CN112035799A - 一种过滤器选型用室外pm2.5设计浓度确定方法及其应用 - Google Patents
一种过滤器选型用室外pm2.5设计浓度确定方法及其应用 Download PDFInfo
- Publication number
- CN112035799A CN112035799A CN202010912057.4A CN202010912057A CN112035799A CN 112035799 A CN112035799 A CN 112035799A CN 202010912057 A CN202010912057 A CN 202010912057A CN 112035799 A CN112035799 A CN 112035799A
- Authority
- CN
- China
- Prior art keywords
- concentration
- value
- cities
- outdoor
- design
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000013461 design Methods 0.000 title claims abstract description 51
- 238000012544 monitoring process Methods 0.000 claims abstract description 45
- 230000001186 cumulative effect Effects 0.000 claims description 9
- 239000002245 particle Substances 0.000 claims description 5
- 239000008277 atmospheric particulate matter Substances 0.000 claims description 4
- 238000005303 weighing Methods 0.000 claims description 3
- 238000004513 sizing Methods 0.000 claims 1
- 238000005192 partition Methods 0.000 description 8
- 230000007547 defect Effects 0.000 description 6
- 238000001914 filtration Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 2
- 239000013618 particulate matter Substances 0.000 description 2
- 238000013316 zoning Methods 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 238000004887 air purification Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000007261 regionalization Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Theoretical Computer Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Algebra (AREA)
- Dispersion Chemistry (AREA)
- Operations Research (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Probability & Statistics with Applications (AREA)
- Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Complex Calculations (AREA)
Abstract
本发明公开了一种过滤器选型用室外PM2.5设计浓度确定方法及其应用,根据省会城市监测数据得到现有条件下省会城市的年平均室外PM2.5浓度值;将监测数据整体进行日均浓度值排序,得出保证率曲线图;选择保证率从对应的图中得出各城市在所需保证率下的PM2.5室外设计浓度值;将不同城市及直辖市的不同保证率下对应的PM2.5浓度值与已得到的年均浓度值进行比值,得到的比例系数为对应城市的系数K值;根据地域划分,将所在地域内城市的K值进行加权求和,得到平均值作为所在区域的推荐K值,根据K值和现有省会城市得到所在区域内中小城市的PM2.5室外设计浓度值,并完成过滤器选型。本发明设计合理,操作简单,具有较高的工程价值。
Description
技术领域
本发明属于过滤器的指标完善和环境监测技术领域,具体涉及一种过滤器选型用室外PM2.5设计浓度确定方法及其应用。
