基于EEMD-MFDFA的镇江港PM_%282.5%29演化特征分析.pdf
《基于EEMD-MFDFA的镇江港PM_%282.5%29演化特征分析.pdf》由会员分享,可在线阅读,更多相关《基于EEMD-MFDFA的镇江港PM_%282.5%29演化特征分析.pdf(7页珍藏版)》请在咨信网上搜索。
1、江苏大學学报(自然科学版)JOURNAL OF JIANGSU UNIVERSITY(Natural Science Edition)D0I:10.3969/j.issn.1671 7775.2023.06.0172023年11月第44卷第6 期Nov.2023Vol.44No.6开放科学(资源服务)标识码(OSID):基于EEMD-MFDFA的镇江港PM2.5演化特征分析郑敏学,毛静,孙智灏,朱(1.江苏大学安全与环境工程学院,江苏镇江2 12 0 13;2.镇江港务集团有限公司,江苏镇江2 12 0 0 1)摘要:为定量分析镇江港PM2.5浓度时间序列的内在演化特征,以镇江港2 0 19
2、2 0 2 0 年的2 0 56 6 7组PM2.5时均浓度数据为基础,采用基于集合经验模态分解(EEMD)的多重分形去趋势波动分析(M FD FA)算法进行研究.结果表明:各监测点PM2.5日均浓度演化均具有显著的长期持续性特征,现阶段PM2.5浓度升高可能会导致未来一段时间内PM2.5浓度的持续升高,不同监测点PM2.5浓度的多重分形谱参数存在差异性,多重分形特征强的区域应侧重即时性防治,反之则应注重长期性监管;运用自组织临界性理论,发现15个监测点PM2.5浓度波动呈现幂律分布特征,符合自组织临界性特征,港口系统存在发生大气高污染的风险。关键词:PM2.5;镇江港;集合经验模态分解;多重
3、分形去趋势波动分析;自组织临界理论中图分类号:X513引文格式:郑敏学,毛静,孙智灏,等:基于EEMD-MFDFA的镇江港PM2.s演化特征分析 J.江苏大学学报(自然科学版),2023,44(6):738-744.Evolution characteristics of PM2.5 in ZhenjiangPort based on EEMD-MFDFA龙,李志坚,居居珍?,黄爱国文献标志码:A文章编号:16 7 1-7 7 7 5(2 0 2 3)0 6-0 7 3 8-0 7ZHENG Minxue,MAO Jing,SUN Zhihao,ZHU Long,LI Zhjian?,JU Z
4、hen?,HUANG Aiguo?(1.School of Safety and Environmental Engineering,Jiangsu University,Zhenjiang,Jiangsu 212013,China;2.Zhenjiang Port GroupCo.,Ltd.,Zhenjiang,Jiangsu 212001,China)Abstract:To quantitatively analyze the internal evolution characteristics of PM2.s time series in ZhenjiangPort,taking 20
5、5 667 PM2.5 hour concentration series in Zhenjiang port from 2019 to 2020 as basic data,the multifractal detrended fluctuation analysis(MFDFA)method based on ensemble empirical modedecomposition(EEMD)was used.The results show that the evolution of PM2.concentration at eachmonitoring point has signif
6、icant long-term persistence characteristics.The rise of PM2.5 concentration atpresent stage may lead to the rise of PM2.5 concentration in the future.The multifractal spectrumparameters of PM2.s concentration at different monitoring points are different.Areas with strongmultifractal characteristics
7、should be focused on immediate prevention and control,on the contrary,long-term supervision should be paid attention to.According to the theory of self-organized criticality,thefluctuation of PM2.s concentration at 15 monitoring points presents the characteristics of power-lawdistribution,which is i
