简介:为了探讨细粒子(PM2.5)在灰霾天气下水溶性离子的组分特征,2007年秋季在广州万顷沙连续一个月采集了大气PM2.5样品,分析了SO42-,NO3-,NH4+,Cl-,Na+,K+,Ca2+,C2O42-,F-,NO2-和HCOO-11种水溶性离子含量.结果显示,正常天气和灰霾天气PM2.5总水性离子质量浓度分别为38.99和52.74μg/m3,灰霾和正常天气SO42-,NO3-和NH4+均为PM2.5的主要成分,灰霾天气时SO42-,NO3-和C2O42-占总水溶性离子的百分比显著提高,显示二次吸湿性组分在灰霾形成过程中的重要作用.正常天气和灰霾天气NO3-与SO42-的质量之比平均分别0.29(0.11~0.54)和0.39(0.28~0.62),表明燃煤对它们贡献较大,但灰霾NO3-升高幅度比SO42-相对较高.灰霾天气和正常天气PM2.5均为酸性,灰霾天气酸性更强.
简介:目的:基于支持向量机回归(SVR)模型在非线时间序列的预测能力及经验模态分解(EMD)方法在处理非线性非平稳性的优势,提出一种复合自回归经验模态分解支持向量机回归(AR-EMDSVR)模型,提高非线性非平稳船舶运动极短期预报精度。创新点:1.研究非线性非平稳船舶运动的极短期预报问题,提出一种复合的预报方法;2.基于不同层次的预报模型和模型试验数据,分析非线性非平稳性对极短期预报精度的影响。方法:1.在SVR模型中引入基于自回归(AR)预报端点延拓的EMD方法,形成复合的AR-EMDSVR预报模型;2.基于集装箱船模水池试验运动数据将AR-EMD-SVR模型与AR、SVR和EMD-AR三种模型进行比较,分析非线性非平稳性对极短期预报的影响以及不同模型的预报性能。结论:1.AR-EMD方法能够有效的克服非平稳对极短期预报模型(AR和SVR)在精度上所带来的不良影响;2.基于船模试验数据的预报结果表明:相较于AR、SVR和EMD-AR三种预报模型,基于AR-EMD-SVR模型的非线性非平稳船舶运动极短期预报结果具有更高的精度。