背景技术
随着空气污染控制的增加,对于良好的室内环境而言,空气净化变得越来越必要。室内和室外设计PM2.5浓度的选择对于新鲜空气过滤系统的设计至关重要。这与确定供暖和空调系统的室内和室外设计条件类似。但是,在中国尚无国家标准给出确切的室外设计PM2.5浓度值。也没有给出确定室外PM2.5浓度值的方法的相应标准和规范。由于室外PM2.5的浓度受气候,地理,能源结构,产业链等的影响。此外,中国幅员辽阔,地势复杂,气候多样,经济发展十分不平衡。因此,地区之间存在很大差异,即使同一城市的不同地区也存在很大差异。而国外对室外设计PM2.5浓度的测定方法不一定适合中国。我们需要根据中国的实际情况,探索一种合适,有效,可行的方法。现有的方法是基于省会城市的监测数据,在大多数情况下很难满足理想室内空气质量的要求。这是因为目前具有综合监测数据的城市数量相对有限,而且历史数据很难找到,尤其是中小型城市。本发明提出一种简单有效的方法来估算室外设计中PM2.5的浓度,以选择建筑物中的空气过滤器。通过使用推荐系数K和省会城市颗粒物的年平均浓度,可以简单而准确地计算出不同地方的室外颗粒物浓度。简而言之,这项研究的主要贡献是提供一种简单有效的方法来估算适合室外设计的PM2.5浓度,以选择建筑物中的空气过滤器,为从事相关研究的设计师和研究人员提供参考依据,更具有较为广泛的实际意义。
现有方法不能有效地解决目前我国监测数据较少的弊端,此外该专利只能对一定时间内、范围内的颗粒物浓度进行预测,时间序列和整体范围相对较少,不能满足过滤器选型的要求。
现有方法只能得到局部空间或者特定地点的时刻浓度值,对于我国各地区的浓度值并不适用,仍然以监测站的数据为主。因此,此专利不能有效地对过滤器选型提供参考,尤其是对于我国部分中小城市来说,更是有很多不足之处。
现有方法只针对小区域下的颗粒物的准确测量,针对过滤器的选型来说,并不适用,设计人员不能参照此进行过滤器正确的选型,因此,不能大面积推广。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足,提供一种过滤器选型用室外PM2.5设计浓度确定方法及其应用,能够简单准确地计算出不同地方的室外颗粒物浓度。
本发明采用以下技术方案:
一种过滤器选型用室外PM2.5设计浓度确定方法,包括以下步骤:
S1、根据监测站的历史数据,收集并整理省会城市的完整监测数据;
S2、根据步骤S1整理的省会城市监测数据得到现有条件下省会城市的年平均室外PM2.5浓度值;
S3、根据保证率法,将监测数据整体进行日均浓度值排序,根据PM2.5浓度值的最大、最小极值确定划分区间,并根据日均值统计出现在各区间内的天数,分别计算出频率,再计算出累计频率,得出保证率曲线图;
S4、根据步骤S3得出的保证率曲线图,选择所需的保证率,然后从对应的图中得出各城市在所需保证率下的PM2.5室外设计浓度值;
S5、将不同城市及直辖市的不同保证率下对应的PM2.5浓度值与已得到的年均浓度值进行比值,得到的比例系数为对应城市的系数K值;
S6、根据地域划分,将所在地域内城市的K值进行加权求和,得到平均值作为所在区域的推荐K值,根据K值和现有省会城市的年均浓度值得到所在区域内中小城市的PM2.5室外设计浓度值,并完成过滤器选型。
具体的,步骤S1中,历史数据包含31个省会城市及直辖市。
具体的,步骤S2中,省会城市的年平均室外PM2.5浓度值取5~3年的历史数据进行平均,或取某一年的平均值。
具体的,步骤S3中,计算不同城市PM2.5浓度分组间距、分组数量以及PM2.5浓度不同分组之间的上限值,基于一年中不同城市PM2.5浓度日平均值,统计不同分组之间的频数,统计PM2.5浓度值在不同分组之间出现的天数,并计算出现的频率,按由小到大的分组顺序计算各分组区间对应的累积频率,即第i组对应的累积频率到第i组频率之和,得出保证率曲线图。
进一步的,第i组对应累计频率Fi为:
其中,fi为第i组的频率。
更进一步的,第i组的频率fi为:
其中,Ni为第i组的频数。
具体的,步骤S5中,根据保证率曲线图得到保证率97.5%和保证率95%下相对应的PM2.5浓度值;将不同城市及直辖市的不同保证率下对应的PM2.5浓度值与已得到的年均浓度值进行比值,得到的比例系数为对应城市的系数K值,计算所需地区的大气颗粒物浓度设计值CD。
8.根据权利要求7所述的过滤器选型用室外PM2.5设计浓度确定方法,其特征在于,所需地区的大气颗粒物浓度设计值CD为:
CD=KCy
其中,Cy为所在地区大气悬浮颗粒物年平均浓度;K为推荐常数。
具体的,步骤S6中,过滤器PM2.5的计重效率η为:
其中,Cw为室外PM2.5的质量浓度;Cs为新风系统送风气流中PM2.5的质量浓度。
本发明的另一个技术方案是,过滤器选型用室外PM2.5设计浓度确定方法在不同类型建筑物选型中的应用。
与现有技术相比,本发明至少具有以下有益效果:
