[发明专利]PM2.5浓度值和影响因素的分析方法在审
申请号: | 201910987529.X | 申请日: | 2019-10-16 |
公开(公告)号: | CN110595972A | 公开(公告)日: | 2019-12-20 |
发明(设计)人: | 韩阳;彭章娥 | 申请(专利权)人: | 上海应用技术大学 |
主分类号: | G01N15/06 | 分类号: | G01N15/06;G06F17/18 |
代理公司: | 31236 上海汉声知识产权代理有限公司 | 代理人: | 胡晶 |
地址: | 200235 上海*** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 影响因素 定性 回归分析技术 变化规律 城市大气 技术支持 监测数据 人体健康 人为因素 污染特征 影响研究 自然因素 贡献度 颗粒物 能见度 雾霾 污染物 污染源 分析 采集 削弱 参考 气候 污染 研究 | ||
本发明提供了一种PM2.5浓度值和影响因素的分析方法,通过采集某城市大气污染物PM2.5的监测数据,通过对这些数据的研究,得出PM2.5质量浓度污染特征、变化规律、PM2.5的自然因素和人为因素;然后针对PM2.5的各种影响因素,找到PM2.5与各种影响因素之间相关关系和一般规律。通过对PM2.5的影响因素进行分析,可以定性地识别颗粒物的来源和形成过程;同时采用回归分析技术,定性地确定各类污染源的贡献度;从而去控制和削弱PM2.5污染,防控大规模雾霾爆发提供科学依据和技术支持,对进一步开展PM2.5对人体健康、能见度、气候的影响研究提供参考。
技术领域
本发明涉及一种PM2.5浓度值和影响因素的分析方法。
背景技术
随着雾霾问题不断给人们带来困扰,大气污染物PM2.5引起了公众的广泛关注。PM2.5主要由水溶性离子、颗粒有机物和微量元素等组成。近年来,大量研究发现PM2.5因其粒径较小、相对PM10比表面积较大,因此更容易富集空气中的有机污染物、酸性氧化物、有毒重金属、细菌和病毒。其主要来源有自然源和人为源,可分一次颗粒物(即由排放源直接排放到大气中的颗粒物)和二次颗粒物(即通过与大气组成成分发生化学反应后生成的颗粒物)。我国近年来雾霾现象的出现主要来源于二次颗粒物,形成PM2.5的前体物包括:二氧化硫(SO2)、氮氧化物(NO)、挥发性有机化合物(VOCS)、氨气(NH3)等。
要改善这一环境现状就要求人类在追求经济发展的同时加强环境保护,目前还没有一种简单有效的方法可以得出PM2.5浓度值的变动情况和影响因素,从而从源头上降低PM2.5浓度,因此,探究PM2.5浓度值的变动情况和影响因素对保护环境是十分有必要的。
发明内容
本发明的目的在于提供一种PM2.5浓度值和影响因素的分析方法。
为解决上述问题,本发明提供一种PM2.5浓度值和影响因素的分析方法,包括:
采集城市大气污染物PM2.5浓度值的监测数据;
基于监测数据,得出PM2.5浓度值的污染特征、变化规律;
基于监测数据,得出影响PM2.5浓度值的自然因素和人为因素;
分析PM2.5浓度值分别与自然因素和人为因素之间的相关关系和规律。
进一步的,在上述方法中,采集城市大气污染物PM2.5浓度值的监测数据,包括:
收集近5年的城市的大气颗粒物PM2.5浓度的监测数据。
进一步的,在上述方法中,采集城市大气污染物PM2.5浓度值的监测数据,还包括:
采集该所述城市PM2.5浓度总体的分布情况、季节变化、月变化和日变化的规律。
进一步的,在上述方法中,基于监测数据,得出PM2.5浓度值的污染特征、变化规律,包括:
基于采集到的近5年的城市的大气颗粒物PM2.5浓度的监测数据和采集到的该所述城市PM2.5浓度总体的分布情况、季节变化、月变化和日变化的规律,得出PM2.5浓度值的污染特征、变化规律。
进一步的,在上述方法中,基于监测数据,得出影响PM2.5浓度值的自然因素和人为因素,包括:
基于监测数据和文献与资料,得出影响PM2.5浓度值的自然因素和人为因素。
进一步的,在上述方法中,分析PM2.5浓度值分别与自然因素和人为因素之间的相关关系和规律,包括:
用SPSS相关性分析软件分析气自然因素和人为因素的变动关系,并计算每种自然因素和人为因素对PM2.5浓度值的影响权重,得出自然因素和人为因素对原始序列的贡献程度。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海应用技术大学,未经上海应用技术大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910987529.X/2.html,转载请声明来源钻瓜专利网。
- 上一篇:一种超低粉尘仪
- 下一篇:基于图像的矿井粉尘监测方法