一、呼和浩特市空气污染浓度预报模型（论文文献综述）
乔江河[1]（2021）在《呼包鄂地区大气颗粒物时空变化影响因素研究》文中指出近年来,雾霾天气的发生受到越来越多的人关注,大气颗粒物作为首要污染物,对人类的身体健康造成严重危害。研究大气颗粒物的时空变化规律及其影响因素,对大气污染治理及预测预报具有一定参考意义。基于2005-2019年MOD04＿3km AOD日产品数据和地面空气质量监测站点数据,经过垂直订正和湿度订正,建立AOD与PM2.5浓度、AOD与PM10浓度的回归估算模型并进行了精度验证,估算出呼包鄂地区近15年PM2.5和PM10浓度。在此基础上分析呼包鄂地区近15年内PM2.5和PM10浓度的时空分布特征。同时,通过气象数据、统计年鉴数据和DEM高程数据,分析了降水量、温度、相对湿度、风速、二氧化硫排放量、人口数量、工业企业数量和地形因素对PM2.5和PM10浓度的影响。本文的主要结论如下:（1）基于年尺度回归估算模型,PM2.5和PM10浓度与AOD均为乘幂模型的拟合度最高,R2分别为0.602和0.459。基于季节尺度回归估算模型,PM2.5浓度与AOD为三次模型的拟合度最高,R2为0.487。夏季和秋季,均是乘幂模型的拟合效果最佳,R2分别是0.514、0.685。冬季二次模型的拟合效果最佳,R2为0.778。PM10浓度与AOD的回归估算模型中,春季、秋季均为二次模型和三次模型的拟合度最高,R2分别为0.391、0.545。夏季,三次模型的拟合效果最佳,R2是0.411。冬季为指数模型的拟合度最高,R2为0.696。精度验证上预测值和实测值具有较高的相关性,平均相对误差也较小,表明所建立的回归估算模型具有一定的可行性。（2）呼包鄂地区PM2.5和PM10浓度在空间上整体呈现出中东部污染最为严重,北部区域污染物的浓度较低,西部区域的库布齐沙漠以及南部区域的毛乌素沙地污染物浓度均较低。按行政区域来看,包头市质量浓度最高(42.94μg·m-3、107.71μg·m-3),鄂尔多斯市的最低(27.96μg·m-3、82.12μg·m-3),呼和浩特市居于中间(33.54μg·m-3、93.56μg·m-3)。具体为呼和浩特市的PM2.5和PM10质量浓度在空间分布上均呈现出西部浓度值高、东部浓度值低的分布特征,包头市表现为南部浓度值高、北部浓度值低的分布特征,鄂尔多斯市呈现出北部浓度高、南部浓度低的分布特征。按旗县分布来看,呼和浩特市区、土默特左旗、包头市区、土默特右旗、和林格尔县、清水河县、准格尔旗、东胜市区和伊金霍洛旗各季节的PM2.5和PM10浓度相对其他旗县含量较高。从年际变化来看,2005-2019年呼包鄂地区PM2.5和PM10年均浓度总体上呈逐年下降的趋势。在季节变化特征上,冬季的PM2.5浓度最高(49.56μg·m-3),其次是春季(39.02μg·m-3),而后是秋季(30.91μg·m-3),夏季的浓度最低(24.64μg·m-3)。而PM10浓度含量最高是在春季(104.78μg·m-3),冬季其次(95.65μg·m-3),而后是秋季(75.76μg·m-3),夏季的PM10浓度仍是全年中最低(59.41μg·m-3)。（3）对PM2.5浓度影响最大的因素为温度,随后是降水量、人口数量、工业企业数量、SO2排放量、风速和DEM,影响程度最小的因素为相对湿度。而对PM10浓度影响最大的因素为相对湿度,随后是人口数量、工业企业数量、降水量、风速、SO2排放量和温度,DEM的影响程度最小。呼包鄂地区PM2.5和PM10浓度随着降水量和湿度的增加以及温度的升高而减少。空气中的小水滴会吸附一部分悬浮的颗粒物,同时高温利于污染物的垂直扩散,从而会降低颗粒物浓度值。PM2.5和PM10浓度随着风速的增大而增加,较大的风速会卷起地表沙尘,严重污染空气。PM2.5和PM10浓度随高程的增加呈现出减少的趋势,高程越高,人类活动越少,同时空气越稀薄,大气活动也越剧烈,不利于PM2.5和PM10颗粒的凝聚。PM2.5和PM10浓度随SO2排放量、人口数量以及工业企业数量的增多而增加。工业生产、人类活动会直接或间接产生大量污染物,降低空气质量。
程英楠[2]（2021）在《WRF-Chem模式不同参数化方案对呼和浩特大气污染的数值模拟研究》文中研究指明WRF-Chem模式作为研究大气污染数值模拟的手段之一,在研究大气污染物的形成、输送和消散方面得到了广泛的应用。WRF-Chem模式的参数化方案关系到模拟的准确性,不同地区、不同尺度的研究选择相对应的参数化方案至关重要。本研究采用WRF-Chem模式,以YSU、ACM2、MYJ和BL四组不同的边界层方案和RADM2、CBMZ气象化学机制以及MADE/SORGAM、MOSAIC气溶胶方案组合的化学方案对2015年呼和浩特市冬季一次典型的大气污染事件进行模拟比对实验,并以观测站的实际数据进行对比。研究大气污染发生的气象条件,获取不同参数化方案对气象要素以及PM2.5（细颗粒物）、PM10（可吸入颗粒物）、SO2（二氧化硫）、NO2（二氧化氮）的模拟效果,从而筛选最合适的参数化方案。结果显示:（1）2015年～2017年呼和浩特市PM2.5、PM10、SO2、NO2年平均浓度整体呈现下降趋势,整体上空气质量变好。