空气浓度对凝汽器压力影响的计算模型

基于凝结换热理论和理想气体状态方程,分析了空气浓度对凝汽器内传热和分压力的影响,建立了空气浓度对凝汽器压力影响的数学模型。对某300MW机组凝汽器的计算结果表明,空气浓度的变化对凝汽器压力有双重作用。凝汽器压力随空气浓度的增加先迅速上升,随后增幅逐渐缓和,到一定程度后近似呈线性关系。在不同的空气浓度阶段,传热和空气分压力这两种因素对凝汽器压力具有不同的影响程度。

空气浓度对凝汽器压力影响的研究与分析

国内许多发电厂存在真空系统严密性差或抽气系统出力不足等问题,从而引起凝汽器内空气浓度增加。因此,分析空气浓度对凝汽器压力的影响,对凝汽设备的运行、抽气设备的设计选型和电厂节能都具有重要意义。基于凝结换热理论和理想气体状态方程,分析了空气浓度对凝汽器内传热和分压力的影响,建立了空气浓度对凝汽器压力影响的数学模型。对某300MW机组凝汽器的计算结果表明,凝汽器压力随空气浓度的增加先迅速上升,随后增幅逐渐缓和,到一定程度后近似呈线性关系;在不同的空气浓度阶段,传热和空气分压力对凝汽器压力具有不同的影响程度。

利用数字传感器测量空气浓度的变化

在带领学生研究“攀附式树木（绿萝）立体绿化对空气质量的影响”这个问题时，我们决定利用数字传感器来帮助我们完成任务。我们最初设计的方案是：1．选取几片完整的绿萝叶，委托专业检测单位对其进行单位时间（每小时）内放出氧气量和吸收二氧化碳量的检测。2．对一棵大树的攀附植物的叶片数量进行统计，对学校有攀附植物的大树棵数和种类进行统计。3．计算出立体绿化能增加单位时间内放出的氧气量和吸收的二氧化碳量。

干旱半干旱地区城市公园绿地空气负离子浓度特征及影响因素

为研究干旱半干旱地区城市公园绿地空气负离子浓度(NAIC)特征及影响因素,以呼和浩特市敕勒川公园为对象,于2020—2021年,每个季节选取晴天、晴间多云为主的天气各10 d,同步监测07:00—19:00时段,5种不同结构绿地(乔草型、乔灌型、乔木型、灌草型、乔灌草型)及对照区(CK)空气负离子浓度及PM10、PM2.5、温度、湿度、风速、大气压强、噪声等环境指标。结果表明:不同结构绿地空气负离子浓度季节日变化有所差异;同一季节,复杂结构绿地空气负离子浓度均值较高,不同结构绿地之间空气负离子浓度均值差异不显著;同一结构绿地,夏、秋季空气负离子浓度均值显著高于春、冬季;不同结构绿地空气清洁度夏、秋季较高,空气清洁度评价指数均值分别为0.58~0.78、0.52~0.80。绿地结构、季节对空气负离子浓度影响为主效应,绿地结构×季节对空气负离子浓度交互作用不显著;除此之外,相对湿度、PM10、PM2.5是影响空气负离子浓度的主要因素。

闽江河口湿地不同季节空气负氧离子浓度及其影响因素研究

空气负氧离子浓度已成为反映空气质量的重要指标之一,逐渐引起广泛关注。本研究基于闽江河口湿地国家级自然保护区空气质量监测站、自动气象站的野外定位自动监测系统,对2022年6月至2023年5月不同季节空气负氧离子浓度变化规律及其影响因素进行研究。结果表明:闽江河口湿地空气负氧离子平均浓度为10741±3717个/cm^(3),夏季与冬季差异不显著,其他不同季节间差异显著。不同季节空气负氧离子浓度表现为春季>夏季>冬季>秋季。不同季节空气负氧离子浓度日变化呈现“单峰单谷”的特征,夜间明显高于白天,最高值出现在清晨或者夜间,最低值出现在日间。不同季节空气负氧离子浓度变化受大气颗粒物和环境因子的显著影响,与温度、2分钟风速呈显著负相关,但是温度与冬季空气负氧离子浓度、2分钟风速与夏季空气负氧离子浓度关系不显著。空气负氧离子浓度与PM_(2.5)、PM_(10)显著负相关。

基于图注意力网络和时间卷积网络的空气污染物浓度预测方法

提出了一种融合图注意网络(GAT)和带注意力机制的时间卷积网络(ATCN)的创新模型——GAT-ATCN,旨在提高空气污染物浓度预测的精度和效率.在通过GAT捕捉监测站点间的复杂空间依赖关系,利用注意力机制,自适应地加强重要节点之间的连接,从而提取空间特征.ATCN被用来处理时间序列数据,通过学习时间维度上的长期依赖关系,捕获污染物浓度随时间变化的动态特性.选取中国江浙沪地区7个城市2018—2020年的实际空气质量监测和气象数据,构建数据集并进行实验,验证了GAT-ATCN模型的有效性.实验结果显示:GAT-ATCN模型在多个评价指标上均表现优异,能够更准确地预测空气污染物浓度.

