基于高斯的大气污染评价模型

大气污染物扩散模式

第四章 大气扩散浓度估算模式 第一节 湍流扩散的基本理论 一 湍流 1．定义：大气的无规则运动 风速的脉动 风向的摆动 2．类型： 按形成原因 热力湍流：温度垂直分布不均（不稳定）引起，取决于大气稳定度 机械湍流：垂直方向风速分布不均匀及地面粗糙度引起 3．扩散的要素 风：平流输送为主，风大则湍流大 湍流：扩散比分子扩散快105～106倍 二 湍流扩散理论（主要阐述湍流与烟流传播及湍流与物质浓度衰减的关系） 1.梯度输送理论 通过与菲克扩散理论类比建立起来的（菲克定律：单位时间内通过单位断面上的物质的数量与浓度梯 度呈正比） 类比于分子扩散，污染物的扩散速率与负浓度梯度成正比 x C k F ??-= 式中，F — 污染物的输送通量 k — 湍流扩散系数 C — 污染物的浓度 X — 与扩散截面垂直的空间坐标（扩散过程的长度） x C ??— 浓度梯度 要求得各种条件下某污染物的时、空分布，由于边界条件往往很复杂，不能求出严格的分析解，只能是在特定的条件下求出近似解，再根据实际情况进行修正。 2.湍流统计理论 泰勒首先将统计理论应用在湍流扩散上 图4-1显示：从原点O 放出的粒子，在风沿着x 方向吹的湍流大气中扩散。粒子的位置用y 表示，则结论为： ①y 随时间变化，但其变化的平均值为零 ②若从原点放出很多粒子，则在x 轴上粒子的浓度最高，浓席分布以x 轴为对称轴，并符合正态分布。 萨顿实用模式：解决污染物在大气中扩散的实用模式 高斯模式：应用湍流统计理论得出正态分布假设下的扩散模式 3.相似理论 第二节 高斯扩散模式 一 坐标系的建立—右手坐标系

1．原点O ：无界点源或地面源，O 为污染物的排放点 高架源，O 为污染物的排放点在地面上的投影点 补充：点源 高架源 连续源 固定源 线源 地面源 间歇源 流动源 面源 2．x 轴：正向为平均风向，烟流中心线与x 轴重合 3．y 轴：垂直于x 轴 4．z 轴：垂直于xoy 平面 二 高斯模式的有关假定 1．污染物浓度在y 、z 轴上的分布为正态分布； )2exp(21 )(22 y y y y f σπ σ-= )2exp(21 )(22 z z z z f σπ σ-= y σ，z σ— 分别为污染物在y 和z 方向上分布的标准差，m 2．全部高度风速均匀稳定，即风速u 为常数； 3．源强是连续均匀稳定的，源强Q 为定值； 4．扩散中污染物是守恒的，不考虑转化，即烟云在扩散过程中没有沉降、化合、分解及地面吸收、吸附作用发生； 0=??t C 5．在x 方向上，输送作用远远大于扩散作用，即 )(x C k x x C u x ????>>??； 6．地面足够平坦。

中国大气污染及其解决办法

题目中国大气污染及其解决办法 一、研究背景、概况及意义 1.背景及概况： 大气污染严重。中国大气污染属于煤烟型污染，北方重于南方；中小城市污染势头甚于大城市；产煤区重于非产煤区；冬季重于夏季；早晚重于中午。目前中国能源消耗以煤为主，约占能源消费总量的四分之三。煤是一种肮脏能源，燃烧产生大量的粉尘、二氧化碳等污染物，是中国大气污染日益严重的主要原因。近年来，被称“空中死神”的酸雨不断蔓延，不仅影响中国大陆，而且也影响港澳和邻近国家。 2 选题意义 （1）理论意义：通过对大气污染的研究，1）可以控制和改善空气质量，2）为人民生活和生产创造清洁适宜的环境，3）防止生态环境破坏，4）保护人民健康，5）促进社会经济发展。 （2）现实意义：让人们开始重视起保护环境的意识. 二、研究主要内容 1.本研究的基本思路是：通过文献阅读与资料查找，明确“大气污染”概念，知道大气污染治理的相关理论 2.具体结构如下 一、绪论 二、相关理论概述： （一）大气污染治理理论概述 1 大气污染的概念和特征 2 大气污染治理要素 3 大气污染治理方法的分类 4 大气污染治理发展概述 二、中国大气污染现状及治理办法的可行性 （一）中国大气污染现状介绍 （二）中国大气污染治理策略分析 （三）中国大气污染治理的可行性分析 三、研究步骤、方法及措施 本文将采用文献研究、理论逻辑分析、实证分析三种方法。 1. 文献研究：先对己有的大气污染治理理论相关文献进行系统的学习和阅读。归纳整理大气污染治理的相关理论，重点整理前人关于“大气污染治理”的研究。 2. 理论逻辑分析：通过对中国当前大气污染现状的详细解读，提出当前治理手段的不足之处。循环广结合时代发展的新特点，提出了适合新时代模式。 3 实证分析： （1）分析当前大气污染现状 （2）分析当前大气污染治理的特点及可以借鉴之处。 （3）提出中国对该模式的假想运用。 四、研究进度计划 1．2013年05月31日，探索选题方向及思路； 2．2013年05月31日至2013年06月01日，收集资料，阅读文献,在不断修正中形成