污染物浓度的时间分布具备明显季节特征,具体为:冬季>春季>秋季>夏季。PM2.5、PM10的质量浓度呈现出“双峰型”的日变化特征,SO2、NO2的质量浓度呈现出“单峰型”的特征。（2）气象场在污染物的形成、输送和消散过程产生重要影响。污染过程前期常伴随着地面弱高压、风力较小、空气湿度较大的情况,导致污染物快速积累。污染最为严重的阶段,风速处于较低水平,约为0.5 m?s-1～1.5 m?s-1;温度较高,约为-18℃～-10℃;相对湿度较高,约为74%～82%。污染过程末期风速增大、气温下降、有利于污染物的扩散。（3）在物理方案的敏感性实验中,主要研究边界层参数化方案的影响。YSU、MYJ、ACM2、BL四种参数化方案对气温、气压、相对湿度、风速这些典型气象要素模拟结果各有侧重。ACM2模拟温度的相关系数为0.85,YSU方案模拟相对湿度的相关系数为0.82、模拟风速的相关系数为0.53,四个方案对气压的模拟效果相同,相关系数均为0.99。综合来看YSU方案的模拟效果最贴近实际。（4）在化学方案的敏感性实验中,主要研究气象化学机制与气溶胶方案的影响。CBMZ气象化学机制与MOSAIC气溶胶方案的组合对PM2.5、PM10、SO2的相关性更好,相关系数分别为0.63、0.55、0.35。RADM2气象化学机制与MADE/SORGAM气溶胶方案的组合对NO2的模拟相关系数为0.55,总体上前者模拟效果更佳。（5）呼和浩特市的污染不仅受到本地的采暖、工业、交通等人为影响,还受到西北方向外来污染物的影响。后向轨迹显示来自蒙古高原的污染气团在西北风的作用下经过远距离大气输送,到达内蒙古中部地区。基于YSU方案的物理方案和CBMZ气象化学机制与MOSAIC气溶胶方案的化学方案的WRF-chem模式在本次污染事件中更适合呼和浩特大气污染的数值模拟,可为呼和浩特市大气污染数值模拟提供参考。
李蓓[3]（2020）在《呼和浩特市雾霾天气气象条件分析与初步治理研究》文中研究表明近年来,随着经济迅速发展及呼包鄂城市群加速建设,呼和浩特市大气污染情况不断加剧,复合型污染特征明显,主要大气污染物年均浓度均存在不同程度的超标现象,2020年1月呼和浩特市在全国168个重点城市空气质量排名中位列倒数第三,出现了多次持续时间长、污染重的雾霾天气。因此,研究呼市地区雾霾的分布特点及其产生的特定气象条件,分析雾霾产生的原因并提出合理防治对策,对于改善呼市地区环境空气质量具有重要意义。本文利用常规气象资料和大气污染监测数据,对呼和浩特市2013-2017年环境空气质量变化特征进行分析,统计近年来雾和霾的时间变化规律,得出结论为呼和浩特市环境空气质量优良天数基本呈上升趋势,季节变化为冬季污染最为严重,春秋季次之,夏季最轻;受机动车保有量增加影响,主要污染物除NO2和O3呈上升趋势,其余污染物年平均浓度均有所下降。利用美国国家环境预报中心（NCEP）再分析资料、气象信息综合处理系统（MICAPS）资料和高空探测资料,对呼和浩特市2010-2014年间7个典型的雾和14个中度污染以上霾过程进行天气学分析,通过分型分类、建立天气学概念模型,对雾和霾出现的天气形势特征进行归纳总结,认为雾的主要环流形式有四种形态且大气层动力和热力条件比较稳定,但不一定伴有逆温;霾出现时中层湿度往往较大,大气静稳条件明显且往往存在逆温。分析呼和浩特市大气动力结构特征和热力结构特征,对1981年-2017年全市7个地面站点的平均风速和主要风向频率进行分析统计。得出全年平均风速为1.5-3m/s且武川地区风速明显偏高,盛行风向全市地区差异较大,市区北部盛行偏北风、市区南部盛行偏东风,且市区及和林格尔、托克托县沿山一带具有风向辐合区,对污染物扩散不利。分析边界层物理量与AQI的相关性,得出逆温层厚度与AQI呈95%以上信度为0.01的正相关,说明逆温层的厚度与强度对典型霾的产生有重要作用,厚度厚、强度强则污染程度越严重。综合以上分析,从气象扩散条件及工业污染、汽车尾气排放、秸秆焚烧等多方面分析雾霾天气产生原因并提出治理措施,对雾霾的防治工作具有一定指导意义。
樊红霞[4]（2020）在《呼和浩特市2014-2017年流感流行特征分析及预测模型的研究》文中研究表明目的分析呼和浩特市2014-2017年流感样病例（influenza-like illness,ILI）病原学监测结果及流行病学特征,了解呼和浩特市2015-2017年H3N2流感病毒HA、NA分子进化特征,探讨流感样病例与气象因素、空气质量因素的相关关系,用时间序列分析法构建流感样病例的预测模型,为流感防控工作和预警预测提供科学依据。方法收集2014年-2017年呼和浩特市流感样病例监测资料,对ILI监测资料进行流行病学的描述性统计分析,率的比较采用卡方（?2）检验;选取2015-2017年各一株H3N2代表株进行HA、NA基因测序,利用DNAStar软件中的Seqman对测序产物进行拼接整理,获取HA、NA基因全长序列,参比株和疫苗株的HA和NA序列从美国国立生物信息中心的基因序列数据库（Gen Bank）和全球共享禽流感数据库（GISAID）下载,使用MEGA 7.0软件中的Muscle方法进行序列比对,以Neighor-Joining（NJ）法构建HA和NA基因系统进化树,并使用Bootstrap法进行检验,重复次数为1000次;收集2014-2017年气象资料和空气质量因素资料,分析气象因素和空气质量因素与流感样病例的相关性,建立该地区流感样病例季节性自回归移动平均模型,分析比较外部因素引入前后模型的拟合优度和预测精度。