绵阳市室内空气氡浓度调查

目的:调查绵阳市室内空气氡浓度并分析其影响因素。方法:2020年至2021年在绵阳市各区(市)县城选择居住、办公等场所布点,进行90d的累积空气氡浓度测量,并测量室内、外γ剂量率水平。回收后的氡采集盒交由国家疾控中心辐射安全所统一计算,获得氡浓度数据,单个房间仅有一个采样点时,室内氡浓度为单个氡采集盒测得数据,同一室内测量点大于1个时,取多个测量点读数的平均值。采用单样本t检验和秩和检验分别分析室内外γ辐射水平差异和不同因素对室内空气氡浓度的影响。结果:在绵阳市辖区内126场所放置184个氡采集盒,获得126个场所的室内空气氡浓度数据,氡浓度水平范围37.88~251.00Bq/m^(3),均值为64.34±21.53Bq/m^(3),室内外γ辐射水平差异显著(t=2.847,P=0.006),建筑材料主要为空心砖的房屋室内空气氡浓度要高于以黏土砖为材料的建筑(H=6.932,P=0.031)。结论:绵阳市室内空气氡浓度均未超出国家标准限值(300Bq/m^(3)),但高于邻近地区,并会增加γ射线剂量率;室内通风情况差、使用放射性水平高的建筑材料会增加室内空气氡浓度。

氧气浓度对人体生理及认知能力的影响研究

目的 探究氧气浓度对人体生理及认知能力的影响.方法 通过对被试的生理指标监测和认知能力测试等方法,综合评估被试在21%和24%两种不同含氧量环境中的生理状态.结果 氧气浓度较高条件下血液循环有一定改善,SCL提高程度更大,脑电波中beta波更加明显.结论 较高的氧气浓度有助于改善人体血液循环,对精神压力的舒缓也有一定的作用,有助于人的注意力提升.

基于自适应时序分解的空气污染物浓度预测

为准确、有效地预测空气污染物浓度,建立了基于自适应完整集成经验模态分解(CEEMDAN)和排列熵(PE)的门控循环单元(GRU)空气污染物预测模型。首先利用CEEMDAN算法对非线性信号的自适应分解能力将原始序列分解为一组不同频率、复杂度的固有模态函数(IMF)和一个残差分量(REC),其次根据PE算法将复杂度相近的IMF分量和REC一起进行重新组合,最后将重组后的子序列分别使用GRU模型进行预测,并将子序列预测结果相加得到最终预测结果。实验结果表明,基于CEEMDAN-PE-GRU模型预测的误差明显低于其他模型,验证了该模型对空气污染物浓度预测的有效性。

上杭城区空气负离子浓度时空分布及影响因素

本文以定点实测空气负离子浓度为基础数据,借助数理统计分析、ArcGIS空间分析、Pearson相关分析和多元线性回归分析对2020年上杭城区空气负离子浓度时空分布及影响因素进行研究,结果表明:(1)在时间维度上,不同季节空气负离子浓度平均值从大到小排序为秋季、冬季、春季、夏季,超过清新空气负离子浓度标准监测点数量占比从大到小排序为秋季、春季、冬季、夏季,空气离子评价系数CI均值从大到小排序为秋季、春季、冬季、夏季;(2)在空间维度上,空气负离子浓度较高区域主要集中在林地和水体,较低区域主要集中在中心城区,林地和水体C_(I)全年平均值较高,道路与交通设施用地C_(I)全年平均值最低;(3)空气负离子浓度在冬季受空气正离子浓度、相对湿度和PM_(10)的影响;春季受空气正离子浓度影响;夏季受空气正离子浓度和PM_(10)的影响;秋季受空气正离子浓度、CO_(2)浓度、PM_(2.5)、PM_(10)和其他颗粒污染物的影响。