点污染源空气污染扩散模型

8 点、中午12 点、晚上9 点都没有排放气体，该怎么算，是不是需要找到一个关于时间t的函数，来计算多长时间之后污染还剩下多少 c=Q./(2*pi*sigy.*sigz*u+eps).*exp(-0.5*(y.^2)./((sigy+eps).^2)).*(exp(-0.5*(z-H).^2./((sigz+eps).^2))+exp(-0.5*(z+H).^2./((sigz+ eps).^2))); 这个函数对吗？该调用什么函数？ 问题： 建立单污染源空气污染扩散模型，描述其对周围空气污染的动态影响规律。 现有河北境内某一工厂废气排放烟囱高50m，主要排放物为氮氧化物。早上9 点至下午 3 点期间的排放浓度为406.92mg/m3，排放速度为1200m3 /h；晚上10 点-凌晨4 点期间 的排放浓度为1160mg/m3，排放速度为5700m3 /h；通过你的扩散模型求解该工厂方圆51 公里分别在早上浓度8 点、中午12 点、晚上9 点空气污染分布和空气质量等级。 源代码 clear all clc [x,y]=meshgrid(0:20:5100,0:20:5100); Q=135.64; z=1.5; H=50; u=1.94; sigy=0.3914238*x.^0.865014; sigz=0.0757182*x.^1.00770; c=Q./(2*pi*sigy.*sigz*u+eps).*exp(-0.5*(y.^2)./((sigy+eps).^2)).*(exp(-0.5*(z-H).^2./((sigz+eps).^2))+exp(-0.5*(z+H).^2./((sigz+ eps).^2))); mesh(x,y,c); xlabel('X'),ylabel('Y'),zlabel('C'), clear all clc [x,y]=meshgrid(-5100:20:5100,-5100:20:5100); Q=1836.7; z=1.5; H=50; u=1.7; sigy=0.3914238*x.^0.865014; sigz=0.0757182*x.^1.00770; c=Q./(2*pi*sigy.*sigz*u+eps).*exp(-0.5*(y.^2)./((sigy+eps).^2)).*(exp(-0.5*(z-H).^2./((sigz+eps).^2))+exp(-0.5*(z+H).^2./((sigz+ eps).^2))); mesh(x,y,c); xlabel('X'),ylabel('Y'),zlabel('C'), 分享到： 2015-05-29 16:32 提问者采纳 clear all [x,y]=meshgrid(-51000:100:51000,-51000:100:51000); Q=135.64; z=1.5; H=50; u=1.94; sigy=0.3914238*x.^0.865014;

高斯分布背景模型原理

高斯分布背景模型原理 背景差分法的关键是背景图像的描述模型即背景模型，它是背景差分法分割运动前景的基础。背景模型主要有单模态和多模态两种，前者在每个背景像素点上的颜色分布比较集中，可以用单分布概率模型来描述，后者的分布则比较分散，需要用多分布概率模型来共同描述。在许多应用场景，如水面的波纹、摇摆的树枝，飘扬的红旗、监视器屏幕等，像素点的值都呈现出多模态特性。最常用的描述场景背景点颜色分布的概率密度模型（概率密度分布）是高斯分布（正态分布）。 1 单高斯分布背景模型 单高斯分布背景模型适用于单模态背景情形, 它为每个图象点的颜色建立了用单个高斯分布表示的模型) ,(,t t x N σμ其中下标t 表示时间。设图象点的当前颜色度量为t X ,若(,,)ttt p N X T μσ ≤ (这里p T 为概率阈值) , 则该点被判定为前景点, 否则为背景点(这时又称t X 与) ,(,t t x N σμ相匹配)。 在常见的一维情形中, 以t σ表示均方差, 则常根据/t t d σ的取值 设置前景检测阈值：若/t t d T σ>，则该点被判定为前景点, 否则为背 景点。 单高斯分布背景模型的更新即指各图象点高斯分布参数的更新。引入表示更新快慢的常数——更新率α， 则该点高斯分布参数的更新可表示为 1(1)t t t d μαμα+=-?+? （1）

21(1)t t t d σασα+=-?+? （2） 单高斯背景模型能处理有微小变化与慢慢变化的简单场景，当较复杂场景背景变化很大或发生突变，或者背景像素值为多峰分布（如微小重复运动）时，背景像素值的变化较快，并不是由一个相对稳定的单峰分布渐渐过度到另一个单峰分布，这时单高斯背景模型就无能为力，不能准确地描述背景了。]1[ 2 混合高斯分布背景模型 与单高斯背景模型不同，混合高斯背景模型对每个像素点用多个高斯模型混合表示。设用来描述每个像素的高斯分布共K 个（K 通常取 3—5个），象素uv Z 的概率函数： ,,,1()(,,)K u v j u v u v j u v j u v j P Z N Z ωμ ==∑∑ 其中,j uv ω是第j 个高斯分布的权值， 背景建模和更新过程（仅针对单个像素）： 1.初始化：第一个高斯分布用第一帧图像该点的像素值作为均值或前N 帧图像该点的像素值的平均值作为均值，并对该高斯分布的权值取较大值（比其它几个高斯分布大）。其余的高斯分布的均值均为0，权重相等，所有高斯函数的方差取相等的较大值。 2.权值归一化 3.选取背景