结果1.2014-2017年呼和浩特市流感样病例ILI总数为78093例,四年间平均ILI报告百分比（ILI%）为2.13%,四年间报告ILI（%）逐年递减,差异有统计学意义（?2=715.17,P=0.000）,2014年最高为2.46%,2017年最低为1.94%。2.2014-2017年呼和浩特市流感样病例总体呈现冬春季高发,夏秋季平稳的状态。以0～4岁组儿童最多,为53727例,占总流感样病例的68.8%,15～24岁组报告最少为1525例,占总流感样病例的1.95%。3.2014-2017年呼和浩特市共分离流感样病例4178例,分离阳性数451例,平均分离阳性率为10.79%。四年间均为甲、乙型流感病毒混合流行,但每年流行的优势株类型不同:2014年甲型H3亚型和乙型Yamagata系为混合优势株,2015年为甲型H3亚型,2016年为乙型Victoria系,2017年为新甲H1亚型。4.各年龄组病毒分离阳性率差异有统计学意义（?2=57.19,P=0.000）,分离阳性率最高的是15～24岁组,为18.25%,分离阳性率最低的是60岁以上组,为6.59%;不同性别病毒分离率比较:男性病毒分离阳性率为10.65%,女性为10.98%,差异无统计学意义（?2=0.07,P=0.79）。5.呼和浩特市2015-2017年H3N2流感毒株HA、NA基因系统进化树显示,不同监测年度的分离株分布在不同分支且所有分离毒株与相应年度的推荐疫苗株均不在同一分支上,提示本研究中的流感毒株HA和NA基因均发生了一定的变异,相应年度的流感疫苗对于H3N2型流感病毒保护性较差。6.对ILI与气象因素和空气质量因素的偏相关分析结果显示,仅气温和湿度与ILI相关,用不同阶数的单变量SARIMA（p,d,q）（P,D,Q）s对数据进行拟合,其中单变量SARIMA（1,0,1）（0,1,1）52模型平稳的R2值最大为0.733,RMSE最小为63.031。气温周均数滞后1周可进入模型,引入滞后1周的气温周均数后模型的平稳R2为0.745,RMSE为61.967,表明引入气象参数后模型的拟合优度和预测精度均提高。结论1.2014-2017年呼和浩特市流感样病例总体呈现冬春季高发,夏秋季平稳的状态,流感样病例以0～4岁组幼托儿童最多,应加强该人群的监测和预防。2.呼和浩特市2014-2017年均为甲、乙型流感病毒混合流行,每年流行的优势株类型不同,呈现此消彼长、交替出现的特点。3.本研究中流感病毒HA、NA进化树表明相应年度流感疫苗对于呼和浩特市H3N2型流感病毒保护效应较低。4.流感样病例与空气质量因素偏相关分析无统计学意义,气温周均数和湿度周均数与流感样病例的流行有关,包含气温周均数的SARIMA模型可作为短期预测流感流行的技术方法。
萨日娜[5]（2020）在《内蒙古地区过敏性鼻炎流行病学调查研究》文中指出背景随着我国过敏性鼻炎（AR）患病率的逐年增加,相关的流行病学研究在不断深入,但内蒙古地区作为地理环境特殊、发病人数较多的大省,目前具有整体代表性的流调研究甚少。目的调查内蒙古东、中、西部3个中心城市（赤峰、呼和浩特、鄂尔多斯）的普通人群中AR的患病情况,寻找可能的患病相关危险因素,为今后的预防、治疗、降低本地区AR的发病率以及疾病防控政策的制定提供基础资料。方法采用多阶段分层随机抽样的流行病学调查方法（城市按:市-区-街道-居委会-户-调查对象,农村按照:市-乡镇-村-户-调查对象）,进行随机逐级抽样,共抽取调查对象6818人,均为常住居民,无精神障碍性疾病,年龄6-65岁,调查问卷由北京同仁医院提供,参照国际儿童哮喘和过敏性疾病的研究（1SAAC）和欧洲社区呼吸道疾病情况调查（ECRHS）调查问卷设计。本调查分三个阶段:问卷调查阶段、根据问卷结果筛选可疑AR患者、对疑似患者行专科检查及变应原皮肤点刺试验以明确诊断。诊断依据变应性鼻炎诊断和治疗指南（2015年,天津）,对全部调查结果整体进行统计学处理。结果收回问卷6818份,有效问卷6393份。问卷自报AR患病率为27.72%（1772例）,经临床确诊的AR患病率为17.10%（1093例）。女性AR患病率（19.19%）高于男性（15.34%）（c2=16.594,P<0.001）,其中36～45、46～55年龄段女性患病率显着高于男性。AR患病率随着年龄的增加而下降(c2趋势=282.366,P<0.001),汉族AR患病率（16.20%）低于少数民族（23.13%）（c2=24.516,P<0.001）,城市居民AR患病率（27.27%）高于农村（9.71%）,差别有统计学意义（c2=336.024,P<0.001）;AR患者出现临床症状的高峰期集中在七月至九月。AR患者皮肤点刺试验阳性反应比例最高的为黄花蒿（80.15%）,其次为灰藜、葎草、豚草、桦树、柳树、家榆、杨树、粉尘螨、户尘螨、猫毛、圆柏、狗毛、链格孢、枝状枝孢。AR常见伴随过敏性疾病有过敏性结膜炎（73.99%）、哮喘（21.36%）及特应性皮炎（20.53%）。Logistic回归分析表明,哮喘病史（OR=6.629）、食物过敏（OR=3.236）、药物过敏（OR=1.786）、抗生素应用（OR=1.553）、装修家（OR=2.307）、有吸烟史（OR=1.322）是过敏性鼻炎发病的相关危险因素。结论内蒙古地区过敏性鼻炎患病率为17.10%,黄花蒿、灰藜、葎草和桦树是我区最主要的花粉过敏原。通过本研究初步了解了我区过敏性鼻炎流行的现状,可以为今后我区过敏性鼻炎的预防和治疗提供流行病学依据。
