安徽省PM2.5时空分布特征及关键影响因素识别研究

摘要：

基于2015年安徽省67个空气质量监测子站的PM2.5浓度数据,分析PM2.5的时空分布特征;运用BP神经网络改进DEMATEL模型,探讨影响PM25浓度的关键因素及因子间的关联性.结果表明:①2015年安徽省PM2.5平均浓度为52.03 μg· m-3,总体呈现秋冬高、春夏低的季节性规律;PM2.5浓度日变化总体呈双峰分布,冬季PM25浓度昼夜变化剧烈,全年、春季和秋季变化趋势大致相同,夏季相对平缓;②安徽省PM25浓度整体上由东向西、由中部向南北两侧呈递减趋势,浓度值由高到低依次为:江淮丘陵、长江中下游平原、淮北平原和皖南山区;③指标体系中,人口城镇化率、年平均气温、单位GDP电耗、工业废气治理设施数等4个指标因子属于强驱动因素,对PM2.5浓度降低起着根本性推动作用;④年降水总量、房屋施工面积、O3浓度等3个指标因子属于强特征因素,是降低PM2.5浓度最直接的因素.结论表明,运用BP-DEMATEL模型能有效识别关键影响因素,有助于为PM2.5综合治理提供参考.

关键词：PM2.5、BP神经网络、DEMATEL模型、驱动因素、特征因素

所属期刊栏目：38

分类号：X513(大气污染及其防治)

资助基金：国家自然科学基金项目41271516;安徽师范大学研究生科研创新项目No.2017cxsj059Supported by the National Natural Science Foundation of China41271516;the Anhui Normal University Graduate Student Research and Innovation Project2017cxsj059

在线出版日期：2018-05-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1080-1089