图4-8 NOx排放量随时间变化图
从NOx排放量随时间变化的趋势可以看出，NOx排放量随着时间的推移逐渐
出现上升的趋势，到后来出现一个突增突减的过程，所以可恰当认为当NOx排放量出现极大值时，机器发生故障。
图4-9 SO2排放量随时间变化图
从SO2排放量随时间变化的趋势可以看出，SO2排放量随时间变化的趋势在最开始的一段时间比较稳定，之后渐渐上升，与NOx、颗粒物排放量随时间变化的趋势大体趋于一致。
为了便于我们研究三种污染物排放量随时间变化的趋势，从监测次数的角度来说，考虑到给出的数据完备性不足，不宜预测。我们把最开始排放量随时间变化不太稳定的一段时间内监测的数据舍去，不加入研究范围。在此只研究三种污染物排放量随时间变化趋势大致相同的那一部分。用MATLAB经过拟合得到较优的污染物排放量随时间变化的模型[14]如下，即可用此模型分别预测每种污染物随时间变化的排放量变化。
15
图4-10 颗粒物排放量随时间变化的拟合曲线
分析颗粒物排放量随时间变化的趋势，拟合得到的曲线与实际监测到的数据基本一致，这样，我们得到颗粒物排放量随时间变化的拟合曲线方程为：
Q?7.6639t0.426
图4-11 SO2排放量随时间变化的拟合曲线
SO2排放量随时间变化的拟合曲线不太与实际相符，由于数据比较零散，会
出现一定的偏差，而上图是用MATLAB经过拟合相对比较合理的，所以可以用此来进行研究。同时，得到SO2排放量随时间变化的拟合曲线为：
Q?25.7637t0.1623
16
图4-12 NOx排放量随时间变化的拟合曲线
NOx排放量随时间变化的拟合曲线比较符合实际监测到的数据，误差很小。NOx排放量随时间变化的拟合曲线为：
Q?20.0655t0.3584
垃圾焚烧使用的除尘装置会由于各种因素而出现损坏，致使其中某些零件失去原有的精度或者性能，使得装置不能正常运行、技术性降低，最终设备中断运作或效率降低会影响生产。在垃圾焚烧过程中，分析附件二中的数据，我们会了解到当动态监测系统到某一时刻尚未发生故障时，在该时刻后，单位时间内会发生故障，所以，在此需要计算该题中故障发生的概率，简称为故障率。
设备在其寿命周期内，由于磨损或操作使用等方面的原因，使设备暂时丧失其规定功能的状况在单位时间内发生的比率，被称为设备故障率[15]。即：
故障时间设备故障率=?100%
计划使用总时间垃圾焚烧厂设备故障将导致污染物排放量激增，通过上面的趋势图我们可以很直观地分析得出故障时间为11日，故设备故障率为：
11P??100%?39.3%
28即可以理解为有39.3%的把握认为当设备发生故障时，以上拟合图像及其方程才有意义，从而重新求解出各监测点污染物浓度，以达到修正环境动态监控体系的目的。
这里，通过分析各监测点污染物浓度随时间变化的拟合曲线，我们可以预测到当时间推移至两年以后时，污染物排放量会严重超标，所以在此我们利用t?730天沿用高斯烟羽模型来计算得出考虑故障概率情况下各监测点的污染物浓度如下：
表4-9 故障发生情况下各监测点污染物浓度
17
所选监测点 平湖生态园 铁岗水库 平湖镇 （龙口水库） 观澜镇 甘坑水库 布吉镇（仙湖植物园） 深圳市（梅林、银湖水库） 石岗镇 公明镇（大顶岭山林公园） x(m) 2000 19166.7 3914.69 5422.68 4300.24 10197.2 16264.4 16005.5 22681.9 y(m) 0 0 0 0 0 0 0 0 0 风向 西北 东北 西 东南 西南 北 北 东 东南 风速(m/ s) 颗粒物 0.1557 0.0052 0.0104 0.0619 0.0057 0.0122 0.0065 0.0172 0.0081 so2 0.0928 0.0031 0.0062 0.0369 0.0034 0.0073 0.0039 0.0102 0.0048 NOx 0.2620 0.0088 0.0176 0.1041 0.0096 0.0205 0.0109 0.0289 0.0137 0.0214 0.13 0.72 0.068 1.11 0.13 0.13 0.05 0.068 对比故障发生前后各监测点每种污染物的最大落地浓度，很显然故障发生后各监测点的污染物落地浓度会出现增大的趋势，由于风向风速的影响，这种增大的趋势不会一致。由此即可很好地修正环境动态监控体系，使其更加贴近于实际情况。