本发明首先计算每个城市的年平均PM2.5值。其次,采用保证率法绘制了保证率曲线。再次,根据图表总结了不同保证率下相应的PM2.5值;接下来,得出不同保证率下大气颗粒物浓度与年平均值之间的比率关系。最后,根据不同的区域划分方法确定相应的推荐系数K。简而言之,系数K是不同保证率下大气颗粒物浓度与年平均值之比。每个区域的建议K值是相应区域中包含的城市的平均K值。因此,所需地区的室外浓度值可以由所在区域的推荐建议K值与省会城市颗粒物的年平均浓度值得到;本发明有效改善了现有针对过滤器选型中的不足,并基于此提出了一种简单有效的方法来估算所在地室外设计PM2.5的浓度值,以选择建筑物中的空气过滤器。通过使用推荐系数K值和省会城市颗粒物的年平均浓度,可以简单而准确地计算出不同地方的室外颗粒物浓度。
进一步的,随着我国监测数据的逐渐完善,但就目前来说,拥有完整的监测数据还主要是我国的31个主要省会城市及直辖市。因此,采用收集并整理省会城市及直辖市的完整监测数据更加贴合实际,且具有说服力,保证数据来源的真实性和可靠性。
进一步的,根据监测站的数据整理出近5或者3年或者选取某一年的省会城市及直辖市的年平均室外PM2.5浓度值,将其作为后续采用地域划分方法的相关参数。其主要原因是充分考虑由于政府政策引导以及民众环保意识的不断增强,室外大气颗粒物呈现出不同时刻下的差异,因此,近几年的监测数据更有实际代表意义。若选取某一年的,则尽量选取前一年的数据,是因为我国现有相关城市已经开展了节能措施、相关治理大气措施,这样的数据更加符合治理后的大气浓度变化。总之,具体是用根据使用者的实际综合要求而定。
进一步的,依据保证率法,将PM2.5浓度值进行大小排序,根据最大值和最小值确定划分区间,并整理出所在区间范围内的浓度下对应的天数,这样可以反映出实际情况下出现不同浓度天数在整个天数下的频率,再计算出累计频率,得出保证率曲线图。可以更加直观的看出不同PM2.5浓度范围下其对应的天数占整体天数的比例,也为后续保证良好的室内环境提供参考,同时也可以用来警醒人们环境卫生人人有责。
进一步的,目前我国现有各城市之间的室外大气颗粒物存在地域差异,且浓度值也会存在大小高低的差异,因此在分区数量上也会存在的不同的差异,因根据统计结果进行合理的分区,比如,污染严重的最大值和最小值差异较大,则分区范围就相对较广,所在区间的天数涵盖范围就相对大一些。相反,污染严重的最大值和最小值差异较小,则分区范围就相对较小,所在区间的天数涵盖范围就相对小一些。因此在分区数量会有一定的差异,造成对应分区下的频率也会有一定的差异,但整体原理相同,因此,均能反映出实际情况,保证数据的有效性。
进一步的,为了得到完整的保证率曲线图,在得到不同分区下对应的频率数据后,进一步将其频率累加,可以得到范围更广的分区下的天数所占的比率。其目的可以得到在满足要求保证率下的对应室外浓度。便于后续参考使用。
进一步的,根据得到的保证率曲线图,参考现有的设计要求和相关文献内容,我们需要得到保证率97.5%和保证率95%下相对应的PM2.5浓度值。此时保证率为97.5%为严格情况下的取值,一般指病房,洁净室等场所,保证率为95%为一般情况下的取值,一般指商城,学校等场所。并将此时得到的PM2.5浓度值与已得到的年均浓度值进行比值,得到的比例系数为对应城市的系数K值,作为后续采用方法中的相关主要参数。
进一步的,结合多年来中国自然地理学的科学研究成果,采用区域划分法,即默认同一地区的地理条件差异很小,则该区域内的城市的K值加权平均值则为推荐K值。通过K值和已得到的年均浓度值便可以求出我国不同地方(尤其是没有监测数据的中小城市)下的室外PM2.5浓度值。
进一步的,根据所得到的室外PM2.5浓度值,根据过滤器选型的公式,便可以求出我国不同地方(尤其是没有监测数据的中小城市)下的不同类型的建筑物中的过滤效率,根据厂家的过滤器等级的铭牌,便可以准确的进行设备选型,填补了现有空气过滤器针对室外大气颗粒物浓度不健全的弊端。
综上所述,本发明设计合理,操作简单,具有较高的工程价值。可快速、准确的给出过滤器在使用选型过程中所在地区的室外PM2.5浓度值,从而可以更加准确、快速地对过滤器进行选型,有效地解决了我国目前室外PM2.5浓度值差异较大的问题,尤其是PM2.5浓度随时间和地点的不同而有很大差异,具有较强的实际意义。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
图1为本发明的整体流程图;
图2为本发明中实施例2西安市保证率曲线;
图3为本发明中各省会及直辖市K值的分布图;
图4为本发明中推荐地理分区下的各区域推荐K值;
图5为本发明中估算结果与现有给出城市的对比差异图;
图6为本发明中针对中小城市的示意图。
具体实施方式
本发明提供了一种过滤器选型用室外PM2.5设计浓度确定方法及其应用,利用所在区域的推荐建议K值与省会城市颗粒物的年平均浓度值得到该地区的PM2.5浓度。为缺少完整的监测系统和原始历史数据的中小城市提供准确的室外PM2.5浓度参数。因此,本发明可以有效地解决室外大气颗粒物复杂多变、拥有全面数据的城市数量相对有限的弊端,可快速、准确的给出过滤器在使用选型过程中所在地区的室外PM2.5浓度值,从而可以更加准确、快速地对过滤器进行选型,具有较强的实际意义。