蓉倩[6]（2020）在《整合利用高新技术治理呼和浩特地区大气污染的动力机制及其创新模式研究》文中研究说明近年来,呼和浩特市在利用科技手段治污方面采取了一系列措施,也取得了一定的成效,但由于产业、能源、运输、用地结构不合理,给呼和浩特市大气环境治理带来了一定难度。随着物联网、云计算、大数据、移动互联网等新兴信息技术的不断发展和深入应用,特别是大数据时代的到来,环境监管和信息化面临着重大的发展机遇和挑战。在分析我国大气污染防治进程和生态科技应用与发展的基础上,回顾了呼和浩特市空气质量管理中科技创新应用的现状与不足,从科技创新应用的动力机制和创新模式上进行研究,提出环保大数据技术解决思路,构建呼和浩特市大气环境大数据综合管理平台,助力打赢蓝天保卫战。
宋桂英,江靖,侯婷,任远哲[7]（2019）在《雾、霾、沙尘暴过程中污染物特征对比分析》文中提出本文通过分析内蒙古中西部地区三类低能见度天气过程中空气污染物特征得到以下结论:（1）在三类天气过程中,大雾天气空气污染较轻,霾及沙尘暴天气空气污染严重,三类天气污染物监测值差异最大的为PM10。（2）大雾天气中呼和浩特市PM2.5小时浓度在几十～100μg/m～3左右,PM10小时浓度在几十～200μg/m3左右,O3、NO2、SO2、CO小时浓度水平较低。（3）霾天气过程中呼和浩特市PM2.5、PM10小时浓度在几十～600μg/m3左右。大气重污染是PM2.5、PM10共同作用形成。O3小时浓度比大雾天气浓度低。NO2、SO2和CO三者浓度累积对大气污染加重效果明显。（4）沙尘暴天气过程中呼和浩特市PM10小时浓度在100～5000μg/m3,PM10小时浓度对沙尘暴位置、强度有滞后效应,没有明显日变化,沙尘暴越强,PM10小时浓度越大。PM2.5小时浓度在几十～500μg/m3,没有明显日变化。在沙尘暴最强期,除PM10为污染主要贡献者外,PM2.5形成的污染也相当严重。O3对大气的污染比较可观。NO2、SO2、CO小时浓度低于大雾、霾天气,且没有明显日变化。
张晗[8]（2019）在《基于LSTM神经网络空气污染监测预报系统的研究与实现》文中进行了进一步梳理随着我国科学技术的飞速发展和经济水平的不断提高,我国能源的开采与使用量不断加大。由于没有精细化的能源使用与排污手段,导致空气污染状况愈加严重。为了提前了解未来空气污染情况,尽早制定相关应对措施将污染提前遏制,建立一套空气污染监测预报系统十分必要。本文针对空气污染和气象监测数据的时间序列特点,考虑到序列数据在时间上的前后关联性和LSTM神经网络对于处理时间序列问题的适用性,研究一种基于LSTM神经网络的空气污染预测模型。该模型可以记忆长期的历史计算结果并结合当前信息分析序列数据的前后逻辑关系,实现高效的空气污染预测。然后基于该空气污染预测模型建立一套空气污染监测预报系统,实现六种主要大气污染物的空气污染浓度预测、未来空气质量评价和空气污染预警功能,为人们的健康出行和环保部门科学合理的控制空气污染提供有效依据。本文工作主要有以下三个方面,第一,了解空气污染预测方法的发展历程,研究在当前机器学习时代背景下较为流行的人工神经网络的预测方法;接着对LSTM神经网络进行研究,分析该神经网络特点和对于处理解决时间序列问题的适用性。第二,设计并搭建基于LSTM神经网络的空气污染预测模型,依据模型的训练数据格式对采集得到的历史污染数据和气象监测数据进行预处理和模型输入适应性处理,将训练数据输入模型进行网络训练,得到成熟的六种主要空气污染物的污染预测模型。第三,开发基于LSTM神经网络的空气污染监测预报系统,将成熟的空气污染预测模型应用其中。系统从全国空气质量历史数据网站和气象网站采集所得空气污染监测数据与气象数据,通过系统的逻辑计算和LSTM神经网络预测模型的预测分析,实现未来一段时间的空气污染浓度预测、未来空气质量评价和污染超标预警功能。本文最后对基于LSTM神经网络的空气污染监测预报系统的功能、性能和模型预测偏差性进行实验验证。结果表明,该系统能够实现系统的功能需求并满足用户的性能要求,具有良好的可用性和可靠性;LSTM空气污染预测模型的污染浓度预测结果相对真实污染浓度数据存在的偏差较小、预测精度较高,因此系统整体具有一定的应用价值。