不同地理空间城市森林空气负离子浓度及其影响因素研究

【目的】开展不同地理空间城市森林的空气负离子浓度(NAIC)研究,为空气负离子的理论研究和森林康养基地的选址依据提供科学支撑。【方法】在2019年9月—2020年1月,2020年5—8月,选取广东省广州市的3个不同地理位置、森林面积和周边环境梯度的森林环境(远郊、近郊和城区城市森林),同时设置1个城区对照组进行NAIC差异比较,并运用Pearson相关性分析和多元逐步回归分析探讨NAIC与空气含氧量、温度、相对湿度和风速的相关关系。【结果】(1)天然林的NAIC显著高于人工林;在人工林中,高郁闭度林的NAIC显著高于中郁闭度林。(2)不同地理空间城市森林NAIC差异显著,远郊城市森林>近郊城市森林>城区城市森林>城区对照组。(3)森林环境产生NAIC的能力显著优于城市环境(无林地区)。(4)远郊和近郊城市森林的NAIC季节变化为夏季>春季>秋季>冬季,而城区城市森林和城区对照组的为秋季>冬季>春季>夏季。(5)远郊和近郊城市森林的NAIC与空气含氧量、温度和相对湿度均呈极显著正相关,而城区城市森林和城区对照组的NAIC与空气含氧量和温度均呈极显著负相关关系;近郊城市森林的NAIC与风速呈极显著负相关,而远郊城市森林呈极显著正相关。(6)远郊城市森林的NAIC主要与相对湿度和温度密切相关;近郊城市森林的NAIC主要受空气含氧量、风速和温度影响;城区城市森林和城市对照组的NAIC受温度的影响最大。【结论】地理空间对NAIC有显著影响,即距离城市中心较远,森林面积达到一定规模且集中连片对NAIC有正向影响,相关结果为森林康养基地的选址提供了理论依据。不同地理空间城市森林NAIC的环境影响因子各不相同,建议今后的研究综合考虑气象、林分、地形、周边环境等多个方面不同因素的协同影响,深入探讨NAIC与各环境因子的影响机制。

天津WRF-Chem模式空气污染浓度预报误差时空分析

分析2019—2021年天津WRF-Chem模式日预报结果与实况对比的误差时空特征,得出以下结论:①模式预报结果与O_(3)浓度的相关性最好(0.90),与PM_(10)(0.59)的最差;②模式预报结果对污染物浓度的高估现象更显著,PM_(10)、PM_(2.5)和O_(3)浓度的预报绝对误差明显高于其他3种污染物;③模式预报的相对误差大小排序为O_(3)<CO<NO_(2)<SO_(2)<PM_(10)<PM_(2.5),且夏季最高,秋冬近似,春季最小,夏秋冬三季相对误差都为PM_(2.5)最大,春季则为PM_(10)最大;④从2种主要污染物浓度预报相对误差的空间分布特征来看,PM_(2.5)为蓟州、中心城区、大港偏大,PM_(10)为中部地区西青、武清、塘沽、宝坻偏大;⑤经综合衡量,模式预报效果最差的是PM_(10),其次为PM_(2.5)。

复杂环境下城市区域空气污染浓度实时监测研究

为提升空气污染浓度实时监测效果,研究复杂环境下城市区域空气污染浓度实时监测方法。将H城市采集到的数据进行归一化处理,通过CAA算法剔除冗余和无效数据,引入深度卷积神经网络,构建空气污染浓度预测方法,对比预测数据与实时监测数据,误差超过阈值,则再次采集实时监测数据,实现复杂环境下城市区域空气污染浓度实时监测。实验测试证明:H城市冬季污染物浓度取值最高,夏季最低,在工业区域和生活区域均是上午和傍晚的污染物浓度偏高。

取样时间对空气污染物浓度监测精度的影响建模研究

为了分析取样时间与空气污染物浓度监测精度之间的影响关系,构建影响模型。从输入和输出两个方面,设置模型参数。针对气态和颗粒两种类型的空气污染物,模拟空气样本的采样与监测过程。在考虑环境因素的情况下,以污染扩散理论为支持,确定取样时间对污染物浓度监测精度的影响机理及影响参数取值,得出反映空气污染物浓度监测精度的模型输出结果。模型验证实验结果表明:设计模型输出的空气污染物浓度监测误差与实际监测误差之间的平均偏差均低于0.1 mg/m^(3),且影响模型的最大运行时间为1.2s,满足时效性要求。

上下文特征注入融合的空气污染物浓度预测

空气质量预测能够预知区域空间内的大气污染物浓度,对污染防治、环境保护和人身健康等具有非常重要的意义。针对现有空气污染物预测模型未能充分挖掘和利用上下文因素的影响和作用,提出了一种上下文特征注入的空气污染物预测模型。首先,通过循环神经网络和深度置信网络分别学习和提取空气污染物浓度数据的时间序列特征和上下文特征。然后,使用向量融合机制将提取到的上下文特征注入到时间序列特征中,生成新的融合特征。最后,将新的高阶融合特征送入预测器,对空气污染物浓度做出准确可靠的预测。实验选用2017年1月至2021年7月共55个月的PM2.5污染物浓度数据,并与LSTM、GRU、BiLSTM预测模型相比较,结果表明提出的特征注入模型在多种场景下都能够准确地拟合空气污染物浓度的真实值,预测精度优于传统循环神经网络模型,各项评价指标均较好,表现出较强的适应性和准确性。