请参阅图1,本发明一种过滤器选型用室外PM2.5设计浓度确定方法,包括以下步骤:
S1、根据监测站的历史数据,收集并整理现有的省会城市的完整监测数据;
历史数据包含31个省会城市及直辖市,此数据不包括台湾省,香港特别行政区,澳门特别行政区。
S2、根据步骤S1整理的省会城市的监测数据,得到现有条件下省会城市的年平均室外PM2.5浓度值;
省会主要城市的年平均室外PM2.5浓度值可以取近几年的历史数据进行平均,也可以根据所需的实际情况,取近特定哪一年的平均值。
S3、根据保证率法,将监测数据整体进行日均浓度值排序,根据PM2.5浓度值的最大、最小极值确定划分区间,并根据日均值统计出现在各区间内的天数,分别计算出频率,再计算出累计频率,最终得出保证率曲线图;
保证率曲线图根据现有各城市之间的室外大气颗粒物存在地域差异,且浓度值也会存在大小高低的差异,因此在分区数量上也会存在的不同的差异,但其基本原理以及步骤相似,其结果均为都可以得到所在城市下的保证率曲线图。
S4、根据保证率曲线图,选择所需的保证率,确定好保证率后从对应的图中可以得出各城市在所需保证率下的PM2.5室外设计浓度值;
S5、将不同城市及直辖市的不同保证率下对应的PM2.5浓度值与已得到的年均浓度值进行比值,得到的比例系数则为该城市的系数K值;
保证率曲线图得到不同保证率下的对应的PM2.5浓度值,即保证率下97.5%(不保证率2.5%)、保证率下95%(不保证率5%)下相对应的PM2.5浓度值。将不同城市及直辖市的不同保证率下对应的PM2.5浓度值与已得到的年均浓度值进行比值,得到的比例系数则为该城市的系数K值。则所需地区的大气颗粒物浓度设计值CD用下式(1)计算:
CD=KCy (1)
其中,Cy为所在地区大气悬浮颗粒物年平均浓度;K为推荐常数。
S6、根据地域划分,将所在地域内的城市的K值进行加权求和,并得到平均值,此时的K值为所在区域的推荐K值,根据K值和现有的省会城市可以得到所在区域内中小城市的PM2.5室外设计浓度值,并指导过滤器的准确选型。
区域的推荐K值为根据多年来中国自然地理学的科学研究成果,并基于对地理条件,地形和人们生活习俗的综合考虑。默认同一地区的地理条件差异很小,采用地理区域划分,则该区域内的城市的K值加权平均值则为推荐K值。
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中的描述和所示的本发明实施例的组件可以通过各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
根据现有我国监测站的历史数据,收集并整理现有的省会城市的完整监测数据。根据整理的省会城市的监测数据,得到现有条件下的省会主要城市的年平均室外PM2.5浓度值。根据保证率法,将监测数据整体进行日均浓度值排序,根据PM2.5浓度值的最大、最小极值确定划分区间,并根据日均值统计出现在各区间内的天数,分别计算出频率,再计算出累计频率,最终得出保证率曲线图。根据保证率曲线图,选择所需的保证率,确定好保证率后从对应的图中可以得出各城市在所需保证率下的PM2.5室外设计浓度值。然后利用保证率曲线图,可以得到不同保证率下的对应的PM2.5浓度值。将不同城市及直辖市的不同保证率下对应的PM2.5浓度值与已得到的年均浓度值进行比值,得到的比例系数则为该城市的系数K值。根据地域划分,我们将所在地域内的城市的K值进行加权求和,并得到平均值,此时的K值为所在区域的推荐K值,根据K值和现有的省会城市可以得到所在区域内中小城市的PM2.5室外设计浓度值。则所需地区的大气颗粒物浓度设计值CD用下式(1)计算:
CD=KCy (1)
其中,Cy为所在地区大气悬浮颗粒物年平均浓度;K为推荐常数。
根据保证率法,将监测数据整体进行日均浓度值排序,根据PM2.5浓度值的最大、最小极值确定划分区间,并根据日均值统计出现在各区间内的天数,分别计算出频率,再计算出累计频率,最终得出保证率曲线图。根据保证率曲线图,选择所需的保证率,确定好保证率后从对应的图中可以得出各城市在所需保证率下的PM2.5室外设计浓度值。然后利用保证率曲线图,可以得到不同保证率下的对应的PM2.5浓度值。
具体计算如下:
计算不同城市PM2.5浓度分组间距、分组数量以及PM2.5浓度不同分组之间的上限值,计算公式如(2)和(3)所示:
Ci=i×C (3)
其中,Cn为PM2.5浓度分组区间组距;Cmax和Cmin为整体数据内PM2.5浓度的最大和最小值,μg/m3;n为不同城市PM2.5浓度的分组数量,取8~10;C为大于并且最接近Cn的整数值;Ci为第i个分组的上限值。
基于一年中不同城市PM2.5浓度日平均值,统计不同分组之间的频数,统计PM2.5浓度值在不同分组之间出现的天数,并计算出现的频率,如下式(4):
其中,fi为第i组的频率,Ni为第i组的频数。