王子瑞[9]（2019）在《沈阳市空气质量指数（AQI）时间变化特征分析及预测模型比较研究》文中提出本文应用沈阳市2015年2017年空气质量监测资料与同期地面气象资料,分析了AQI时间变化特征,对不同季节AQI和影响因子进行了相关分析以更进一步了解时间变化特征的形成原因,并在此基础上分季节建立了三种预测模型,对沈阳市四季AQI进行预测。本研究有以下结论:（1）2015年2017年间,沈阳市AQI日值大多在30300范围内波动;逐月变化曲线近似呈V型。18月AQI月平均值呈下降趋势,812月AQI月平均值呈上升趋势。冬季春季污染较严重,夏季秋季污染较轻。2015年、2016年、2017年AQI年平均值等级为三级、二级、二级。各季节良这一类别天数占比最大。各年AQI级别为二级的天数最多。（2）对四季AQI与各因子进行相关分析,计算相关系数并进行Monte Carlo检验,结果表明:各季节影响因子各不相同。春季的主要气象影响因子为蒸发量、气温;夏季的主要气象影响因子为蒸发量、地表温度、湿度、日照小时数;秋季的主要气象影响因子为蒸发量、地表温度、本站气压、湿度、日照小时数、气温、风速;冬季的主要气象影响因子为蒸发量、地表温度、湿度、日照小时数、风速风向。蒸发量、温度对四季AQI均有影响,前一日AQI这一特征因子对四季AQI也均有影响。在此基础上建立模型。（3）建立三种AQI预测模型,利用模型进行预测。四季逐步回归预测模型各季节预测值和实际值平均绝对误差分别为22.46、20.21、20.76、33.77;平均相对误差分别26.49%、33.20%、29.00%、30.19%;均方根误差分别为29.51、27.06、27.60、46.79;级别预报正确率分别为58.70%、57.61%、67.03%、37.78%。BP神经网络预测模型各季节预测值和实际值平均绝对误差分别为17.06、17.05、18.87、30.05;平均相对误差分别为17.52%、29.38%、25.85%、27.94%;均方根误差分别为23.56、23.87、26.07、48.36;级别预报正确率分别为71.74%、69.57%、75.00%、64.44%。遗传算法优化的BP神经网络预测模型各季节预测值和实际值平均绝对误差分别为15.51、16.95、18.49、28.18;平均相对误差分别为19.47%、23.10%、23.86%、27.17%;均方根误差分别为22.49、23.35、24.04、44.47;级别预报正确率分别为72.83%、72.82%、75.82%、68.89%。各季节遗传算法优化的BP神经网络模型预测效果优于BP神经网络模型优于逐步回归模型,说明神经网络模型预测沈阳市AQI效果比回归模型好,而用遗传算法优化BP神经网络使预测效果更佳。
吴焕波,谷新波[10]（2018）在《呼和浩特市PM10、PM2.5、O3特征分析及O3预报方法的建立》文中进行了进一步梳理通过对20152017年呼和浩特市PM10、PM2.5和O3的浓度统计分析,研究呼和浩特市PM10、PM2.5和O3的年、月、日平均浓度分布及在不同季度、采暖期和非采暖期浓度的日变化特征;基于污染物浓度与气象要素的相关性,建立O3日最高8小时滑动平均浓度和小时浓度的预报方法。结果表明:PM2.5、PM10和O3为呼和浩特市首要污染物,且呈现较强的年、月、日变化特征,冬季PM2.5污染越来越严重,夏季O3污染越来越突出,20152017年重污染日逐年增加,首要污染物为PM2.5。供暖期间,大气污染物以二次无机源为主,复合型污染形势突出,45月份沙尘型污染。PM2.5的日变化为两峰两谷,冬季的变化幅度大,夏季变化平缓,谷值分别出现在7:00左右和17:00左右,峰值出现在10:0011:00和22:0023:00,按照夏-春-秋-冬季的顺序,第一个峰值出现的时间越来越晚,第二个峰值出现的时间越来越早,PM2.5小时平均浓度从大到小出现的顺序为冬、秋、全年平均、春和夏季;PM10的日变化为两峰两谷,谷值分别出现在7:00左右和17:00左右,峰值分别出现在11:00左右和21:0023:00,PM10小时平均浓度最大出现在冬和春季,最小出现在夏季;O3的日变化为一峰一谷,谷值出现在8:00左右,峰值出现在19:00左右,O3小时平均浓度从大到小出现的顺序为夏、春、全年平均、秋和冬季。PM10日均浓度与日平均风速和日降水量呈显着的负相关,大气的水平运动和降水对PM10具有清除作用;采暖期PM2.5与日平均气温和日平均相对湿度呈正相关,与日平均气压、日平均风速和日降水量呈负相关,即采暖期温度越高、湿度越大、风速越小,无降水条件下,PM2.5浓度越高;非采暖期O3日最高8小时滑动平均浓度与日平均气压、日平均风速和日平均相对湿度呈负相关,与平均气温和日照时数呈正相关,降水对O3没有明显的清除作用;O3小时浓度与气压有负相关,与气温、风速和低云量有正相关。利用多元线性回归方法建立O3日最高8小时滑动平均浓度和小时浓度的预报方程,均通过显着性检验,解释方差R2分别为0.608和0.476,分别用2018年5月1日6月20日和2018年6月1520日对两个预报方程进行检验,回归方程预报的O3日最高8小时滑动平均浓度和小时浓度与实况的趋势基本一致,峰值小于实测值,谷值大于实测值,预报与实况的相关系数分别为0.656和0.732,均方根误差分别为24.4μg/m3和36.9μg/m3。
二、呼和浩特市空气污染浓度预报模型（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、呼和浩特市空气污染浓度预报模型（论文提纲范文）