[大气污染,现状]大气污染的现状及治理

大气污染的现状及治理 摘要：大气污染是世界各国面临的最严峻环境问题，如何防止大气污染已被各国政府高度重视。中国大气环境面临的形势尤其严峻，大气污染物排放总量居高不下。如何防止城市大气污染，减轻其危害的影响，是中国环保工作的重要课题。随着经济快速发展及城市化和工业化发展加剧，能源消耗迅速增加，大气污染日益严重。中国已是世界少数大气污染最严重的国家之一，大气污染防治任务艰巨，任重而道远。 关键词：大气污染；危害；治理；措施 引言： 世界卫生组织和联合国环境组织发表的一份报告说："空气污染已成为全世界城市居民生活中一个无法逃避的现实。"如果人类生活在污染十分严重的空气里，那就将在几分钟内全部死亡。工业文明和城市发展，在为人类创造巨大财富的同时，也把数十亿吨计的废气和废物排入大气之中，人类赖以生存的大气圈却成了空中垃圾库和毒气库。因此，大气中的有害气体和污染物达到一定浓度时，就会对人类和环境带来巨大灾难。 一、中国大气污染现状 近年来，中国大气污染物排放总量呈逐年降低态势，部分污染较严重的城市空气质量有所好转，环境质量劣三级城市比例下降，但空气质量达到二级标准城市的比例也在减少，污染仍然很严重。中国大气污染的主要来源是生活和生产用煤，主要污染物是颗粒物和SO2。颗粒物是影响中国城市空气质量的主要污染物，SO2污染也保持在较高水平。老问题还远没解决，新环境污染问题接踵而来。随着机动车辆迅猛增加，中国部分城市的大气污染特征正在由烟煤型向汽车尾气型转变，NOx、CO呈加重趋势，有些城市已出现光化学烟雾现象，全国形成华中、西南、华东、华南多个酸雨区，多地出现雾霾天气、沙尘暴天气. 二、大气污染的危害与影响 大气污染对人类及其生存环境造成的危害与影响，已逐渐为人们所认识，归结起来有如下几个方面：①对人体健康的危害。人体受害有三条途径，即吸入污染空气、表面皮肤接触污染空气和食入含大气污染物的食物，除可引起呼吸道和肺部疾病外，还可对心血管系统、肝等产生危害，严重的可夺去人的生命。②对生物的危害。动物因吸入污染空气或吃含污染物食物而发病或死亡，大气污染物可使植物抗病力下降、影响生长发育、叶面产生伤斑或枯萎死亡。③对物品的危害。如对纺织衣物、皮革、金属制品、建筑材料、文化艺术品等，造成化学性损害和玷污损害。④造成酸性降雨，酸雨的危害向全世界蔓延，酸雨的危害遍及欧洲和北美，我国主要分布贵阳、重庆和柳州等地。酸雨降到地面后，导致水质恶化，对各种水生动物和植物都会受到死亡的威胁。植物叶片和根部吸收了大量酸性物质后，引起枯萎死亡。酸雨进入土壤后，使土壤肥力减弱。人类长期生活在酸雨中，饮用酸性的水质，都会造成呼吸器官、肾病和癌症等一系列的疾病。据估计，酸雨每年要夺走7500-12000人的生命。 ⑤破坏高空臭氧层，形成臭氧空洞，对人类和生物的生存环境产生危害。⑥对全球气候产生影响，如二氧化碳等温室气体的增多会导致地球大气增暧，导致全球天气灾害增多，又如烟尘等气溶胶粒子增多，使大气混浊度增加，减弱太阳辐射，影响地球长波辐射，可能导致天

改进混合高斯模型的运动目标检测算法

改进混合高斯模型的运动目标检测算法 Moving object detection algorithm of improved Gaussian mixture model For the traditional Gaussian mixture model cannot detect complete moving object and is prone to detect the background as the foreground region ，an improved algorithm was proposed for moving object detection based on Gauss mixture model. The Gaussian background model mixed with improved frame difference method for integration ，distinguished the uncovered background area and moving object region ，which could extract the complete moving object. To give a larger background updating rate of uncovered background area ，the background exposure of regional influences was eliminated. In complex scene ，it used the method of replacement by background model to improve the stability of the algorithm. The experiments prove that the improved algorithm has been greatly improved in the aspects of adaptability ，accuracy ，real-time ，

大气污染论文数学建模

大气污染评价与预报模型 摘要 本文对空气质量的评价及污染预报问题进行了分析，运用层次分析法依据处理后的数据对六个城市的空气质量进行了具体细致的排序；对2010年9月15日至9月21日的各项污染物浓度、各气象参数运用一元多项式回归模型进行了预测；就气象参数所属城市问题及污染物浓度与其的关系建立了相关性分析模型和多元线性回归模型；最后，根据建模过程和结果，我们对相关部门提出了几个具体的建议。 通过将数据附件所给有效数据，即日污染物浓度，转化为对应的月污染物浓度的均值，根据各城市月均污染浓度做出其随时间的走势折线图，分析了各个城市2SO 、2NO 、PM10之间的特点。我们拟根据API 指数值，以二级达标次数为准，对各城市之间的空气质量进行排名，但由于依据API 的区分空气质量等级时灵敏度较低，故采用了层次分析法对空气质量进行排名。由于我们采用了全部数据进行排名，而E 、F 数据较少，故只对ABCD 进行了排名。依据层次分析法得出的排名为：A 、B 、D 、C 。 为了精确预测各城市短期内的数据，本文选用一元多项式回归模型。对2010年的数据进行分析整理，依据回归模型得出其与时间的关系，得出预测值，并得出其置信度为95%的置信区间，结果显示模型的预测效果尚能接受，能够对所要预测数据进行预测。但由于F 城市数据缺失，根据假设做了合理的定性分析，并未对其进行定量预测。 分析空气质量与气象参数之间的关系时，首先根据数据完整性，气象参数应只属于其中一个城市，排除了D 、E 、F 的可能性，再根据相关性分析的方法，确定了气象参数属于A 城市。根据污染物与气象参数之间的因果关系，建立了多元线性回归模型，由于季节对污染物的浓度存在影响，分季节得出各污染物与各气象参数之间的相关系数，定性分析该相关系数，得出污染物与气象参数之间的关系。最后对该系数的理论与实际意义做了检验。 根据以上分析及结果，确定部分与空气质量控制相关的部门，针对其职能提出了诚恳建议。 关键词：API 评价模型 层次分析 一元多项式回归模型 相关性分析 多元回归