再次,按由小到大的分组顺序计算各分组区间对应的累积频率,即第i组对应的累积频率第1到第i组频率之和,按公式(5)计算;
其中,Fi为第i组对应累计频率,%。
请参阅图2,以西安为例绘制保证率曲线,并以2017年监测数据为例进行计算;将2017年整年的PM2.5日均浓度值进行排序,西安2017年最大和最小PM2.5浓度值分别为490μg/m3和8μg/m3,两者差值482μg/m3,因此,取n=10。Cn为48.2(公式2),C取50。分组中限值依次为50、100、150、200、250、300、350、400、450、500(公式3)。根据日均值统计出现在各区间内的天数,总数为365天,分别计算出频率(公式4),再由公式5计算出累计频率,计算结果见表1,得出西安市保证率曲线图。
表2西安市各分组区间及累计频率
图2可以看出PM2.5室外计算浓度值随保证率的变化趋势及其具体取值,由图可得出所需PM2.5的设计浓度取值,若要求室内PM2.5的设计保证率为95%,则PM2.5室外设计浓度取值约为220μg/m3;若要求室内PM2.5的设计保证率为97.5%,则PM2.5室外设计浓度取值约为260μg/m3。此时保证率为97.5%为严格情况下的取值,一般指病房,洁净室等,保证率为95%为一般情况下的取值,一般指商城,学校等。
根据相同的方法得到目前现有的完整监测数据的31个主要城市及直辖市的保证率曲线图,选择所需的保证率(95%、97.5%),从而得到对应的各城市在所需保证率下的PM2.5室外设计浓度值。将不同城市及直辖市的不同保证率下对应的PM2.5浓度值与已得到的年均浓度值进行比值,得到的比例系数则为该城市的系数K值,如表2所示。为了更加清晰的表述,图3给出了目前主要城市推荐的系数K值。
表2我国推荐常数k的取值
请参阅图4,由于PM2.5浓度随时间和地点的不同而有很大差异。它与许多因素有关,例如地理位置,天气状况,当地能源结构和产业链。即使是同一城市不同地区的浓度值也可能大不相同。此外,现有方法是基于省会城市的监测数据。但是,中国拥有全面数据的城市数量相对有限,只有31个省会城市拥有完整的监测数据,可用于计算室外设计PM2.5浓度。特别是对于缺少完整的监测系统和原始历史数据的中小城市更是不足。因此,结合多年来中国自然地理学的科学研究成果,并基于对地理条件,地形和人们生活习俗的综合考虑。默认同一地区的地理条件差异很小,采用地理区域划分,则该区域内的城市的K值加权平均值则为推荐K值。
根据前期市场调查及调研,过滤器过滤效率的选取如公式(6)所示:
其中,η为过滤器PM2.5的计重效率;Cw为室外PM2.5的质量浓度,μg/m3;Cs为新风系统送风气流中PM2.5的质量浓度,μg/m3。
以2017年全年数据为例,分别对比西安、广州、北京以及上海4个主要城市的室外PM2.5的浓度值。根据给出的监测站所给出的31个城市的年平均浓度值,得到不同保证率下的室外PM2.5设计浓度值。与所推荐的分区下的室外PM2.5设计浓度值计算如表3所示。
根据表3的结果作为室外PM2.5的质量浓度Cw分别代入公式(2-6),室内浓度采用标准规定的一般场所为例,Cs=75μg/m3,图5为给出的新风过滤采用室外PM2.5浓度方法的对比。从图中可以看出,采用推荐给出的地域分区法在2种情况下与现有监测站给出的城市法相差不大,其过滤器的总效率对应下的选型结果差异同样不大。因此,可以看出可以利用推荐的地域分区法来得到室外PM2.5设计浓度值,满足对于中小城市以及缺少历史数据的城市的取值。
鉴于目前中国拥有全面数据的城市数量相对有限,只有31个省会城市拥有完整的监测数据,可用于计算室外设计PM2.5浓度。特别是对于缺少完整的监测系统和原始历史数据的中小城市更是不足。因此,本发明采用地理分区,并基于对地理条件,地形和人们生活习俗的综合考虑,默认同一地区的地理条件差异很小,提出了一种简单有效的方法来估算中国室外设计中PM2.5的浓度,则所需地区的大气颗粒物浓度设计值CD计算如下:
CD=KCy
其中,Cy为所在地区大气悬浮颗粒物年平均浓度;K为推荐常数。
假设以湖南怀化市为例。怀化是属于中部地区的四线城市,推荐系数K在严格条件下为3.07,在正常条件下为2.66。现有的监测数据可以得出湖南省年平均室外PM2.5浓度。通过将系数K和颗粒物的年平均浓度代入上式,可以快速计算室外K设计浓度,如图6所示,可以看出,该方法简便、准确,可确定中小型城市室外PM2.5设计浓度,人们可根据要求进行过滤器选型。
