API PUBL 4376-1983
トレーサー実験における改良された分散推定値の開発

規格番号

API PUBL 4376-1983

制定年

1983

出版団体

API - American Petroleum Institute

最新版

API PUBL 4376-1983

範囲

「はじめに 背景 大気浄化法の可決以来、環境保護庁 (EPA) は、発生源排出量と気象データを予想される大気質に関連付ける多数の大気質モデルを使用してきました。 EPA は大気質モデルの予測機能に依存してきました。 産業および都市の大気汚染問題を解決するために必要な制御レベルを特定するために使用されます。 モデルは、汚染物質の分散@変換および堆積に関与する複雑な物理的および化学的プロセスを数学的に表現したものです。 しかし、大気の複雑さと乱流の確率的特性は、最良のモデルであっても予測能力は制限されます。 入力データの多くに不確実性があるため、予測能力はさらに制限されます。 一連のガイドライン文書@ 1@2@3 を通じて、EPA は規制適用のためのモデリング アプローチの標準化を試みてきました。 モデルを適用することで、EPA は発生源の種類、土地利用、地形、汚染物質、対象となる平均時間に応じて、一連の一般的な用途のそれぞれに対して特定のモデルを推奨するようになりました。 EPA によって選択されたモデルのほとんどは、1940 年代に開発された定常状態のガウス点光源公式に基づいており、変換@ 堆積@ 減衰@ 構築@ 枯渇@ および複数の線源と受容体の構成に対する数多くの機能強化が施されています。 これらのガウス モデルは、野外実験から得られた経験的パラメータを利用して、気象条件の関数として分散挙動を予測します。 これらの分散パラメーターを推定するために、1950 年代から 1960 年代にかけて実施された多数のトレーサー分散プログラムが使用されました。 これらのトレーサー実験から得られたデータは、コンピューターや高度な数値解析ルーチンを大規模に使用する前に分析されました。 経験的な分散パラメータの開発においては、実質的な不確実性が認識され、許容されていました。 1979 年に、TRC Environmental Consultants@ Inc. (TRC) は、アメリカ石油協会 (API) のために、トレーサー分散プログラムからのデータを使用して現在の大気質モデル @ のパフォーマンスを評価する調査を引き受けました。 この研究では、観察されたトレーサー濃度と予測されたトレーサー濃度の間に大きな不一致が頻繁にあることが判明しました。 Phillips Petroleum の Lloyd Hellums は、最新の数学的フィッティング技術を使用してこれらのトレーサー データを再分析することで分散パラメーターが改善される可能性があると結論付けました。 そこで彼は、フィリップス石油社独自の非線形最小二乗最適化ルーチンを使用してトレーサー実験 @ を分析するための一連のコンピューター プログラムを開発しました。 この方法は、シングル ソース マス トランスファー (SSMT) 方法と呼ばれます。 Hellums は現在、12 のトレーサー プログラムからのデータを分析し、個々のトレーサー実験の分散係数を推定しています。 API は、Hellums によって得られた結果を以前の分散パラメータ推定値と比較し、これらの結果を利用して改善された大気質モデルを開発する可能性を評価するために TRC と契約しました。 目的とアプローチ このプロジェクトの 2 つの主な目的は、ガウス モデルの予測に固有の不確実性を推定することと、修正された分散パラメーターの使用によってモデルのパフォーマンスを向上させる実現可能性を評価することです。 SSMT は、非線形最小二乗最適化手法を使用して、分散パラメーターの最適な推定値を導き出します。 パラメーターは、観察されたトレーサー濃度とガウス モデルの予測の間の差異を最小限に抑えるように選択されます。 最適化後に残る差異（しばしば「残差」と呼ばれる）は、一般に、ガウス分布に従わない観察された濃度値に対応する。 これらの残差値は、モデルの不確実性の下限を設定します。 「完全な」定常状態ガウス大気質モデルは、各実験の最適化されたソリューションよりも観察された濃度とよりよく一致することは期待できません。 この最適化アプローチによる大気質モデルの改善の実現可能性を評価するには、非ガウス分布に加えて、他のいくつかの問題に直面する必要があります。 これらには、現在の分散パラメータと提案された分散パラメータ間の差異の程度、固有の不確実性の大きさ、および観測された分散と気象条件の関係が含まれます。 (彼の研究では、モデル改善の可能性を調査する際に使用された主な基準は、SSMT 分散パラメーターが観察値と一貫して一致する予測濃度値を提供する必要があるということでした。 最適化メソッドは残差値を最小限に抑えるように動作し、「適合度」を定期的に提供します) " 各 SSMT ソリューションの測定値。 Hellums は 3 つの代替フィッティング スキームを SSMT プログラムに組み込み、各スキームの結果を比較しました。 TRC はまた、これら 3 つの代替案の相対的なメリットも評価しました。 これらの評価から、より詳細な分析のために 1 つの SSMT オプションが選択されました。 個々のトレーサ実験からの実際的な観点@ 分散パラメータは、気象学@ サイト@ および発生源の条件に合わせたモデルの枠組みに組み込まれていない限り、分散を予測するために使用することはできません。 一般的なモデル開発アプローチでは、同様のタイプの実験からの分散の推定値を組み合わせようとします。 大気の乱気流の指標を定義する「大気安定度クラス」を通じて主要な条件を把握します。 現在、技術コミュニティおよび規制コミュニティによっていくつかの安定性分類スキームが使用されています。 既存の大気質モデルの予測スキームは、大気安定度クラスを利用して、特定のイベントに対して適切な経験的分散パラメーターを選択します。 改善されたモデルの基礎として SSMT の結果を評価する追加の手順には、分散パラメーターの以前の推定値との比較、およびいくつかの標準分類スキームの関数としての SSMT 分散係数の検査が含まれていました。 API@4 の初期研究の過程で TRC が開発しました。 多数のトレーサー実験の分散推定 現在のモデル パラメーターを導き出す手法と同様の、比較的単純な計算スキームが使用されました SSMT の結果は、これらの単純な推定および既存のモデルで採用されている一般化された分散アルゴリズムと比較されました SSMT の比較安定性クラスの関数としての分散係数は、安定性分類の現在の方法が適切であるかどうかを判断するために行われました。 このレポートの次のセクションで、SSMT 方法の評価が示されます。 セクション 2 では、SSMT 方法を定義し、3 つの代替最適化スキームについて説明します。 セクション 3@ では、トレーサー実験データベースの説明が行われます。 セクション 4@ では、方法を説明するために、いくつかの選択された実験の結果が示されます。 セクション 5 および 6 では、SSMT の結果と観察された濃度値および他の分散パラメーター推定値とを比較する統計的概要が示されます。 7 は、大気安定度クラスの関数として SSMT の分散パラメータを調査します。 プロジェクトの結果と結論はセクション 8 に示されています。

API PUBL 4376-1983 発売履歴

• 1983 API PUBL 4376-1983 トレーサー実験における改良された分散推定値の開発