8、n line with the self-organized criticality.收稿日期:2 0 2 2-0 4-0 5作者简介:郑敏学(19 6 7 一),男,江苏南京人,副教授(),主要从事环境监测、风险评价及安全管理等研究.毛静(19 9 6 一),女,浙江衢州人,硕士研究生(2 2 2 19 0 9 0 0 3 ),主要从事环境监测及安全管理研究。739第6 期郑敏学等:基于EEMD-MFDFA的镇江港PM2.5演化特征分析Key words:PM2.5;Zhenjiang Port;ensemble empirical mode decomposition;multifract
9、al detrendedfluctuation analysis;theory of self-organized criticality镇江港地处江苏省镇江市西部,是长江三角洲地区重要的对外开放港口,港口地理坐标为北纬321110.25321127.25,东经119 3 7 56.53 1194016.20,2020年上半年货物吞吐量达17 3 0 5万t,身全国前十 1.港口在散货作业、场地堆存及车辆运输中所产生的PM2.5是构成区域大气污染的主要因素.随着港口铁矿石、煤炭等易起尘散货吞吐量的快速增长,PM2.5污染的控制难度进一步加大,极大影响职工健康、港区工作环境及周边生态环境的安全
10、2 1.中共中央、国务院2 0 2 1年印发的国家综合立体交通网规划纲要提出,要建立绿色化水平居于世界前列的国家综合立体交通网,港口作为交通网的重要组成部分,必须全面提升PM2.5治理水平,构建现代化绿色港口.镇江港共有15个监测点,分布密度高,覆盖各个生产场所,可以充分反映港口PM2.s的分布特点.研究镇江港的PM2.5分布规律及其演化特征,分析港口污染形成的机制,对提高PM2.5治理水平具有重要参考意义.PM2.s的演化过程既受人为、气象等因素的影响,同时也受到大气化学反应等机制作用的影响,因此PM2.5演化具有非线性、非平稳性等复杂特征.目前传统数理方法无法消除非平稳时间序列内在的自相关
11、性和识别外在趋势所导致的伪相关现象 3 .多重分形去趋势波动分析(MFDFA)方法可直接从非线性复杂系统入手,整体上定量描述系统演化过程,获取其内在的变化规律 4.然而MFDFA算法的去趋势部分仍然存在不足,当序列太长或其趋势不符合多项式类型时,分析结果会不准确.为了克服该方法的不足,文献5将经验模态分解(EM D)算法作为去趋势模块嵌人到MFDFA算法当中,EMD在时间序列数据处理方面具有明显优势,但也存在“模态混合”的问题,即在不同时间尺度的信号可能被归类成同一个固有模态函数(IMF),或相同时间尺度的信号可能被归类成不同IME.为了克服上述缺点,文献 6 提出了集合经验模态分解(EEMD
12、)算法,该算法可以更准确表示变量趋势.目前基于EEMD的MFDFA算法已用于数字高程模型和降水动力学等方面的研究 7-8 .为了探讨镇江港PM2.5浓度的演化特征,首次采用EEMD-MFDFA算法,分析港口PM2.5时间序列的多重分形特性,并基于自组织临界(SOC)理论,阐明港口不同监测点粉尘排放对PM2.5的非线性动力学影响,将为港口PM2.5治理提供科学依据1数据与方法1.1石研究数据来源研究中所运用的PM2.5时均浓度数据均采自20192020年镇江港的15个空气质量自动监测点.监测原理为光散射法,共收集数据为2 0 6 2 45组,经审查核验,其中有效数据为2 0 56 6 7 组.2
13、0192020年镇江港PM2.s时均浓度p(PM 2.5)监测点及空间分布如图1所示.人12141110151193730E119380E11938”30E119390E1193930E119400E1194030E图1220192020年PM2.5时均浓度监测点及空间分布1.2基于EEMD的MFDFA算法1.2.1MFDFA算法根据文献 9 ,MFDFA算法包括5个步骤1)运用具有时间序列特征的数据(k=1,2,,N)构建新的序列Y(i),i为时间序列特征数据中的第i个数据,即Y(i)=Z(x-x),i=1,2,N,(1)=式中:为平均值.2)将序列Y(i)分成N,个独立子序列,s为时间尺度
14、.为了避免尾部数据的丢失,对其进行逆向处理,得到2 N,个独立子序列.3)对每个子序列通过最小二乘法得到局部协方差函数F(u,s),即当u=1,2,N,时,F(,s)=Y(-1)s+i)-y.(i)3;(2)当u=N,+1,N,+2,2N,时,F(n,s)=Y(N-(-N.)+i)-y,(i),(3)S式中:y(i)为第u段数据上的第i点对应的趋势62.92375.m40.97740江苏大学学报(自然科学版)第44卷函数.4)所有2 N,个独立子序列的q阶波动函数通过以下等式获得:2Ns元2(F(w.).0,2NsexpZ In(F(u,s),=0.1.=5)广义Hurst 指数h(q)可通过
15、计算函数F(s)与时间尺度s的双对数曲线斜率得到.通过Legendre变换,可得到奇异指数、多重分形谱函数f()和广义Hurst指数h(q).三者关系如下:=h(q)+qh(q),f()=q(-h(qg)+1.对于单分形时间序列,h(q)独立于;对于多重分形时间序列,h(q)随q的变化而变化.h(2)0.5,表明时间序列存在长期记忆性,且具有正效应,数值越大,表示持续性越强.=max-mmn为多重分形谱宽度,该值越大,多重分形特征越强,数据波动越剧烈0 1.AF()=f(mn)-f(mx)为最小概率子集和最大概率子集的分形维数之差.f()0 表示PM2.5浓度位于较低值的概率大于位于较高值的概
