1、大气污染预报问题摘 要大气污染给人类生产生活带来了极大的危害，因此大气污染的监测和预报为人们控制污染、减少排放、保护环境提供了重要的指导意义。本文通过模糊评估和灰色预测模型，建立起对大气污染的评价和预测体系，通过构建多元线性回归方程找出空气质量与气象参数之间关系，并由此对大气污染控制特提出建议。问题一中，找出 SO2、NO 2、PM10 之间关系，即是对三者的污染程度排序，因此我们参考了大气日污染指数 API 的计算方法，确定每日的首要污染物，进行统计，发现对于每个城市，PM10 为最主要的污染物，SO 2 次之，NO 2 再次之；为了对这六个城市排名，我们建立模糊综合评价模型，通过确定评价权
2、重、构造模糊综合评价矩阵、选取模糊评价算子，得出各地空气质量的综合评价结果，排序后得到各地空气质量排名，从好到差依次为：E 、C 、A、B、D 、F 。问题二中，考虑到年份以及月份的影响，我们选取离预测点较近的一段时间作为预测的原始数据，同时考虑到数据真实性与合理性，建立非等间距序列的灰色预测模型，利用 MATLAB 软件编程求解辨识参数 a，u，得到预测方程，对选取的预测原始数据与利用预测方程得到的预测值进行误差检验，认为除个别点外，模型可以接受，从而利用模型预测了 2010 年 9 月 15 日到 21 日的各地各污染物浓度以及相应的气象参数。问题三中，由于数据过多，为简化问题，我们取 2
3、003 年至 2010 年 8 年各污染物的每月月平均值作为因变量，建立多元线性回归方程，找出与气压、温度、湿度、风速等自变量之间关系，并进行了显著性和复相关性的检验，最终得到六地空气质量与气象参数之间关系。问题四中，我们根据上述三题得到结果，对控制空气质量提出了针对性建议。关键字：模糊综合评价 非等间距序列的灰色预测 多元线性回归 大气污染预测大气污染预报问题一、问题背景随着地球上人口的急剧增加，人类经济的快速增长，地球上的大气污染日趋严重，其影响也日趋深刻。颗粒状污染物和有害气体的大量排放，不仅时刻威胁着人们的身体健康，还给工业生产带来严重的危害，影响着经济的可持续性发展。同时，局部地区大
4、气的污染会对全球性的气候变化产生影响。因此，加强大气质量的监测和预报对保护人类健康、改善生态环境是非常必要。二、问题重述大气污染给人类生产生活带来了极大的危害，因此大气污染的监测和预报为人们控制污染、减少排放、保护环境提供了重要的指导意义。如何通过监测数据来评判城市的空气质量、预测未来几天内大气污染情况、对空气质量的控制提出建议，是亟待解决的问题。具体如下：1） 找出各个城市 SO 2、NO 2、PM10 之间的特点，并将几个城市的空气质量进行排序;2） 对未来一周即 2010 年 9 月 15 日至 9 月 21 日各个城市的 SO2、NO 2、PM10以及各气象参数作出预测；3） 分析空气
5、质量与气象参数之间的关系；4） 对控制空气质量提出相关建议。三、基本假设1）认为数据都是真实可靠，反应实际情况的，都是在同一条件下测量的，具有可比性；2）认为 A、B、C 、D 、E、F、G 六地间的污染情况不会互相影响；3）认为 SO2、NO 2、PM10 三者之间不会发生反应，互不影响。四、符号说明符号 意义API 空气污染指数R 模糊综合评价矩阵H 级别变量的特征值a，u 辨识参数p 大气压强的数值T 温度的数值f 空气湿度的数值v 风速的数值F F 检验统计量R2 预测模型的复相关系数五、模型的建立与求解问题一：1.问题分析找出 SO2、NO 2、PM10 之间关系，即是对三者的污染程
