摘 要: | 利用人工神经网络(ANN)技术,基于气象条件、污染物排放变化和污染物浓度资料构建污染物浓度统计模型,在此基础上分析气象条件和污染物排放源排放变化对污染物浓度逐日变化和年际变化的影响。研究结果发现基于ANN建立的大气污染统计预报模型模拟NO_2浓度准确性较高,其次为SO2,PM10浓度准确性较低。ANN的输入参数更适合NO_2的模拟,SO2和PM10浓度的影响因子较为复杂。气象条件变化是NO_2浓度逐日变化的主要影响因子,污染物排放量变化是NO_2浓度年际变化的主要影响因子。因子分离法计算得到的气象条件、污染物排放及两者相互作用对NO_2浓度逐日变化的贡献率分别是57.9%、24.5%和17.6%,对NO_2浓度年际变化的贡献率分别是13.7%、73.3%和13%。
|