4.2.3 基于比例法对补偿方案进行修正
由于环境动态监控体系已发生改变，其补偿方案就应作出相应的调整以赔偿由于污染物增加而对当地居民造成的损失。
根据故障发生前后各监测点各种污染物浓度来计算出各监测点的污染物“总浓度”，这里的“总浓度”是在不考虑各污染物相互作用的前提下计算的，仅仅是为了通过对比故障发生前后浓度的变化系数而分析其污染程度，从而达到修正居民风险承担经济补偿方案的目的。所以根据层次分析法下确定的各污染物综合指数来计算出发生故障前后各监测点的污染物“总浓度”。再根据比例法，即不考虑故障发生条件下污染物浓度比补偿金额等于故障发生条件下污染物浓度比补偿金额：
W未发生故障W发生故障
由此我们便可确定考虑故障发生时居民风险承担经济补偿方案如表4-10：
表4-10 考虑故障发生时居民风险承担经济补偿方案
监测点 补偿金额 （元） 监测点 补偿金额 （元）
C1?C2监测点C1 1241101 监测点C6 25001 监测点C2 48966 监测点C7 62663 18
监测点C3 77337 监测点C8 128524 监测点C4 4344501 监测点C9 68403 监测点C5 32086
这里我们所修正的居民风险承担经济补偿方案同样是补偿给各个镇政府，由镇政府自行分配给居民，由相应的监督部门负责监督实施。这些补偿资金主要用于生活垃圾处理设施：周边地区环境美化和生态环境影响整治、市政配套设施建设和维护、经济发展扶持和补偿以及区域工作协调、环保宣传、监督管理等工作费用。在资金补偿的同时，以考虑居民利益为关键，给予居民精神上的补偿，给他们提供定期免费体检，给居民增加就业的机会，还给他们一个健康环保的生活环境。
5．模型评价与推广
5.1 优点
利用高斯烟羽模型很好地模拟了垃圾焚烧厂垃圾焚烧排放的污染物扩散过
程，并且测定出了污染物落地浓度，之后用层次分析法依据各监测点污染物落地浓度对各影响因素做赋权处理，克服了人为主观因素影响的弱点，将复杂问题简单化，设计出了合理的环境动态检测体系。 5.2 缺点
本文所建立的高斯烟羽模型在研究气象条件对污染物扩散影响时忽略了地形的影响，可能会导致模拟结果的误差。所以该模型仅适用于简单地形，在城市建筑物密度较高的地区显然是不太符合实际的。 5.3 模型推广
本文中环境动态检测体系与居民风险承担经济补偿问题的解决我们运用了高斯烟羽模型和层次分析法，其中的每一个模型都可以推广到现实中去，这就很好地体现了数学建模的意义所在，我们可以通过对一个问题的解答，而将其运用到更多的现实生活中。
高斯烟羽模型可以适用于多种气体的扩散，在大力提倡生态文明建设的今天，平原地区或者郊区的多种污染物扩散问题均可以运用此模型来解决。
层次分析法则用于多准则、多目标问题的解决，旅游景点的选取、公司职工薪酬与福利的发放等问题均可以运用该模型来解决，达到复杂问题简单化的效果，清晰明了，通俗易懂。
参考文献
[1] 胡锦涛.十八大报告.2012-12-8 [2] 胡锦涛.十八大报告.2012-12-8
[3]刘红梅.城市生活垃圾焚烧厂周围环境介质中二噁英分布规律及健康风险评估研究.2013-1 [4]《环境影响评价技术导则-大气环境》 [5]方成贤.垃圾焚烧厂的环境补偿机制探讨.2009
[6]刘红梅.城市生活垃圾焚烧厂周围环境介质中二噁英分布规律及健康风险评估研究.2013-1 [7]大气环境污染的扩散.http://wenku.http://www.wodefanwen.com//view/6de0395ef01dc281e53af04c.html.2014-5-18 [8]《环境影响评价技术导则-大气环境》
19