6、度排序，找出最主要的污染物。每日的首要污染物可由大气日污染指数 API 来判断，对每日首要污染物进行统计可以找出每个城市的主要污染物。SO2、NO 2、PM10 这三个因素均影响着某地的空气质量，必须将这三个方面都纳入评价体系，通过一定方法得到对空气质量的总体评价。2.各个城市 SO2、NO 2、PM10 之间特点1） 空气污染指数 API 的计算及确定污染物的分指数 Ii，可由实测的浓度值 Ci 按照分段线性方程计算。对于第 i种污染物质第 j 个转折点的分指数值和相应的浓度值（ Ii,j ，C i,j） ，可由表 1 确定。表 1 空气污染指数对应的污染物浓度限值污染物浓度(mg/L)污染
7、指数 APISO2 NO2 PM1050 0.050 0.080 0.050100 0.150 0.120 0.150200 0.800 0.280 0.350300 1.600 0.565 0.420400 2.100 0.750 0.500500 2.620 0.940 0.600当第 i 种污染物浓度 Ci,jCiCi,j+1 时，其分指数 Ii：,1,ijiji iijijICIIi第 i 种污染物的污染分指数； Ci第 i 种污染物的浓度监测值；I i,j 第 i 种污染物第 j 个转折点的污染分项指数值；I i,j+1第 i 种污染物第 j+1 个转折点的污染分项指数值；C i,j
8、第 j 个转折点上第 i 种污染物（对应于 Ii,j）浓度限值；Ci,j第 j+1 个转折点上第 i 种污染物（对应于 Ii,j+1）浓度限值。 污染指数的计算结果只保留整数,小数点后的数值全部进位。多种污染物的污染分指数都计算出来后，取最大者为该城市的空气日污染指数 API，则该项污染物即为该城市当天空气中的首要污染物。 12max(,)inAPIII 式中:I i 为第 i 种污染物的分指数， n 为污染物的项目数。2） 各城市的空气污染指数及首要污染物采用各 20032010 年各地污染物数据，根据空气污染指数的计算方法，应用 MATLAB 软件算出每个城市每天的空气污染指数，并确定每日
9、的首要污染物。对各地的每日首要污染物进行统计分析，得表 2表 2 各城市三种首要污染物所占天数及百分比各首要污染物的天数及百分比城市 监测天数SO2 百分比% NO2 百分比% PM10 百分比%A 1084 187 17.25 3 0.28 894 82.47B 1084 199 18.36 0 0.00 885 81.64C 1084 59 5.44 4 0.37 1021 94.19D 972 139 14.30 1 0.10 832 85.60E 608 20 3.29 1 0.16 587 96.55F 100 27 27.00 0 0.00 73 73.003） 判断 SO2、NO
10、 2、PM10 之间关系由表 2 可以看出，对 A、B、C、D、E、F 六个城市来说，首要污染物是PM10 即可吸入颗粒物的天数占总监测天数的百分比是最大的，其次是是二氧化硫 SO2，再次是氮氧化合物 NO2。因此，对各城市而言，PM10 是主要的污染物，SO 2 其次， NO2 最少。3.城市的空气质量排名 1）模糊评价模型的建立a）确定评价因素集根据各地的空气质量监测的观测资料, 选取二氧化硫 SO2，二氧化氮NO2，总悬浮颗粒 PM10 三项污染物作为评价因素，即有评价因素集合：U= u1(SO2),u2(NO2),u3(PM10) (1) b）确定评语集根据国家制定的空气环境质量评价标
11、准, 结合各地的空气监测特点和评价目的, 取评语集为： V=v1(一级 )，v 2(二级),v 3(三级),v 4(四级) （2）根据国家(GB162972-1996)制定的大气污染物综合排放标准，评价集四级各污染物的评价标准值见表3。表3 污染物各级标准值(mg/L)污染物浓度污染物名称 一级 二级 三级 四级二氧化硫SO 2 0.02 0.06 0.10 0.10二氧化氮NO 2 0.05 0.05 0.10 0.10总悬浮颗粒PM10 0.08 0.20 0.30 0.30c）单因素评价我们采用统计分析法进行单因素评价。设对某一因素i的测量取样总次数为n，经分析其中属于一、二、三、四级的