（1）呼包鄂地区大气颗粒物时空变化影响因素研究（论文提纲范文）
| 中文摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.2.1 气溶胶光学厚度与颗粒物浓度关系研究 |
| 1.2.2 大气颗粒污染物的时空分布特征研究 |
| 1.2.3.大气颗粒污染物的影响因素研究 |
| 1.3 研究内容及技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 第2章 数据与方法 |
| 2.1 研究区概况 |
| 2.2 数据来源 |
| 2.3 研究方法 |
| (1)垂直订正 |
| (2)湿度订正 |
| (3)灰色关联度分析 |
| (4)平均相对误差 |
| (5)相关分析法 |
| 第3 章 PM_(2.5)和PM_(10)浓度的估算 |
| 3.1 PM_(2.5)和PM_(10)与气溶胶光学厚度的相关性分析 |
| 3.2 PM_(2.5)和PM_(10)与气溶胶光学厚度回归建模 |
| 3.2.1 基于年尺度回归建模 |
| 3.2.2 基于季节尺度回归建模 |
| 3.3 PM_(2.5)和PM_(10) 浓度的反演 |
| 3.4 本章小结 |
| 第4 章 PM_(2.5)和PM_(10)浓度时空变化特征 |
| 4.1 PM_(2.5)和PM_(10)浓度空间变化特征 |
| 4.2 PM_(2.5)和PM_(10)浓度年变化特征 |
| 4.3 PM_(2.5)和PM_(10)浓度季节变化特征 |
| 4.4 本章小结 |
| 第5章 PM_(2.5) 和PM_(10) 时空分布影响因素分析 |
| 5.1 降水量对PM_(2.5)和PM_(10)浓度的影响 |
| 5.2 温度对PM_(2.5)和PM_(10)浓度的影响 |
| 5.3 相对湿度对PM_(2.5)和PM_(10)浓度的影响 |
| 5.4 风速对PM_(2.5)和PM_(10)浓度的影响 |
| 5.5 二氧化硫对PM_(2.5)和PM_(10)浓度的影响 |
| 5.6 人口和工业企业数量对PM_(2.5)和PM_(10)浓度的影响 |
| 5.7 地形对PM_(2.5)和PM_(10)浓度的影响 |
| 5.8 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间获得的科研成果 |
（2）WRF-Chem模式不同参数化方案对呼和浩特大气污染的数值模拟研究（论文提纲范文）
| 摘要 |
| abstract |
| 一、绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究进展 |
| 1.2.1 空气质量模式的发展 |
| 1.2.2 数值模拟参数化方案研究 |
| 1.2.3 污染过程数值模拟研究 |
| 1.3 研究目的和内容 |
| 二、数据来源和模式简介 |
| 2.1 资料来源 |
| 2.2 物理过程方案 |
| 2.3 化学过程方案 |
| 2.3.1 气相化学机制介绍 |
| 2.3.2 气溶胶方案介绍 |
| 2.4 研究方法 |
| 三、污染物时间变化特征 |
| 3.1 污染物时间变化规律 |
| 3.2 典型污染过程分析 |
| 3.2.1 污染过程概述 |
| 3.2.2 天气形势分析 |
| 3.3 气象要素与污染物浓度的关系 |
| 3.4 本章小结 |
| 四、物理方案对气象条件的影响模拟 |
| 4.1 物理方案模拟实验设计 |
| 4.2 模拟结果分析 |
| 4.2.1 气象要素统计分析 |
| 4.2.2 气象要素空间分布 |
| 4.3 本章小结 |
| 五、化学方案对大气污染的影响模拟 |
| 5.1 化学方案模拟实验设计 |
| 5.2 模拟结果分析 |
| 5.3 本章小结 |
| 六、污染气团后向轨迹分析 |
| 6.1 HYSPLIT后向轨迹模式介绍 |
| 6.2 后向轨迹模拟分析 |
| 6.3 本章小结 |
| 七、总结与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
（3）呼和浩特市雾霾天气气象条件分析与初步治理研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 研究目标、内容及方法 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容和方法 |
| 第二章 雾霾天气变化特征分析 |
| 2.1 空气质量指数变化特征 |
| 2.1.1 年变化趋势 |
| 2.1.2 空气质量指数季节变化 |
| 2.2 雾霾天气发生时间变化特征 |
| 2.2.1 雾的时间变化特征分析 |
| 2.2.2 霾的时间变化特征分析 |
| 第三章 雾和霾的天气学特征分析 |
| 3.1 典型雾的个例分析及类型总结 |
| 3.1.1 典型雾的个例分析 |
| 3.1.2 雾的分类汇总及模型建立 |
| 3.2 典型霾的个例分析及类型总结 |
| 3.2.1 非典型霾的个例分析 |
| 3.2.2 典型霾的分类汇总及模型建立 |