综上所述,本发明一种过滤器选型用室外PM2.5设计浓度确定方法及其应用,本发明设计合理,操作简单,具有较高的工程价值。可快速、准确的给出过滤器在使用选型过程中所在地区的室外PM2.5浓度值,从而可以更加准确、快速地对过滤器进行选型。有效地解决了我国目前室外PM2.5浓度值差异较大的问题,尤其是PM2.5浓度随时间和地点的不同而有很大差异。它与许多因素有关,例如地理位置,天气状况,当地能源结构和产业链。即使是同一城市不同地区的浓度值也可能大不相同。此外,目前我国尚无国家标准给出室外设计PM2.5浓度的准确值。也没有给出确定室外PM2.5浓度值的方法的相应标准和规范。现有方法是基于省会城市的监测数据。但是,中国拥有全面数据的城市数量相对有限,只有31个省会城市拥有完整的监测数据,可用于计算室外设计PM2.5浓度。特别是对于缺少完整的监测系统和原始历史数据的中小城市更是不足。鉴于室外大气颗粒物复杂多变,应为设计新风空气过滤系统确定合理的室外PM2.5浓度。因此,本发明的目的是开发一种简单有效的方法来估算室外设计中PM2.5的浓度,以选择建筑物中的空气过滤器。
以上内容仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明权利要求书的保护范围之内。
Claims (10)
1.一种过滤器选型用室外PM2.5设计浓度确定方法,其特征在于,包括以下步骤:
S1、根据监测站的历史数据,收集并整理省会城市的完整监测数据;
S2、根据步骤S1整理的省会城市监测数据得到现有条件下省会城市的年平均室外PM2.5浓度值;
S3、根据保证率法,将监测数据整体进行日均浓度值排序,根据PM2.5浓度值的最大、最小极值确定划分区间,并根据日均值统计出现在各区间内的天数,分别计算出频率,再计算出累计频率,得出保证率曲线图;
S4、根据步骤S3得出的保证率曲线图,选择所需的保证率,然后从对应的图中得出各城市在所需保证率下的PM2.5室外设计浓度值;
S5、将不同城市及直辖市的不同保证率下对应的PM2.5浓度值与已得到的年均浓度值进行比值,得到的比例系数为对应城市的系数K值;
S6、根据地域划分,将所在地域内城市的K值进行加权求和,得到平均值作为所在区域的推荐K值,根据K值和现有省会城市的年均浓度值得到所在区域内中小城市的PM2.5室外设计浓度值,并完成过滤器选型。
2.根据权利要求1所述的过滤器选型用室外PM2.5设计浓度确定方法,其特征在于,步骤S1中,历史数据包含31个省会城市及直辖市。
3.根据权利要求1所述的过滤器选型用室外PM2.5设计浓度确定方法,其特征在于,步骤S2中,省会城市的年平均室外PM2.5浓度值取5~3年的历史数据进行平均,或取某一年的平均值。
4.根据权利要求1所述的过滤器选型用室外PM2.5设计浓度确定方法,其特征在于,步骤S3中,计算不同城市PM2.5浓度分组间距、分组数量以及PM2.5浓度不同分组之间的上限值,基于一年中不同城市PM2.5浓度日平均值,统计不同分组之间的频数,统计PM2.5浓度值在不同分组之间出现的天数,并计算出现的频率,按由小到大的分组顺序计算各分组区间对应的累积频率,即第i组对应的累积频率到第i组频率之和,得出保证率曲线图。
7.根据权利要求1所述的过滤器选型用室外PM2.5设计浓度确定方法,其特征在于,步骤S5中,根据保证率曲线图得到保证率97.5%和保证率95%下相对应的PM2.5浓度值;将不同城市及直辖市的不同保证率下对应的PM2.5浓度值与已得到的年均浓度值进行比值,得到的比例系数为对应城市的系数K值,计算所需地区的大气颗粒物浓度设计值CD。
8.根据权利要求7所述的过滤器选型用室外PM2.5设计浓度确定方法,其特征在于,所需地区的大气颗粒物浓度设计值CD为:
CD=KCy
其中,Cy为所在地区大气悬浮颗粒物年平均浓度;K为推荐常数。
10.根据权利要求1所述的过滤器选型用室外PM2.5设计浓度确定方法在不同类型建筑物选型中的应用。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010912057.4A CN112035799A (zh) | 2020-09-02 | 2020-09-02 | 一种过滤器选型用室外pm2.5设计浓度确定方法及其应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010912057.4A CN112035799A (zh) | 2020-09-02 | 2020-09-02 | 一种过滤器选型用室外pm2.5设计浓度确定方法及其应用 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112035799A true CN112035799A (zh) | 2020-12-04 |
Family
ID=73590589
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010912057.4A Pending CN112035799A (zh) | 2020-09-02 | 2020-09-02 | 一种过滤器选型用室外pm2.5设计浓度确定方法及其应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112035799A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103234883A (zh) * | 2013-04-30 | 2013-08-07 | 中南大学 | 一种基于道路交通流量实时估算中心城区pm2.5浓度的方法 |