混合高斯模型算法原理

混合高斯模型算法原理 混合高斯模型是一种经典的背景建模算法，用于背景相对稳定情况下的运动目标检测。它由单高斯模型发展而来，对于多模态的背景有一定的鲁棒性，如：树叶晃动、水纹波动等。在介绍混合高斯模型前，首先介绍单高斯模型。 1. 单高斯背景模型： 单高斯模型将图像中每一个像素点的颜色值看成是一个随机过程，并假设该点的像素值出现的概率服从高斯分布。该算法的基本原理就是对每一个像素位置建立一个高斯模型，模型中保存该处像素的均值和方差。如，可设),(y x 处像素的均值为),(y x u ，方差为),(2y x σ，标准差为),(y x σ。由于随着视频图像序列的输入，模型参数不断更新，所以不同时刻模型参数有不同的值，故可将模型参数表示为三个变量t y x ,,的函数：均值),,(t y x u 、方差),,(2t y x σ、标准差),,(t y x σ。用单高斯模型进行运动检测的基本过程包括：模型的初始化、更新参数并检测两个步骤。 1）模型初始化 模型的初始化即对每个像素位置上对应的高斯模型参数进行初始化，初始化采用如下公式完成： ?? ???===init std y x init std y x y x I y x u _)0,,(_)0,,()0,,()0,,(22σσ （1） 其中，)0,,(y x I 表示视频图像序列中的第一张图像),(y x 位置处的像素值，init std _为一个自己设的常数，如可设20_=init std 。 2）更新参数并检测 每读入一张新的图片，判断新图片中对应点像素是否在高斯模型描述的范围中，如是，则判断该点处为背景，否则，判断该点处为前景。假设前景检测的结 果图为out put ，其中在t 时刻),(y x 位置处的像素值表示为),,(t y x output ，),,(t y x output 的计算公式如下： ???-?<--=otherwise t y x t y x u t y x I t y x output ,1)1,,()1,,(),,(,0),,(σλ （2） 其中，λ是自己设的一个常数，如可设5.2=λ。以上公式表示的含义是：若新的图片中相应位置的像素值与对应模型中像素的均值的距离小于标准差的λ倍，则该点为背景，否则为前景。 模型的更新采用如下公式： ?? ???=-?+-?-=?+-?-=),,(),,()],,(),,(I [)1,,()1(),,(),,()1,,()1(),,(2222t y x t y x t y x u t y x t y x t y x t y x u t y x u t y x u σσασασαα （3） 其中，参数α表示更新率，也是自己设的一个常数，该常数的存在可以使得模型在背景的缓慢变化时具有一定的鲁棒性，如光照的缓慢变亮或变暗等。

大气污染扩散模型

第一节大气污染物的扩散 一、湍流与湍流扩散理论 1. 湍流 低层大气中的风向是不断地变化，上下左右出现摆动；同时，风速也是时强时弱，形成迅速的阵风起伏。风的这种强度与方向随时间不规则的变化形成的空气运动称为大气湍流。湍流运动是由无数结构紧密的流体微团——湍涡组成，其特征量的时间与空间分布都具有随机性，但它们的统计平均值仍然遵循一定的规律。大气湍流的流动特征尺度一般取离地面的高度，比流体在管道内流动时要大得多，湍涡的大小及其发展基本不受空间的限制，因此在较小的平均风速下就能有很高的雷诺数，从而达到湍流状态。所以近地层的大气始终处于湍流状态，尤其在大气边界层内，气流受下垫面影响，湍流运动更为剧烈。大气湍流造成流场各部分强烈混合，能使局部的污染气体或微粒迅速扩散。烟团在大气的湍流混合作用下，由湍涡不断把烟气推向周围空气中，同时又将周围的空气卷入烟团，从而形成烟气的快速扩散稀释过程。 烟气在大气中的扩散特征取决于是否存在 湍流以及湍涡的尺度(直径)，如图5－7所示。 图5－7（a）为无湍流时，烟团仅仅依靠分子 扩散使烟团长大，烟团的扩散速率非常缓慢， 其扩散速率比湍流扩散小5～6个数量级；图5 －7（b）为烟团在远小于其尺度的湍涡中扩散， 由于烟团边缘受到小湍涡的扰动，逐渐与周边 空气混合而缓慢膨胀，浓度逐渐降低，烟流几乎呈直线向下风运动；图5－7（c）为烟团在与其尺度接近的湍涡中扩散，在湍涡的切入卷出作用下烟团被迅速撕裂，大幅度变形，横截面快速膨胀，因而扩散较快，烟流呈小摆幅曲线向下风运动；图5－7（d）为烟团在远大于其尺度的湍涡中扩散，烟团受大湍涡的卷吸扰动影响较弱，其本身膨胀有限，烟团在大湍涡的夹带下作较大摆幅的蛇形曲线运动。实际上烟云的扩散过程通常不是仅由上述单一情况所完成，因为大气中同时并存的湍涡具有各种不同的尺度。 根据湍流的形成与发展趋势，大气湍流可分为机械湍流和热力湍流两种形式。机械湍流是因地面的摩擦力使风在垂直方向产生速度梯度，或者由于地面障碍物(如山丘、树木与建筑物等)导致风向与风速的突然改变而造成的。热力湍流主要是由于地表受热不均匀，或因大气温度层结不稳定，在垂直方向产生温度梯度而造成的。一般近地面的大气湍流总是机械湍流和热力湍流的共同作用，其发展、结构特征及强弱决定于风速的大小、地面障碍物形成的粗糙度和低层大气的温度层结状况。 2. 湍流扩散与正态分布的基本理论 气体污染物进入大气后，一面随大气整体飘移，同时由于湍流混合，使污染物从高浓度区向低浓度区扩散稀释，其扩散程度取决于大气湍流的强度。大气污染的形成及其危害程度在于有害物质的浓度及其持续时间，大气扩散理论就是用数理方法来模拟各种大气污染源在