16、率,1.2.2EEMD 算法EEMD算法本质是一种使用正态分布的白噪声序列辅助数据分析方法-12 根据文献13 ,EEMD算法包括3 个步骤.1)将正态分布的白噪声序列nm(t)添加到原始系列x(t)中,第次加人白噪声序列后函数为xm(t)=x(t)+nm(t).(7)2)使用EMD方法将加人白噪声序列的信号分解为K个固有模态函数 IMF分量 C篇(t)和残差r(t).3)在重复上述步骤过程中加入不同的白噪声序列.加入白噪声信号的次数为10 0 次,白噪声序列等级为0.2 级,可获得较好的分解效果 14-15,最终获得分解的相应IMF分量和残差.将分解得的IMF集合取平均值,用以抵消白噪声序列
17、,得到EEMD分解后的IMF分量和残差如下:(8)1KTm(t).式中:K为加入高斯白噪声的总体数量;为添加白噪声的次数;j为对原序列进行EEMD分解得到的第j个分量;cm(t)和rm(t)分别为第m次分解得到的第j个IMF分量及其对应的剩余残差分量;c(t)为进行第K次分解得到的第j个IMF分量;r(t)为最后得到的残差。1.2.3基于EEMD的MFDFA算法为了优化传统MFDFA算法中的去趋势问题,将EEMD算法嵌入MFDFA算法的第3 步,用残差(4)替代原始序列,保持其他步骤不变 16 .在EEMD-MFDFA算法中,第3 步表述如下:当U=1,2,N,时,(w,s)=(-1)s+i)
18、r();(9)当u=N,+1,N,+2,2N,时,(5)F(v,s)=IZY(N-(u-N.)s+i)-r(t).(6)(10)1.3自组织临界理论自组织临界理论可以阐释复杂系统中宏观方面出现幂律分布特征的动力机制,临界状态下的大气系统相对稳定,微小的干扰可能会导致连锁反应,使系统发生“崩塌”.系统达到自组织临界状态的最显著表征之一是幂律分布特征.若PM2.5时均浓度时间序列波动具有自临界组织特性,需满足以下关系式 1lgM(p A p o)-入lg Ap,式中:p为某时刻n的PM2.s时均浓度;p为PM2s时均浓度的波动值,Ap=pn+1-pn;入为标度指数;M为PM2.5时均浓度波动值大于
19、某一个PM2.5时均浓度波动值po的次数.2结果与分析2.1空间分布特征图1中,临江区域总体PM2.s时均浓度(58.57g/m)高于非临江区域PM2.5时均浓度(52.6 7 g/m).港口原始PM2.s时均浓度变化范围为10.0 223.9g/m.依据GB30952012环境空气质量标准,研究期间有18%的日均浓度超过国家二级1标准,空气质量等级为轻度污染及以上.14号监测K点浓度较高,日均浓度为6 2.9 2 g/m,10号监测点浓度偏低,日均浓度为40.9 7 g/m,最大浓度差为21.95g/m.14号监测点位于集装箱作业区域与码头生产区域运输线交汇点,在集装箱运输、码头货物作业时车
20、辆来往频繁,产生了包含作业扬尘、道路扬尘及车辆尾气等多种尘源,从而造成PM2.5浓度持续偏高.10 号监测点靠近办公区,远离生产作(11)741第6 期郑敏学等:基于EEMD-MFDFA的镇江港PM2.5演化特征分析业区域,因而PM2.5浓度偏低.802.2基于EEMD-MFDFA算法的分析0对15个监测点在2 0 2 0 年的PM2.5日均浓度数-80据分别进行了EEMD分解,发现12 个监测点数据800序列长度均为3 6 6 个,其余3 个监测点数据序列长-80度不足3 6 6 个.为了保持PM2.5日均浓度数据连续30性,研究中仅对序列长度为3 6 6 个的12 个监测点PM2.5日均浓
21、度数据进行分析.12 个监测点分布均匀,涵盖了整个港口,对其PM2.5日均浓度数据进行多重分形分析可以反映港口PM2.5日均浓度演化特征.1号监测点PM2.5日均浓度处于12 个监测点的中位(排序为第7).以1号监测点PM2.5日均浓度为例,计算得到的IMF分量和残差r(t)结果如图2 所示,其中加入白噪声次数为10 0 次,白噪声序列等级为0.2 级.通过图2 中的残差曲线,可以清晰地了解原始数据的总体变化趋势图3 为通过对2 0 2 0 年镇江港12 个监测点PM2.5日均浓度数据进行分解得到的残差曲线.由图3可知:港口总体PM2.5浓度变化呈U形分布;1月和12 月PM2.5浓度较高,6
22、 9 月PM2.5浓度偏低,7月PM2.5浓度最低.120r6001206001206001206001206001206002020-01-01 2020-02-29 2020-04-29 2020-06-28 2020-08-27 2020-10-26 2020-12-25温度是影响PM2.5浓度变化的重要因素之一.通过Pearson相关分析方法,计算并统计各监测点PM2.5时均浓度与温度的相关系数,发现PM2.s时均浓度与温度呈负相关的关系,相关系数为-0.48 2-0.113.这是因为高温时有较强的气流活动,有利-30200-2020SHNI0-20209HNI0-20100-1090
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 EEMD MFDFA 镇江 PM_ 282.5 29 演化 特征 分析
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。