RU2597671C1 (ru) * | 2015-03-25 | 2016-09-20 | Федеральное государственное автономное образовательное учреждение высшего профессионального образования "Санкт-Петербургский государственный университет аэрокосмического приборостроения" (ГУАП) | Способ формирования сети постов экологического мониторинга воздушной среды города |
CN107491566A (zh) * | 2016-06-12 | 2017-12-19 | 中国科学院城市环境研究所 | 一种定量化研究城市森林对pm2.5净化作用的方法 |
CN110210681A (zh) * | 2019-06-11 | 2019-09-06 | 西安电子科技大学 | 一种基于距离的监测站点pm2.5值的预测方法 |
CN110411919A (zh) * | 2019-08-02 | 2019-11-05 | 中国科学院遥感与数字地球研究所 | 一种基于卫星多光谱技术的pm2.5浓度遥感估算方法 |
KR102105098B1 (ko) * | 2018-11-23 | 2020-04-27 | 평택대학교 산학협력단 | 지하철 객실 내 미세먼지 측정 시스템 및 방법 |
CN111144286A (zh) * | 2019-12-25 | 2020-05-12 | 北京工业大学 | 一种融合emd和lstm的城市pm2.5浓度预测方法 |
-
2020
- 2020-09-02 CN CN202010912057.4A patent/CN112035799A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103234883A (zh) * | 2013-04-30 | 2013-08-07 | 中南大学 | 一种基于道路交通流量实时估算中心城区pm2.5浓度的方法 |
RU2597671C1 (ru) * | 2015-03-25 | 2016-09-20 | Федеральное государственное автономное образовательное учреждение высшего профессионального образования "Санкт-Петербургский государственный университет аэрокосмического приборостроения" (ГУАП) | Способ формирования сети постов экологического мониторинга воздушной среды города |
CN107491566A (zh) * | 2016-06-12 | 2017-12-19 | 中国科学院城市环境研究所 | 一种定量化研究城市森林对pm2.5净化作用的方法 |
KR102105098B1 (ko) * | 2018-11-23 | 2020-04-27 | 평택대학교 산학협력단 | 지하철 객실 내 미세먼지 측정 시스템 및 방법 |
CN110210681A (zh) * | 2019-06-11 | 2019-09-06 | 西安电子科技大学 | 一种基于距离的监测站点pm2.5值的预测方法 |
CN110411919A (zh) * | 2019-08-02 | 2019-11-05 | 中国科学院遥感与数字地球研究所 | 一种基于卫星多光谱技术的pm2.5浓度遥感估算方法 |
CN111144286A (zh) * | 2019-12-25 | 2020-05-12 | 北京工业大学 | 一种融合emd和lstm的城市pm2.5浓度预测方法 |
Non-Patent Citations (4)
Title |
---|
唐波;高军;: "室外PM2.5设计浓度确定方法研究", 建筑热能通风空调, no. 11, 30 November 2018 (2018-11-30) * |
季银炼;张钧波;宋佳;: "江苏省PM2.5污染现状分析及建筑室外PM2.5设计质量浓度确定", 常州大学学报(自然科学版), no. 04, 31 July 2018 (2018-07-31) * |
张晓丽: "通风室外PM2.5设计浓度的确定方法研究", 《中国优秀硕士学位论文全文数据库(电子期刊)》, 15 June 2020 (2020-06-15), pages 21 - 23 * |