中国大气主要污染物及其防治方法

中国大气主要污染物及防治方法 摘要：本文对我国大气污染的主要来源进行总计和分析。提出大气污染的几点主要危害，结合我国当下实际情况，给出相应的解决方法。 关键字：大气污染来源危害解决方法 大气层是人类生存的重要组成部分。纯净的空气主要由氮气、氧气、氩气等组成，还有少量的水蒸气、二氧化碳等，成分和比例相对稳定。因为人类的生产和生活活动使大气中增加了其他成分，当大气成分的变化增加到环境所能允许的极限时，会使大气质量发生恶化，对人类的生活、工作、人体健康和精神状态、建筑物及设备财产等方面直接和间接地产生恶劣影响，这种现象就是大气污染[1]。 一、我国大气污染主要来源 大气污染来源很广泛，主要分为四个方面：(1)燃料的燃烧。在我国，工农业生产及人民生活使用的各种燃料有煤炭、石油、重油，燃烧过程会产生大气污染，污染物为其燃烧产物，即二氧化硫、氮氧化物和飞灰等；(2)工业生产。在冶金、化工、有色冶炼、造纸、纺织、建筑材料等生产过程会产生大量的有毒有害气体和粉尘，如矿石破碎过程、各种研磨加工过程及物料的混合、筛分等有大量的粉尘产生，生产过程使用的原材料被加热时发生一系列化学变化，此过程产生大量有毒有害气体。工业生产因使用的原料不同，对大气造成的污染也不同。包钢使用的白云鄂博铁矿石中含有7％的氟，因生产排放的含氟气体，会对周围环境造成影响；(3)农业生产。由于广大农村生活水平的提高，农村的粮产量大幅增加及日常生活燃料结构有很大变化，在我国一些粮食产区的大量麦杆就地燃烧，产生的烟雾不仅污染大气，使空气的能见度下降，还造成周围的机场关闭； (4)交通运输。目前大多数汽车等交通运输工具都使用汽油或柴油，由燃料燃烧不完全，大量的汽车尾气会造成大气污染。污染物主要为碳氢化合物、氮氧化合物，硫氧化物、铅化物、甲醛等。人为污染对环境的危害较广泛，必需引起重视。 二、大气污染的危害 据统计，已经产生危害或引起人们注意的污染物有100多种，其中影响范围广，对人类环境威胁较大的主要是煤粉尘、二氧化硫、一氧化碳、二氧化碳、氮氧化物、碳氢化合物，铅化物、氨、氟等。全球已经发生了多次重大的大气污染事件，例如1952年12月5日～8日的“伦郭烟雾”，是由硫氧化物引起，四天死亡4000人。本世界40年代初的“洛衫矶烟雾”是一种光化学烟雾，连续几天不散，使许多人喉咙发炎，眼睛、鼻子受到刺激，还出现头疼、恶心等症状。这种烟雾是由汽车尾气排放的氮氧化物和碳氢化合物经阳光照射形成的。 大气污染的危害主要分为以下几个方面： 1、对人体危害。

混合高斯背景建模与更新

计算机学院专业实习报告专业名称计算机科学与技术 实习题目基于多摄像机协同的运动对象分割与三维重建系统之背景建模与运动前景分割 姓名李林 班级10010804 学号2008302499 实习时间 指导教师杨涛Northwestern Polytechnical University

2010年7月14日 目录 摘要 (1) 第一章基本原理 (2) 1.1高斯模型原理 (2) 1.2 混合高斯背景建模与更新 (3) 1.2.1 背景训练 (4) 1.2.2 模板匹配 (4) 1.2.3背景更新 (5) 第二章运动物体提取 (6) 2.1目标提取概述 (6) 2.2 提取过程 (6) 2.2.1 参数设置 (6) 2.2.2 模型建立 (7) 2.2.3 背景学习 (7) 2.2.4 模板匹配与背景更新 (9) 第3章其他增强效果算法 (10) 3.1阴影的检测和去除 (10) 3.1.1 阴影简介 (10) 3.1.2 阴影检测法 (11) 3.1.2 阴影去除 (13) 3.2形态学滤波 (14) 3.2.1 图像腐蚀与膨胀 (15) 3.2.2 开运算和闭运算 (16) 第四章最终成品 (18) 4.1 成品说明 (18) 4.1.1性能说明 (18) 4.1.2成品样式 (19) 4.1.3使用说明 (19) 第五章实习心得 (19)