| 第四章 大气动力与热力结构特征 |
| 4.1 呼和浩特市风力与风向变化特征分析 |
| 4.1.1 风力风向变化对污染物扩散的影响 |
| 4.1.2 资料来源 |
| 4.1.3 风力变化特征分析 |
| 4.1.4 风向变化特征分析 |
| 4.1.5 大气扩散能力空间分布特征 |
| 4.2 大气热力结构特征 |
| 4.2.1 资料来源与计算方法 |
| 4.2.2 计算结果分析汇总 |
| 4.2.3 小结 |
| 4.3 雾霾天气典型特征检验 |
| 第五章 呼和浩特市雾霾成因与治理措施分析 |
| 5.1 呼和浩特市雾霾天气成因 |
| 5.1.1 地形地貌不利于污染物扩散 |
| 5.1.2 特定气象条件诱发雾霾天气产生 |
| 5.1.3 工业废气排放是首要污染源 |
| 5.1.4 道路建筑产生的扬尘加剧污染 |
| 5.1.5 汽车数量激增导致尾气排放量增加 |
| 5.1.6 居民焚烧秸秆造成突发性污染事件 |
| 5.2 呼和浩特市雾霾治理措施 |
| 5.2.1 加强顶层设计,推动创新体制机制建设 |
| 5.2.2 强化重污染天气预报预警,提升重污染天气应对能力 |
| 5.2.3 提升科技支撑,深化治理联动机制建设 |
| 5.2.4 加强工业污染治理 |
| 5.2.5 提高管理手段,控制机动车污染物排放 |
| 5.2.6 强化源头治理,全面推进面源污染防治 |
| 5.2.7 开展环保宣传,引导公众提升环保意识 |
| 5.2.8 加强自然保护,强化植物吸附滞尘作用 |
| 5.2.9 加大资金投入,加强大气污染监控能力 |
| 第六章 结论与展望 |
| 参考文献 |
| 致谢 |
（4）呼和浩特市2014-2017年流感流行特征分析及预测模型的研究（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 前言 |
| 1 材料与方法 |
| 2 结果 |
| 3 讨论 |
| 4 结论 |
| 参考文献 |
| 文献综述 流感流行病学与预测模型的研究进展 |
| 参考文献 |
| 缩略语表 |
| 攻读学位期间发表文章情况 |
| 个人简历 |
| 致谢 |
（5）内蒙古地区过敏性鼻炎流行病学调查研究（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 前言 |
| 对象与方法 |
| 结果与分析 |
| 讨论 |
| 结论 |
| 参考文献 |
| 文献综述 内蒙古地区气传花粉的监测及与过敏性鼻炎的相关研究进展 |
| 参考文献 |
| 问卷内容 |
| 知情同意书 |
| 三个城市四家医院同时开展 AR 流行病学调查 |
| 缩 略语表 |
| 攻读学位期间发表文章情况 |
| 攻读学位期间科研情况 |
| 作者简介 |
| 致谢 |
（6）整合利用高新技术治理呼和浩特地区大气污染的动力机制及其创新模式研究（论文提纲范文）
| 1 引言 |
| 2 生态环境科技的应用与发展 |
| 2.1 生态科技在大气污染防治中的应用进程 |
| 2.2 生态科技创新应用的新发展 |
| 3 呼和浩特市以科技创新为主的治理措施与现状 |
| 3.1 呼和浩特市空气环境质量现状 |
| 3.2 颗粒物源解析技术在大气污染成因分析中的应用 |
| 3.3 科技手段在空气质量管理中的应用 |
| 3.3.1 完善大气环境监测监控体系 |
| 3.3.2 激光雷达探测 |
| 3.3.3 现代化通信技术 |
| 3.4 运用科技手段防治大气污染的不足 |
| 3.4.1 科技成果产业化水平低 |
| 3.4.2 科学技术监督的机制和手段有待被完善 |
| 3.4.3 多源数据共享不畅,大数据技术应用水平低下 |
| 4 利用高新技术治理呼和浩特地区大气污染的动力机制及其创新模式研究 |
| 4.1 建立以科技创新为支持的治理动力机制 |
| 4.1.1 充分发挥政府的主导作用 |
| 4.1.2 夯实基础研究、强化科技手段应用 |
| 4.1.3 加强人才队伍建设、落实鼓励政策 |
| 4.2 建立完善网格化管理治理模式 |
| 4.2.1 大气污染热点网格精细化分析数据服务 |
| 4.2.2 大气污染热点网格分析报告服务 |
| 4.2.3 大气污染热点网格监管服务 |
| 4.3 构建大气环境大数据综合管理服务平台 |
| 4.3.1 平台构架 |
| 4.3.2 应用与功能 |
| 4.4 建立研发与推广相结合的综合治理模式 |
| 4.4.1 健全生态环境科技成果转化工作体系 |
| 4.4.2 充分发挥政府和市场的双重导向作用 |
| 4.4.3 推动各行业领域技术成果交叉融合 |
| 5 结论 |
（8）基于LSTM神经网络空气污染监测预报系统的研究与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 研究目标和内容 |
| 1.4 本文论文组织结构 |
| 第二章 相关理论与技术 |
| 2.1 人工神经网络概述 |
| 2.2 长短时记忆神经网络 |
| 2.2.1 LSTM神经网络特点及适用性 |
| 2.2.2 LSTM神经网络结构 |