王清勤;李国柱;朱荣鑫;王军亮;赵力;王晓飞;孟冲;: "空气过滤器设计选型用PM_(2.5)室外设计浓度确定方法", 建筑科学, no. 12, 31 December 2015 (2015-12-31) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sun et al. | Assessment of population exposure to PM10 for respiratory disease in Lanzhou (China) and its health-related economic costs based on GIS | |
CN107917987A (zh) | 一种面向城市空气污染物溯源分析方法 | |
Zhao et al. | Operating behavior and corresponding performance of mechanical ventilation systems in Chinese residential buildings | |
CN109492950B (zh) | 一种基于gis技术可满足大区域范围空间饱和负荷预测方法 | |
CN111382951B (zh) | 一种城市空气质量改善目标的分配方法 | |
Gustafsson et al. | Quantification of population exposure to NO2, PM2. 5 and PM10 and estimated health impacts | |
CN110728063A (zh) | 一种判断气象与源排放变化对空气质量影响的定量方法 | |
CN116402408B (zh) | 一种基于站点浓度差异的本外地排放贡献估算方法 | |
CN112738729B (zh) | 一种用手机信令数据判别探亲返乡游客的方法及系统 | |
Xu et al. | Temporal and spatial heterogeneity research of urban anthropogenic heat emissions based on multi-source spatial big data fusion for Xi’an, China | |
CN112101755A (zh) | 一种基于多因素综合考虑的服务区能耗估算方法及系统 | |
Ye et al. | Spatial-temporal analysis of daily air quality index in the Yangtze River Delta region of China during 2014 and 2016 | |
Zhang et al. | Research on outdoor design PM2. 5 concentration for fresh air filtration systems based on mathematical inductions | |
CN109886553A (zh) | 一种水污染负荷公平性评价与分配方法 | |
CN113553551A (zh) | 一种耦合景观格局的臭氧浓度预测模型 | |
CN112035799A (zh) | 一种过滤器选型用室外pm2.5设计浓度确定方法及其应用 | |
Rao et al. | Comparisons of three‐dimensional urban forms in different urban expansion types: 58 sample cities in China | |
CN112053076A (zh) | 一种基于大数据的宜居城市评价方法和系统 | |
CN109613179B (zh) | 累积高值区的确定方法 | |
Bringfelt et al. | A numerical air pollution dispersion model for central Stockholm | |
CN107766296A (zh) | 评价道路交通特征对可吸入颗粒物排放浓度影响的方法 | |
Teng et al. | Study on the Temporal and Spatial Variation of PM 2.5 in Eight Main Cities of Yunnan Province | |
CN113283056A (zh) | 蒸发冷却空调技术在不同地区适应度计算方法 | |
CN114021859A (zh) | 一种酒店建筑用水量的预测方法 | |
Cheng et al. | Spatiotemporal Variation Air Quality Index Characteristics in China’s Major Cities During 2014–2020 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |