采用多元线性逐步回归数学统计方法,在调查分析案例城市工业企业排放信息数据的基础上,建立了大气常规污染物(SO2、NOx、CO、VOCs(挥发性有机化合物)、PM10)排放量与相关影响因素(综合能源能耗、电消耗量、工业生产产值)的数学关系模型...采用多元线性逐步回归数学统计方法,在调查分析案例城市工业企业排放信息数据的基础上,建立了大气常规污染物(SO2、NOx、CO、VOCs(挥发性有机化合物)、PM10)排放量与相关影响因素(综合能源能耗、电消耗量、工业生产产值)的数学关系模型,并分析此模型对核算区县分辨率工业源排放大气常规污染物排放清单的适用性。结果表明,所建立的回归模型对核算区县分辨率工业源排放大气常规污染物排放清单具有较好的适用性与推广性。将该模型应用于唐山市,得到工业源SO2、NOx、CO、VOCs、PM10排放量拟合值的市级误差和区县级误差分别为17%、0.18%、-40%、-15%、47%和33%、16%、29%、27%、70%。建立的回归模型不但具有收集数据统计量种类简单的便利性,而且其区县级工业排放量拟合值与REAS(Region Emission Inventory in Asia)排放清单相比更接近调查值。展开更多
文摘采用多元线性逐步回归数学统计方法,在调查分析案例城市工业企业排放信息数据的基础上,建立了大气常规污染物(SO2、NOx、CO、VOCs(挥发性有机化合物)、PM10)排放量与相关影响因素(综合能源能耗、电消耗量、工业生产产值)的数学关系模型,并分析此模型对核算区县分辨率工业源排放大气常规污染物排放清单的适用性。结果表明,所建立的回归模型对核算区县分辨率工业源排放大气常规污染物排放清单具有较好的适用性与推广性。将该模型应用于唐山市,得到工业源SO2、NOx、CO、VOCs、PM10排放量拟合值的市级误差和区县级误差分别为17%、0.18%、-40%、-15%、47%和33%、16%、29%、27%、70%。建立的回归模型不但具有收集数据统计量种类简单的便利性,而且其区县级工业排放量拟合值与REAS(Region Emission Inventory in Asia)排放清单相比更接近调查值。