巴彦淖尔市临河区逆温层特征及对空气污染物浓度的影响

通过对内蒙古自治区巴彦淖尔市临河区2017—2020年逐日探空资料及环境监测站空气质量监测数据进行分析,研究临河区大气逆温层特征,总结逆温层与空气污染物浓度的关系,并通过2020年新型冠状病毒感染管控期间空气污染分析研究结论进行检验。结果表明,①当城市上空出现逆温,特别是出现贴地逆温时,空气污染会加重;②临河区每月都有可能出现不同程度的空气污染,1月最高。SO_(2)、NO_(2)、PM_(2.5)3种污染物平均浓度逐月变化趋势表现为冬季高,夏季低;PM_(10)平均浓度逐月变化趋势呈双峰型,整体夏季明显低于其他时期,春季较秋冬季偏高;O_(3)污染平均浓度逐月变化与其他污染物变化趋势相反,为夏季高,冬季低;③SO_(2)、NO_(2)、PM_(2.5)、PM_(10)4种污染物浓度与逆温层的出现频率、强度、厚度呈正相关,即逆温层出现频率越高、强度越强、厚度越厚,污染物的浓度越高;④贴地逆温的出现更有利于SO_(2)、NO_(2)、PM_(2.5)、PM_(10)4种污染物浓度的增长;⑤O_(3)污染与逆温频率相关性较差,大气逆温层对O_(3)污染影响较小。

森林环境中空气负离子浓度分级标准

利用在不同森林环境中测得的大量空气负离子浓度数据,采用标准对数正态变换法,制定出森林环境中空气负离子浓度的分级评价标准.将森林环境中空气负离子浓度水平分为6个等级,即大于3000个/cm3为Ⅰ级,2000～3000个/cm3为Ⅱ级,1500～2000个/cm3为Ⅲ级,1000～ 1500个/cm3为Ⅳ级,400～1000个/cm3为Ⅴ级,400个/cm3以下为Ⅵ级.利用该标准,对北京小龙门森林公园及广州流溪河国家森林公园主要景区空气负离子状况进行了评价.

洁净手术部空气细菌浓度测试方法研究

目的为准确测试洁净手术部空气细菌浓度。方法依据相关法规,对测试方法及实施过程进行设计研究。结果提出科学可行的程序,取得可靠测试结果;洁净手术部全面系统地严格管理可以使空气细菌浓度达到标准;把握空气细菌测试方法、程序及关键点是获取真实数据的关键;医药工业洁净室沉降菌测试方法的国家标准是测试全程的理论依据。结论本研究有科学依据,详尽可行,有效排除混杂与沾染,使测试过程顺利,结果可靠。

开放式空气二氧化碳浓度增高对小麦产量形成的影响

利用农田开放式空气CO2浓度增高(FACE)系统平台,以弱筋小麦宁麦9号为供试品种,研究大气CO2浓度增高和不同施氮水平对小麦生育期、株高、产量和产量构成因素的影响.结果表明:FACE处理的小麦播种至抽穗期、抽穗至成熟期及全生育期天数分别比对照缩短1.3、1.3和2.6d,但均未达到显著水平;FACE处理的小麦穗长、穗下第1和第2节间长度显著变长,成熟期株高显著增加,比对照增加4.0%;低、中、高氮条件下,FACE处理小麦的籽粒产量分别比对照提高15.2%、21.4%和35.4%,平均增产24.6%,均达极显著水平;FACE处理小麦的单位面积穗数极显著增加,比对照增加17.8%,使穗粒数和粒重显著增加,分别比对照增加了2.9%和4.8%.FACE处理使小麦显著增产主要是由于单位面积穗数显著增加,而单位面积穗数的增加主要是由于小麦的分蘖能力明显增强所致.

开放式空气CO_2浓度增高对水稻颖花分化和退化的影响

在大田栽培条件下 ,研究开放式空气CO2 浓度增加 (FACE) 2 0 0 μmol·mol-1的处理对水稻每穗 1、2次枝梗及其颖花的分化数、退化数、现存数及退化率的影响 .结果表明 ,FACE处理对每穗 1、2次枝梗的分化数及 1次枝梗的退化数、退化率均无显著影响 ,但使 2次枝梗的退化数、退化率显著提高 ,使 2次枝梗现存数明显减少 ;FACE处理对每穗 1、2次颖花的分化数和 1次颖花的退化数、现存数、退化率均无显著影响 ,但使每穗 2次颖花的退化数和退化率显著提高 ;FACE处理使每穗颖花现存数显著减少主要是因为FACE处理使现存 1次枝梗上 2次枝梗大量退化引起 2次颖花退化所致 ;FACE处理使 1次颖花现存数占全穗的比率显著增加 ,使 2次颖花现存数占全穗的比率显著降低 .