12、次数分别为n 1,n2,n3,n4次，并且有n= n1+n2+n3+n4，则单因素的评价结果为:r1= (ri1，r i2，r i3，r i4)= (n1/n，n 2/n，n 3/n，n 4/n) （3） 单因素的综合分析评价结果, 采用下式计算：(4)41iikH:由(3)、(4)式，根据最大隶属原则,可以判定单因素的评价等级。H i为第i 个单因素评价结果的级别变量特征值,该值越小评价结果越优。d）空气环境质量的综合评价由单因素评价结果向量，组成模糊综合评价矩阵R(5)34()ijRr由于各项评价指标对空气环境质量综合评价结果的作用程度不同，因此应给予不同的权重。设评价因素的权重向量为：（
13、6）123(,)Aa权重确定的方法很多，此处采用层析分析法中，通过成对比较法、用1-9及其倒数作为标度构造成对比较矩阵，经过一致性比率检验通过，得到各评价因素权重。 由(5)、(6)式，得空气环境质量模糊综合评价矩阵（7） 1234(,)BAR由（7）式，根据最大隶属原则，可判定空气环境质量的评价等级。式中“”为模糊综合评价算子，选取M（,） ，计算公式如下： 1maxin,1,2kjkjbrn ，为克服最大隶属原则的局限性，可计算级别变量的特征值：41kHB:（8）由H可以判定空气环境质量的综合评价结果，比较各地 H值，由前叙述知，H值越小，评价结果越优，即空气质量越好。2）模糊评价模型的求
14、解a）确定各评价因素权重空气环境质量由 SO2、NO 2、PM10 三个因素共同影响。通过查阅资料，我们发现这三种大气污染物对人体的危害程度不同，对人影响最大的是 SO2，其次是 NO2，PM10。因此我们认为 SO2 最为重要， NO2 次之，PM10 再次之。得到成对比较矩阵 A： 1352由成对矩阵 A 计算得出权向量 ai，最大特征根 ，一致性指标 CI，如下表a1 a2 a3 CI0.6483 0.2297 0.1220 3.0037 0.0018查表知 n=3 时随机一致性指标 RI=0.58，一致性比率为：0.18.215CIR一致性比率检验通过，A 矩阵的特征向量 A=（0.6
15、438,0.2297,0.1220）即为 SO2、NO 2、PM10 的权重。b）求解模型针对 A、B、C 、D 、E、F 六地的空气环境质量综合评价，采用 2003 年至2010 年 8 年测量的污染物数据，利用上述模糊综合评价方法，计算得各地各项污染物的单因素评价结果（以 A 地为例）见表 4，以及考虑三项污染物权重的综合评价结果，具体见表 5。表 4 A 地空气环境质量评价结果各级别的隶属度污染物名 数据个数一级 二级 三级 四级 HiSO2 1084 0.205 0.420 0.146 0.230 2.404NO2 1084 0.839 0.000 0.150 0.010 1.331P
16、M10 1084 0.480 0.446 0.064 0.011 1.606综合评价结果 3252 0.319 0.420 0.150 0.230 2.529表 5 各地空气质量综合评价综合评价指标 H地区SO2 NO2 PM10 三项总评A 地 2.404 1.331 1.606 2.529B 地 2.591 1.235 1.767 2.691C 地 2.149 1.410 1.818 2.225D 地 2.457 1.515 1.879 2.845E 地 1.743 1.108 1.530 1.731F 地 2.760 1.120 1.800 3.0494.结果分析由各地空气质量综合评价表
