排序方式: 共有52条查询结果,搜索用时 15 毫秒
41.
为提高噪声地图信号交叉口噪声预测精度,该文建立了一种基于速度分布的信号交叉口噪声排放统计模型。首先通过交通仿真采集交通流和噪声数据,再拟合交叉口进出口道的速度分布曲线,然后在线性假设下采用结构方程模型构建噪声排放模型。结果表明,信号交叉口进口道速度分布呈偏态分布,出口道速度分布呈正态分布。模型拟合指标表明模型拟合良好,残差分析表明模型线性假设成立。实测数据验证结果表明该模型相比于平均速度模型预测精度提高,预测平均误差从2.8 dB下降到0.9 dB。速度分布划分越细,模型预测值越高,取划分间隔为5 km/h可将平均误差控制在1 dB以内。 相似文献
42.
43.
街道峡谷内不同车道污染物扩散的数值模拟 总被引:5,自引:2,他引:3
为掌握不同位置车道污染物的扩散规律,提出降低街道峡谷内居民与行人交通源暴露水平的可能途径,采用二维k-ε两方程模型和组分输运方程对典型结构双车道街谷内的流场与不同车道污染物的扩散进行模拟,模拟结果与风洞试验结果相符合. 研究发现:迎风车道的污染物更易于向街道峡谷外部扩散;不同位置车道的污染物均在背风侧堆积,可使两侧人行道暴露水平相差5倍. 街道峡谷底部污染物分布对车道位置较敏感,车道位置向街道峡谷中部靠拢,将使得背风建筑物底部及人行道的污染物浓度明显降低;迎风侧污染物浓度对车道位置不敏感,但当车道位置处于迎风侧次级旋涡内时,将导致迎风建筑物底部及人行道的污染物浓度近乎成倍增长. 将车道位于街道峡谷中部,优先采用道路两侧绿化,是增加行人舒适度和减少行人交通源暴露水平,并改善大楼低层住宅及底部出入口、临街商铺等人群活动区空气质量的可行途径之一. 相似文献
44.
45.
建立了PM2.5扩散模型和应急污染扩散评估方法。模型考虑了风向、风速、温度等影响,根据监测点位置和PM2.5浓度信息反推虚拟污染源位置及浓度信息;采用高斯扩散模型,得到稳定风向、风速、温度下的任意时间、接收点的PM2.5扩散衰减模型;突发情况下,用时间变量替换速度项,得到该地区时态变化的PM2.5变化规律。根据西北某城市PM2.5监测数据,建立了其四季PM2.5扩散衰减模型,并对其空气质量进行分级表征,同时对某监测点突发情况下PM2.5时空变化进行了预测评估。结果表明,该模型合理可行。 相似文献
46.
广州灰霾现象特征分析 总被引:3,自引:3,他引:3
依据灰霾的发布和判定依据,对中山大学大气环境自动监测站的能见度、风速、相对湿度和ρ(PM2.5)等观测数据进行分析,分析其随时间变化的规律和相关性,得出近年来广州灰霾变化规律和多类特征. 结果表明:近年来广州整体灰霾现象有所改善,且主要呈现非夏季和夏季2种典型季节性特征. 非夏季灰霾具有持续时间长、状态稳定和风力突破性强等特点;夏季灰霾具有持续期短、状态变化快,ρ(PM2.5)与能见度的曲线图镜像对称明显等规律;灰霾现象与城市空气质量有密切的关系,且API大于100的时间与较严重灰霾日的分布相似. 相似文献
47.
佛山禅城区机动车尾气排放特征及分布 总被引:1,自引:0,他引:1
通过对禅城区不同道路类型交通流进行调查分析,运用COPERT模式计算出2008年佛山地区机动车排放因子,分析出禅城区机动车尾气排放的主要来源及主要特征,得到了禅城区机动车尾气排放总量及排放分担率.根据佛山市辖区区间出行车辆较多的特点,采用源强估算总量的方法计算区内机动车污染排放.结果表明,禅城区2008年CO、NOx、VOC、PM的排放量分别为72 356.86 t、7 288.38 t、9 991.68 t和366.80 t.不同车型对不同污染物的排放贡献率差别明显,尤以摩托车的CO、VOC排放贡献较高,分别占机动车排放污染物总量的85%和77%.道路局部污染最严重的道路类型为国道,整体污染最为严重的为主干路.区内机动车劣化严重,占机动车总量37%的国0车的CO、NOx、VOC、PM排放分担率分别占机动车排放总量的68%、45%、58%、63%.不同车型、不同排放标准的排放因子存在较大差别,轻型车的CO、VOC较高而重型车的NOx、PM排放因子较高. 相似文献
48.
惠州市城区NO2污染水平的分析与模拟 总被引:1,自引:1,他引:1
分析了2004年惠州市城区各监测站点的NO2数据,结果表明,NO2对城区空气质量影响不大。采用了城市空气质量管理软件模拟了NO2空间分布及日变化情况,且与实测值的比较分析表明,模拟结果在城区内有可比性。但地处城市边缘地带的污染模拟受光化学和区域性污染的影响,有待于进一步研究。所得结论可为惠州市城区优化布点的研究提供一定的参考。 相似文献
49.
基于气象相似准则的城市空气质量预报模型 总被引:1,自引:0,他引:1
为提高城市空气质量预报准确率,文章在传统BP神经网络的基础上提出了基于气象相似准则的样本优化方法,建立了三层样本筛选优化机制,确定了阀值及权重矩阵,从而建立了城市空气质量动态预报模型。将模型应用在广州8个空气质量监测站点的预报上,并与传统的BP神经网络空气质量预报模型进行了对比分析,效果良好。分析结果表明,广州8个空气质量监测站点的SO2、NO2、PM10/2.5的实测值与预报值的平均绝对误差分别为0.016 mg/m3、0.014 mg/m3、0.020 mg/m3,级别预报准确性评分分别为89.6、92.6和84.6,预报准确度综合评分达81.6,并且比传统神经网络模型具有更高的预报精度。 相似文献
50.