پژوهشگاه صنعت نفت پژوهش نفت 2345-2900 17 56.1 2013 08 07 The Accuracy of Gaussian Plume Models and Sensitivity Study in Air Pollution Prediction بررسی دقت مدل‌های گوسی و مطالعه حساسیت آنها در پیش‌بینی آلودگی هوا 64 71 229 FA Journal Article 2013 08 07 The Gaussian Plume Model (GPM) is widely used to predict the concentration of pollutants in the atmosphere. There are significant simplifications with the GPM. The assumptions used to derive the GPM should be understood in order to predict the uncertainties associated with modeling results. In this work, a sensitivity study was performed by assuming reasonable degrees of error in some of the key variables used in the GPM and determining the end results. It was shown that minor changes in some of the key parameters of GPM can result in a propagated over-prediction factor up to 30. Also, in using the GPM, a range of values for the vertical dispersion coefficient should be considered in determining the maximum possible concentration at ground level.    مدل ستونی گوس به‌طور وسیعی برای پیش بینی میزان آلودگی هوا مورد استفاده قرار می‌گیرد. در تدوین این مدل، فرضیات ساده کننده زیادی لحاظ شده است که این فرضیات دقت و صحت نتایج مدل را تحت تأثیر قرار می‌دهد. اطلاع از این فرضیات در آنالیز نتایج حاصله اهمیت زیادی دارد. همچنین حساسیت مدل به گونه‌ای است که خطای اندک در برخی پارامترهای اصلی مدل منجر به خطای قابل توجه، به‌خصوص در فواصل نزدیک به منبع انتشار، در نتایج حاصله خواهد شد. در این مقاله فرضیات مدل ستونی گوس که منجر به محدودیت کاربرد مدل می‌شود و همچنین حساسیت مدل نیز مورد بررسی قرار گرفته است. با توجه به حساسیت بالای مدل ستونی گوس به ضریب پخش عمودی (σz) به‌خصوص در نزدیکی منبع انتشار، در مواردی که محاسبه حداکثر غلظت در سطح زمین مد نظر است و یا زمانی که غلظت‌های محاسبه شده به استانداردهای زیست محیطی نزدیک است ترجیحاً باید محدوده‌ای از ضریب پخش عمودی که منجر به تغییرات شدید غلظت می‌شود، مورد بررسی قرار گیرد. میزان خطای مثبت در حالتی که خطاهایی در ‌حدود 20 درصد در برخی از پارامترهای ورودی مدل داده شده، بیش از 30 برابر مدل مبنا شده است.   https://pr.ripi.ir/article_229_254da8726289b553ef076308ea76f13c.pdf