摘要 背景建模与运动前景分割是指从视频或者连续的图像序列中将运动的区域分割出来，本次实行所需的运动物体提取只是用来为后面的形成3维图形提供图像数据，日常生活中视频监控系统已广泛应用于各大公共场所，如公司，机场，酒店等都备有监控系统。但对于大多数监控系统来说，都需要监控者保持对监控录像的观测。如何实现视频监控系统的自动监控，是近年来比较关注的问题。自动视频监控技术其主要内容之一就是能监视某一特定场景中的新目标的出现，首先检测视频序列图像中是否有变化，如图像变化，说明有新目标出现，则把这个目标从视频图像序列中分割提取出来，为下一步的目标识别和跟踪提取数据提供基础。因此，一个视频监控系统的好坏，运动目标能否良好的提取是非常关键的。 目前运动目标的提取已经取得很多成果，并且不断有新技术、新方法出现。但是，在实际应用中，由于自然环境复杂，目标机动性高，使得提取与跟踪时干扰因素多，提取不准确且匹配效率不高。要提高跟踪的精度需要对复杂环境下的目标提取和跟踪进行研究，但到目前为止，仍没有一种普遍适用、比较完善的方法，因此对这两方面作进一步研究仍有很大空间。 针对本次实习的特殊场景，经分析决定采用混合高斯模型对运动图像进行提取，弥补单高斯模型不能适应背景微变化的这一缺陷，例如光照明暗、阴影等变化。利用混合高斯模型对输入的视频进行学习，之后再对运动物体进行前景提取，形成二值图像，运动物体置为白色，背景值为黑色，由于在提取过程中会存在这一些噪声点，所以最后运用腐蚀与膨胀运算对图像进行去噪处理。最终设计完形成的图像预计效果为能基本提取出运动物体，可能遇到较为复杂的背景会存在一定的噪声。 目前，从现有的测试数据来看程序能基本提取出运动物体，基本达到了预定的效果，在设计之中起初运用了帧间差分法，测试数据背景较为简单时能基本提取前景，但换成了光照发生变化的背景后运动物体的提取有明显难以改善的噪声，之后考虑更改算法，现有的算法中，光流法效果较为明显，但其算法较为复杂，不适合本次实习的开发，其次较为合适的还有单高斯模型，但其由于在变化的场景中表现

大气污染物扩散高斯模型模拟

大气污染物扩散的高斯模型模拟：可视化模拟点源大气污染的扩散Gaussian Atmospheric Dispersion Model 突发性大气污染事故时有发生，对大气污染扩散进行模拟和分析，有利于减小事故的危害，减轻人员伤亡和财产损失。高斯扩散模型是国际原子能机构(IAEA)推荐使用于重气云扩散模拟的数学模型,该模型在非重气云扩散的应用日益广泛。高斯扩散模型是描述大气对有害气体的输移、扩散和稀释作用的物理或数学模型,是进行灾害预测和救援指挥的有力手段之一。 高斯扩散模型 高斯模型又分为高斯烟团模型和高斯烟羽模型。大气污染物泄漏分为瞬时泄漏和连续泄漏，瞬时泄漏是指污染物泄放的时间相对于污染物扩散的时间较短如突发泄漏等的情形，连续泄漏则是指污染物泄放的时间较长的情形。瞬时泄漏采用高斯烟团模型模拟，而连续泄漏采用高斯模型烟羽模型模拟。高斯模型适用于非重气云气体，包括轻气云和中性气云气体。要求气体在扩散过程中，风速均匀稳定。 在高斯烟团模型中，选择风向建立坐标系统，即取泄漏源为坐标原点，x轴指向风向，y轴表示在水平面内与风向垂直的方向，z轴则指向与水平面垂直的方向，具体公式见式: (mg/s); x、y、z轴上的扩散系数，需根据大气稳定度选择参数计算得到(m)；x、y、z表示x、y、z上的坐标值(m)；u 表示平均风速(m/s)；t表示扩散时间(s)；H 表示泄漏源的高度(m)。 同理，高斯烟羽模型的表达式如： 技术方法 若用高斯模型算出空间每一个点在一个时刻的污染浓度，这个计算量是很大的。因此所设计的系统一般都是采用先进行图层网格化，由高斯模型计算出有限个网格点的上的污染物浓度，在进行空间内插得到面上每一个点的污染物浓度，并由此得到污染物浓度的等值线。整个过程的示意图如图所示

(完整版)关于印发《2019年全国大气污染防治工作要点》的通知

关于印发《2019年全国大气污染防治工作要点》的通知 各省、自治区、直辖市生态环境厅（局），新疆生产建设兵团环境保护局:为深入贯彻全国生态环境保护大会精神，全面落实《打赢蓝天保卫战三年行动计划》有关要求，我部编制了《2019年全国大气污染防治工作要点》。现印发给你们，请参照执行。 生态环境部办公厅 2019年2月27日 2019年全国大气污染防治工作要点 为深入贯彻全国生态环境保护大会精神，全面落实《打赢蓝天保卫战三年行动计划》（以下简称《三年行动计划》）有关要求，指导各地扎实做好2019年度大气污染防治工作，持续改善环境空气质量，特制订本工作要点。 一、全面完成大气环境目标 2019年，全国未达标城市细颗粒物（PM2.5）年均浓度同比下降2%，地级及以上城市平均优良天数比率达到79.4%；全国二氧化硫（SO2）、氮氧化物（NOx）排放总量同比削减3%。 二、深入开展大气环境综合管理 （一）组织召开全国大气污染防治工作会议。深入总结近年来全国大气污染治理工作经验和做法，全面分析当前大气环境形势和面临的深层次问题，安排部署下一步重点工作任务。

