造尘和烧结尘是宝钢股份环境空气中PM2.5的主要来源,其分担率分别为28.57%、23.81%、19.05%、14.29%。 相似文献
2.
3.
摘要:铁矿烧结工序是钢铁工业最大的PM10/2.5/1.0排放源。提出基于化学团聚铁矿烧结过程PM10/2.5/1.0脱除技术,研究了不同团聚剂种类及用量对其团聚效果的影响。结果表明,CMC(羧甲基纤维素钠)质量分数为0.05%,喷洒时间12min(720~1440s区间)时,PM10、PM2.5、PM1.0颗粒数脱除效率分别为39.87%、29.88%、22.85%。微细颗粒物团聚后,质量浓度峰值向PM10粒级偏移,PM1.0颗粒数大幅度降低。微细颗粒物团聚主要表现小颗粒被粘附在大颗粒表面以及多个小颗粒团聚在一起形成团聚体。 相似文献
4.
5.
[目的]研究西安市秋季大气细粒子(PM2.5)中化学元素的浓度特征及来源.[方法]于2009年10月利用微流量采样器采集西安大气中PM2.5样品,分析其元素浓度特征及来源.[结果]西安市秋季大气中PM2.5质量浓度的平均值为168.44μg/m3,最小值为53.29μg/m3,最大值达358.16μg/m3,高于北京、珠江三角洲;PM2.5中S、Zn、K、Cl、Ca、Fe的质量浓度均超过1.0 μg/m3,处于较高污染水平;PM2.5中K与有机碳(OC)、元素碳(EC)的相关性较高,相关系数分别为0.76和0.75(P<0.000 1),说明OC、EC与K具有相同的来源,生物质燃烧对OC、EC有一定的贡献;元素的富集因子分析表明,K、Ca、Fe、Ti、Mn和Cr主要来源于地壳或岩石风化等自然源,而S、Zn、Cl、Pb、Br、Mo、Cd和As主要受人为污染源的影响,而受土壤扬尘等自然源的影响较小,其中Cd的富集因子最大,主要来源于金属冶炼等人为污染;燃煤、生物质燃烧、机动车尾气排放、冶金化工、扬尘等是该区秋季PM2.5的主要来源.[结论]该研究为城市环境污染治理提供了理论依据. 相似文献
6.
7.
建立可靠的空气质量预测模型对经济发展和污染治理至关重要,解决PM2.5浓度的预测问题成为当务之急。本文提出了一种基于自注意力机制的混合预测方法,旨在提高PM2.5浓度的预测精度。使用自注意力机制来捕捉序列中的关键信息;用GRU对序列进行预测;使用DBN对误差序列进行校正,以提高预测的准确性和稳定性,形成了最终的预测序列。为了验证模型的性能,以我国四个地铁车站的室外PM2.5数据为例进行数据处理和预测。结果表明,预测模型在准确性和稳定性方面优于其他参照模型,为决策者提供了科学依据,以更好地治理大气污染问题。 相似文献
8.
对北京市周边8个点多个压力高度的温度、湿度和风速数据, 以及北京市PM2.5污染数据进行了分析和归一化处理, 建立了反向传播神经网络(back propagation, BP)、卷积神经网络(convolutional neural network, CNN) 和长短期记忆模型(long short-term memory, LSTM) 对上述气象数据和污染数据进行训练, 训练结果表明: 反向传播神经网络模型和卷积神经网络模型对未来1 h的PM2.5污染等级的预测准确率较低, 而长短期记忆模型的准确率较高.使用长短期记忆模型预测未来1 h的PM2.5污染值与实际值十分接近, 表明北京市的PM2.5污染与其周边地区的气象条件关系密切.通过利用长短期记忆模型对不同压力高度的气象数据进行训练和对比, 得出在利用气象数据预测污染时, 仅使用近地面气象数据比使用多个高度上的气象数据更加准确. 相似文献