基于数据挖掘算法和数值模拟技术的大气污染减排效果评估
近年来,京津冀地区采取了大量污染减排措施进行大气污染治理,如何客观评估减排效果是目前大气环境领域的研究难点.为准确评估大气污染过程的减排效果,本文利用北京地区常规气象资料、国控站PM2.5浓度资料,遴选了北京地区2018年3月11-14日和2013年3月14-17日两次空气污染过程,计算了大气容量系数、静稳指数,并利用KNN数据挖掘算法和WRF-Chem模式,对比分析了有无减排条件下的PM2.5日均浓度.结果表明:两次空气污染过程的天气形势和局地气象条件较相似,就大气热力和动力的垂直结构来看,2018年空气污染过程比2013年空气污染过程的大气稳定性更强、边界层高度更低、环境容量更小,但PM2.5峰值浓度却显著下降,平均浓度明显降低,PM2.5小时浓度的增长趋势相对平缓,重污染持续时间缩短.KNN数据挖掘算法减排评估结果显示,该方法能够较好地预测PM2.5日均浓度的变化趋势,2018年3月11-14日,在减排和不减排情景下PM2.5日均值分别为171和229 μg· m-3,减排使得污染过程PM2.5平均浓度下降了25.3％.数值模拟结果与KNN数据分析结论吻合,进一步验证了减排措施的有效性.综合看来,2018年空气污染过程中PM2.5浓度相比历史相似气象条件下的污染过程显著降低,这是长期大力度减排效果的体现.
北京、相似环流、KNN数据挖掘算法、数值模拟、减排评估
39
X51(大气污染及其防治)
国家重点研发计划2016YFC0202100;北京自然科学基金8161004;国家自然科学基金41575010;国家科技支撑计划2014BAC16B04
2019-01-25（万方平台首次上网日期，不代表论文的发表时间）
共10页
116-125