| 2.2.3 LSTM神经网络训练 |
| 2.3 数据缺失值处理 |
| 2.4 数据归一化处理 |
| 2.5 空气质量评价法 |
| 2.6 本章小结 |
| 第三章 基于LSTM神经网络空气污染监测预报系统的分析与设计 |
| 3.1 系统目标分析 |
| 3.2 系统整体架构 |
| 3.3 数据采集与存储设计 |
| 3.4 数据处理设计 |
| 3.4.1 LSTM模型训练数据处理 |
| 3.4.2 系统定时监测数据处理 |
| 3.5 LSTM空气污染预测模型设计 |
| 3.5.1 输入因子确定 |
| 3.5.2 模型构造与训练 |
| 3.6 空气质量评价设计 |
| 3.7 空气污染物超标预警设计 |
| 3.8 本章小结 |
| 第四章 基于LSTM神经网络空气污染监测预报系统的实现 |
| 4.1 系统整体功能 |
| 4.2 数据采集与存储模块 |
| 4.3 数据处理模块 |
| 4.3.1 LSTM模型训练数据处理 |
| 4.3.2 系统定时监测数据处理 |
| 4.4 空气污染预测模块 |
| 4.4.1 LSTM预测模型构造与训练 |
| 4.4.2 空气污染预测功能 |
| 4.5 空气质量评价模块 |
| 4.6 空气污染超标预警模块 |
| 4.7 本章小结 |
| 第五章 实验验证与结果分析 |
| 5.1 实验描述 |
| 5.1.1 实验方案 |
| 5.1.2 实验环境 |
| 5.2 实验过程 |
| 5.2.1 系统功能测试 |
| 5.2.2 模型预测偏差性测试 |
| 5.2.3 系统性能测试 |
| 5.3 实验结果分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（9）沈阳市空气质量指数（AQI）时间变化特征分析及预测模型比较研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究目的和意义 |
| 1.2 AQI研究进展 |
| 1.2.1 AQI时空分布特征研究进展 |
| 1.2.2 AQI影响因子研究进展 |
| 1.2.3 AQI预测方法研究进展 |
| 1.3 研究目标、研究内容及技术路线 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.3.3 技术路线 |
| 2 数据与方法 |
| 2.1 研究区概况 |
| 2.2 数据来源及说明 |
| 2.3 研究方法 |
| 2.3.1 AQI及分级方法 |
| 2.3.2 相关性分析方法 |
| 2.3.3 预测模型的建立 |
| 2.3.4 模型预测效果评价指标 |
| 3 结果与分析 |
| 3.1 沈阳市AQI时间变化特征分析 |
| 3.1.1 AQI逐日变化特征 |
| 3.1.2 AQI逐月变化特征 |
| 3.1.3 AQI各季节变化特征 |
| 3.1.4 AQI逐年变化特征 |
| 3.2 沈阳市不同等级AQI天数占比分析 |
| 3.2.1 各季节不同等级AQI天数占比分析 |
| 3.2.2 各年不同等级AQI天数占比分析 |
| 3.3 沈阳市各季节AQI与因子相关分析 |
| 3.4 沈阳市AQI预测模型比较 |
| 3.4.1 逐步回归预测模型的建立 |
| 3.4.2 BP神经网络预测模型的建立 |
| 3.4.3 遗传算法优化的BP神经网络预测模型的建立 |
| 3.4.4 三种预测模型的比较 |
| 4 结论与讨论 |
| 4.1 研究结论 |
| 4.2 讨论 |
| 参考文献 |
| 致谢 |
四、呼和浩特市空气污染浓度预报模型（论文参考文献）
- [1]呼包鄂地区大气颗粒物时空变化影响因素研究[D]. 乔江河. 内蒙古师范大学, 2021(08)
- [2]WRF-Chem模式不同参数化方案对呼和浩特大气污染的数值模拟研究[D]. 程英楠. 内蒙古大学, 2021(12)
- [3]呼和浩特市雾霾天气气象条件分析与初步治理研究[D]. 李蓓. 内蒙古大学, 2020(01)
- [4]呼和浩特市2014-2017年流感流行特征分析及预测模型的研究[D]. 樊红霞. 内蒙古医科大学, 2020(03)
- [5]内蒙古地区过敏性鼻炎流行病学调查研究[D]. 萨日娜. 内蒙古医科大学, 2020(03)
- [6]整合利用高新技术治理呼和浩特地区大气污染的动力机制及其创新模式研究[J]. 蓉倩. 科学管理研究, 2020(02)
- [7]雾、霾、沙尘暴过程中污染物特征对比分析[A]. 宋桂英,江靖,侯婷,任远哲. 2019中国环境科学学会科学技术年会论文集（第一卷）, 2019
- [8]基于LSTM神经网络空气污染监测预报系统的研究与实现[D]. 张晗. 西安电子科技大学, 2019(02)
- [9]沈阳市空气质量指数（AQI）时间变化特征分析及预测模型比较研究[D]. 王子瑞. 沈阳农业大学, 2019(02)
- [10]呼和浩特市PM10、PM2.5、O3特征分析及O3预报方法的建立[A]. 吴焕波,谷新波. 第35届中国气象学会年会 S12 大气成分与天气、气候变化与环境影响暨环境气象预报及影响评估, 2018