AERMOD模型在区域环境空气质量预测中的应用研究

J4 ›› 2011, Vol. 24 ›› Issue (4): 58-63.

AERMOD模型在区域环境空气质量预测中的应用研究

丁娜¹, 陈亚琳², 王清芬²

1.日照市环境监测站，山东日照 276826； 2.日照市环境保护科学研究所，山东日照 276826

出版日期:2011-08-20 发布日期:2011-08-20
通信作者: 丁娜（1977-），女，工程师，主要从事环境监测、环境管理工作。

Application of AERMOD in the prediction of regional air quality

DING Na¹, CHEN Ya-Lin¹, WANG Qing-Fen¹

1.Rizhao Environment monitoring station, Rizhao 276826, China; 2.Rizhao Institute of Environmental Science, Rizhao 276826, China

Online:2011-08-20 Published:2011-08-20

摘要/Abstract

摘要：

以日照市为例，将AERMOD模型应用于区域环境空气质量的预测中，借助于AERMOD多源模型分析了不同污染源对大气环境的影响，并对未来五年日照市环境空气质量进行了预测。应用研究表明，AERMOD模型对于模拟中小城市区域范围内污染物与环境空气质量状况的关系具有较好的适用性，可用于对区域环境空气质量的预测。

关键词: AERMOD模型, 环境空气质量, 预测

Abstract:

This paper applies AERMOD model to the prediction of regional air quality, taking Rizhao as an example. This paper also analyzes the effects of different pollutants on regional air quality with this model and predicts the air quality of Rizhao in the next five years. Application results show that this model can well simulate the relationship between air quality and pollutants in small and medium sized cities, and can be applied to the prediction of regional air quality.

Key words: AERMOD model, air quality, prediction

中图分类号:

X511

丁娜, 陈亚琳, 王清芬. AERMOD模型在区域环境空气质量预测中的应用研究[J]. J4, 2011, 24(4): 58-63.

DING Na, CHEN Ya-Lin, WANG Qing-Fen. Application of AERMOD in the prediction of regional air quality[J]. J4, 2011, 24(4): 58-63.

[1]	王恒昆, 谷金, 宋之凡, 王江锋. 基于iTransformer的高速公路通行费精准预测模型[J]. 山东科学, 2025, 38(1): 120-128.
[2]	刘志臻, 黄鲁蒙, 孙亚鹏, 张颖, 刘振东. 基于小波变换与改进时间序列模型的船舶升沉运动预测方法[J]. 山东科学, 2024, 37(6): 1-11.
[3]	杨安安, 韩星玉, 田旷, 刘泽远, 明玮. 基于Stacking集成学习的机场线短时客流预测研究[J]. 山东科学, 2024, 37(4): 112-120.
[4]	王晓阳, 万晨光, 王笑风. 基于优化神经网络的沥青混合料力学特性预估[J]. 山东科学, 2024, 37(4): 56-64.
[5]	张含笑, 刘宇然, 刘媛, 牛子辰. 基于多任务学习的轨道交通短时客流预测研究[J]. 山东科学, 2024, 37(1): 95-106.
[6]	刘玉珠, 张玮. 河南省山地空气负氧离子预测模型研究[J]. 山东科学, 2023, 36(5): 121-128.
[7]	张国建, 孟浩, 熊威, 白涛, 孟现臣, 王军, 吕晓. 人工湖下连采连充煤炭开采地表移动变形预测研究[J]. 山东科学, 2023, 36(5): 33-43.
[8]	姜嘉伟, 赵金宝, 刘文静, 徐月娟, 李明星. 基于SSA-LSTM组合模型的城市轨道交通短时客流预测[J]. 山东科学, 2023, 36(5): 75-84.
[9]	贾兴斌, 宫响. 基于时间序列疏系数模型的太阳辐射年际变化趋势预测[J]. 山东科学, 2023, 36(1): 115-123.
[10]	朱士光, 四兵锋, 崔鸿蒙, 薛景文. 基于时空特征提取的城市轨道交通乘客出行目的地预测[J]. 山东科学, 2021, 34(4): 104-113.
[11]	侯南, 刘珑, 江婷, 田力男, 丁宁. 基于实时监测的轴承寿命预测方法[J]. 山东科学, 2021, 34(3): 42-48.
[12]	教欣萍, 王江锋, 陈磊, 高志军, 董佳宽, 黄海涛, 叶劲松. 基于HALRTC理论的短时交通流预测算法[J]. 山东科学, 2019, 32(6): 62-68.
[13]	高梦琦, 昌锡铭, 王欢. 基于小波分解和长短时记忆网络的地铁进站量短时预测[J]. 山东科学, 2019, 32(4): 56-63.
[14]	王硕, 谷远利, 李萌, 陆文琦, 张源. 基于混沌理论和MEA-BPNN模型的快速路短时交通流预测[J]. 山东科学, 2019, 32(2): 98-107.
[15]	蒋怡玥，董蜀黔，周淑敏. 基于集成算法的路段短时行驶时间预测[J]. 山东科学, 2018, 31(4): 118-125.