（二）组织开展《三年行动计划》考核评估。制定评分细则，将《三年行动计划》落实情况纳入污染防治攻坚战年度考核。秋冬季期间，每月通报重点区域大气污染综合治理攻坚战实施情况，对完不成任务的严肃问责。对环境空气质量改善进度缓慢或恶化的地区，每季度开展预警。 （三）完善相关配套政策。及时调度《落实〈打赢蓝天保卫战三年行动计划〉重点任务细化分工方案》重点措施进展情况，督促各有关部门按时限要求完成任务。 （四）强化监督督察。深入开展中央生态环境保护督察，坚持问题导向，紧盯中央高度关注、群众反映强烈、社会影响恶劣的区域大气环境问题，加强机动式、点穴式专项督察，切实落实地方党委、政府生态环境保护责任。继续组织全国执法力量，对重点区域开展强化监督。 三、稳步推进产业结构调整 （五）加大落后产能淘汰和过剩产能压减力度。积极配合有关部门，稳步推进化解钢铁、煤炭过剩产能，积极稳妥化解煤电过剩产能；重点区域完成“散乱污”企业及集群综合整治。 （六）加快制修订重点行业排放标准。印发《制药工业大气污染物排放标准》《挥发性有机物无组织排放控制标准》和《涂料、油墨及胶粘剂工业大气污染物排放标准》等，加快农药、家具制造、人造板、印刷、日用玻璃、铸造等行业大气污染物排放标准制修订工作，并加强与相应配套监测方法标准的衔接。鼓励各地制定实施更加严格的地方大气污染物排放标准。

混合高斯背景建模matlab代码

clear all % source = aviread('C:\Video\Source\traffic\san_fran_traffic_30sec_QVGA'); source = mmreader('SampleVideo.avi'); frameQYT=get(source,'NumberOfFrames'); % ----------------------- frame size variables ----------------------- fr = read(source,1); % 读取第一帧作为背景 fr_bw = rgb2gray(fr); % 将背景转换为灰度图像 fr_size = size(fr); %取帧大小 width = fr_size(2); height = fr_size(1); fg = zeros(height, width); bg_bw = zeros(height, width); % --------------------- mog variables ----------------------------------- C = 4; % 组成混合高斯的单高斯数目(一般3-5) M = 0; % 组成背景的数目 D = 2.5; % 阈值（一般2.5个标准差） alpha = 0.01; % learning rate 学习率决定更新速度(between 0 and 1) (from paper 0.01) thresh = 0.75; % foreground threshold 前景阈值(0.25 or 0.75 in paper) sd_init = 6; % initial standard deviation 初始化标准差(for new components) var = 36 in paper w = zeros(height,width,C); % initialize weights array 初始化权值数组 mean = zeros(height,width,C); % pixel means 像素均值 sd = zeros(height,width,C); % pixel standard deviations 像素标准差 u_diff = zeros(height,width,C); % difference of each pixel from mean 与均值的差p = alpha/(1/C); % initial p variable 参数学习率(used to update mean and sd) rank = zeros(1,C); % rank of components (w/sd) % ------initialize component means and weights 初始化均值和权值---------- pixel_depth = 8; % 8-bit resolution 像素深度为8位 pixel_range = 2^pixel_depth -1; % pixel range 像素范围2的7次方0—255（# of possible values) for i=1:height for j=1:width for k=1:C mean(i,j,k) = rand*pixel_range; % means random (0-255之间的随机数) w(i,j,k) = 1/C; % weights uniformly dist sd(i,j,k) = sd_init; % initialize to sd_init end end

我国中国大气污染防治概况

我国中国大气污染防治概况 一、大气污染物的源头及分类 大气污染系指由于人类活动或自然过程引起某些物质介入大气中，呈现出足够的浓度，达到了足够的时间，并因此而危害了人体的舒适、健康和福利或危害了环境的现象。所谓人类活动不仅包括生产活动，也包括生活活动，如做饭、取暖、交通等。所谓自然过程，包括火山活动、山林火灾、海啸、土壤和岩石的风化及大气圈中空气运动等。一般说来，由于自然环境的自净作用，会使自然过程造成的大气污染，经过一定时间后自动消除。所以说，大气污染主要是人类活动造成的。 按照污染的范围来分，大气污染大致可分为四类： ①局限于人范围的大气污染，如受到某些烟囱排气的直接影响； ②涉及一个地区的大气污染，如工业区及其附近地区或整个城市大气受到污染； ③涉及到比一个城市更广泛地区的广域污染； ④必须从全球范围考虑的全球性污染，如大气中的飘尘和二氧化碳气体的不断增加，就成了全球性污染，受到世界各国的关注。 大气污染源是指大气环境排放有害物质或对大气环境产生有害的场所，设备和装置。按污染物质的来源可分为天然污染源和人为污染源。 1、天然污染源 自然界中某些自然现象向环境排放有害物质或造成有害影响的场所，是大气污染物的一个很重要的来源。尽管与人为污染源相比，由自然现象所产生的大气污染物种类少，浓度低，在局部地区某一段可能形成严重影响，但从全球角度看，天然源还是很重要的，尤其在清洁地区。大气污染物的天然源主要有：

1）火山喷发：排放出SO2、H2S、CO2、CO、HF及火山灰等颗粒物。 2）森林火灾：排放出CO、CO2、SO2、NO2、HC等。 3）自然尘：风砂、土壤尘等。 4）森林植物释放：主要为萜烯类碳氢化合物。 5）海浪飞沫：颗粒物主要为硫酸盐与亚硫酸盐。 在某些情况下天然源比人为源更重要，有人曾对全球的硫氧化物和氮氧化物的排放作了估计，认为全球氮排放中的93%，硫氧化物排放中的60%来自天然源。 2、人为污染源 人类的生产和生活活动是大气污染的主要来源。通常所说的大气污染源是指由人类活动向大气输送污染物的发生源。 大气的人为污染源可概括为四方面： 燃料燃烧： 煤、石油、天然气等燃料的燃烧过程是向大气输送污染物的重要发生源。煤是主要的工业和民用燃料，它的主要成分是碳，并含有氢、氧、氮、硫及金属化合物。煤燃烧时除产生大量烟尘外，在燃烧过程中还会形成一氧化碳、二氧化碳、二氧化硫、氮氧化物、有机化合物及烟尘等有害物质。 火力发电厂、钢铁厂、焦化厂、石油化工厂和有大型锅炉的工厂、用煤量最大的工矿企业，根据工业企业的性质、规模不同，对大气产生污染的程度也不同。 家庭炉灶排气是一种排放量大、分布广、排放高度低、危害性不容忽视的空气污染源。 工业生产过程排放： 工业生产过程中排放到大气中的污染物种类多、数量大，是城市或工业区大气的重要污染源。

大气污染论文数学建模

14062116 刘宇飞 大气污染评价与预报模型 摘要 本文对空气质量的评价及污染预报问题进行了分析，运用层次分析法依据处理后的数据对六个城市的空气质量进行了具体细致的排序；对2010年9月15日至9月21日的各项污染物浓度、各气象参数运用一元多项式回归模型进行了预测；就气象参数所属城市问题及污染物浓度与其的关系建立了相关性分析模型和多元线性回归模型；最后，根据建模过程和结果，我们对相关部门提出了几个具体的建议。 通过将数据附件所给有效数据，即日污染物浓度，转化为对应的月污染物浓度的均值，根据各城市月均污染浓度做出其随时间的走势折线图，分析了各个城市2SO 、2NO 、PM10之间的特点。我们拟根据API 指数值，以二级达标次数为准，对各城市之间的空气质量进行排名，但由于依据API 的区分空气质量等级时灵敏度较低，故采用了层次分析法对空气质量进行排名。由于我们采用了全部数据进行排名，而E 、F 数据较少，故只对ABCD 进行了排名。依据层次分析法得出的排名为：A 、B 、D 、C 。 为了精确预测各城市短期内的数据，本文选用一元多项式回归模型。对2010年的数据进行分析整理，依据回归模型得出其与时间的关系，得出预测值，并得出其置信度为95%的置信区间，结果显示模型的预测效果尚能接受，能够对所要预测数据进行预测。但由于F 城市数据缺失，根据假设做了合理的定性分析，并未对其进行定量预测。 分析空气质量与气象参数之间的关系时，首先根据数据完整性，气象参数应只属于其中一个城市，排除了D 、E 、F 的可能性，再根据相关性分析的方法，确定了气象参数属于A 城市。根据污染物与气象参数之间的因果关系，建立了多元线性回归模型，由于季节对污染物的浓度存在影响，分季节得出各污染物与各气象参数之间的相关系数，定性分析该相关系数，得出污染物与气象参数之间的关系。最后对该系数的理论与实际意义做了检验。 根据以上分析及结果，确定部分与空气质量控制相关的部门，针对其职能提出了诚恳建议。 关键词：API 评价模型 层次分析 一元多项式回归模型

点污染源空气污染扩散模型

8点、中午12点、晚上9点都没有排放气体，该怎么算，是不是需要找到一个关于时间t的函数，来计算多长时间之后污染还剩下多少 c=Q./(2*pi*sigy.*sigz*u+eps)*exp(-0.5*(y.A2)./((sigy+eps).A2)).*(exp(-0.5*(z-H).A2./((sigz+eps).A2))+exp(-0.5*(z+H).A2./((sigz+ eps)A2))); 这个函数对吗？该调用什么函数？ 问题： 建立单污染源空气污染扩散模型，描述其对周围空气污染的动态影响规律。 现有河北境内某一工厂废气排放烟囱高50m，主要排放物为氮氧化物。早上9点至下午 3点期间的排放浓度为406.92mg/m3，排放速度为1200m3 /h;晚上10点-凌晨4点期间 的排放浓度为1160mg/m3，排放速度为5700m3 /h;通过你的扩散模型求解该工厂方圆51 公里分别在早上浓度8点、中午12点、晚上9点空气污染分布和空气质量等级。 源代码 clear all clc [x,y]=meshgrid(0:20:5100,0:20:5100); Q=135.64; z=1.5; H=50; u=1.94; sigy=0.3914238*x.A0.865014; sigz=0.0757182*x.A1.00770; c=Q./(2*pi*sigy.*sigz*u+eps).*exp(-0.5*(y.A2)./((sigy+eps).A2)).*(exp(-0.5*(z-H).A2./((sigz+eps).A2))+exp(-0.5*(z+H).A2./((sigz+ eps)A2))); mesh(x,y,c); xlabel('X'),ylabel('Y'),zlabel(C), clear all clc [x,y]=meshgrid(-5100:20:5100,-5100:20:5100); Q=1836.7; z=1.5; H=50; u=1.7; sigy=0.3914238*x.A0.865014; sigz=0.0757182*x.A1.00770; c=Q./(2*pi*sigy.*sigz*u+eps).*exp(-0.5*(y.A2)./((sigy+eps).A2)).*(exp(-0.5*(z-H).A2./((sigz+eps).A2))+exp(-0.5*(z+H).A2./((sigz+ eps)A2))); mesh(x,y,c); xlabel('X'),ylabel('Y'),zlabel(C), 分享到： 2015-05-29 16:32 提问者采纳 clear all [x,y]=meshgrid(-51000:100:51000,-51000:100:51000); Q=135.64; z=1.5; H=50; u=1.94; sigy=0.3914238*x.A0.865014;