17、可以得出一下结论a）A、B、C 、D 、E、F 六个城市中，空气质量由好到差排序，依次为E、C、A、B、D、F ，其中 E、C 地达到二级标准， A、B、D 、F 地为三级标准；F 地由于只有 2004 年的数据，而通过其他城市发现，随年份增长，污染物浓度有下降趋势，因此在评价时 F 地不占优势。 b）模糊综合评价方法评价的结果,不仅能够得到单项污染物的评价结果，而且考虑到各项污染物的权重，得到某一监测站的综合评价结果。本项目采用隶属度的级别变量特征值作为综合评价结果的指标，克服了最大隶属原则的不足，能够包含所有评价结果的信息，具有代表性。问题二1问题分析通过分析数据，我们发现:1）污染物浓度
18、随年份整体上呈现递减趋势,对月平均值分析如下图 1-3，鉴于污染物与年份之间存在一定关系，用前几年数据对 2010 年进行预测不尽合理;图 1 某地 SO2月平均值图 2 某地 NO2月平均值图 3 某地 PM10 月平均值2）污染物随月份、季节变化波动很大，进行预测时只有选取相同月份或者相同季节的数据进行计算才能保证预测的准确性；每一年内各月份的数据缺失比较严重，如数据表中只有 04、07、09 年有关于 9月份的数据；3)某些天三项污染物浓度同时为零，如 A 地 2010 年 9 月 11、12 日，因大气成分中固有一定量的硫、氮浓度，我们认为在实际中不太可能出现这种情况；同时在零点处数据
19、突变很大，对预测带来极大的不确定因素，认为各零点为奇点，预测时应剔除以保证一定的数据稳定性。综上所述，在无奇点的条件下，我们选取各地各污染物在 2010 年 9 月内的浓度数据进行预测，即所提供的 2010 年 9 月 1 日至 9 月 14 日的浓度数据。对于这段时间内有奇点的日子，我们予以剔除，并由 9 月 1 日往前逆推，直至找到由 9 月 14 日为起点往上逆推的、没有奇点的、14 个数据，作为预测的原始数据。同时，对于 F 地，由于只有 04 年的数据，数据缺失非常严重，我们认为通过 2004 年的数据预测 2010 年的污染浓度而得到的结果不具有实际意义，因而没有对 F 地进行预测
20、。2.非等间距序列的灰色模型的建立考虑到进行过数据处理的预测数据不是按时间均匀分布的，我们应用非等间距序列的灰色模型原理，建立非等间距序列的 GM（1,1）模型，具体步骤如下：(1) 确定非等间距序列的间隔 ； 1,2,14ikn设原始数据 为非负序列： ，其中0X0000214,XkXk；若间距 k 不为常数，即该序列为非等间距序列，其中：0k（1）1,23,4ik（2）求一次累加生成（1-AGO）序列 ；1112,nXxkxk对 作一次累加生成 的 1-AGO（accumulating generation operator）序0X0列： ，其中：1112,nxkxk101i=1,2nii
21、 jjjk，（2）（3）由一次累加生成序列 构造白化微分方程；1ixk11,0dtaxtu（ ）（3）式（3）中：t 为时间；a，u 为待估参数，分别为发展灰数和内生控制灰数。（4）利用最小二乘法求辨识参数 a，u；将（3）式在区间 上积分，有：1,ik111,2,1i i ii i ikkkdxtxtdtn 而 ，所以 。101ii jjjx11101iikiiiitxkxk设 是 在区间 上的背景值，则有：izkxt1,i1 11i ii ikki iiadtazdtazk 所以： 。 01,2,iixui（5）式（5）中 是 ， 两点的平均值：1izk1ixk1i。 11 ,2,2iii
22、xkz（6）可利用最小二乘法求参数 a，u。设：，则有(1)23(0)(0)(0)(1)y2,3,nnzkBxxnTz ，参数辨识 a， u： 。 1TnBy（7）（5）将参数 a，u 代入还原模型式，计算 的估计值 ；0ixk0ixk将（7）式代入（3）式并令 t= k1 时， ，可得：101。 （8）1101jaki uxe又因为： ，所以：1101iiiixkk110 0111 11 ii akaki iiii i ux exe 3.非等间距序列的灰色模型求解以 MATLAB 为工具，对建立的大气污染预测模型求解，以 A 地为例，分别得到 A 地 SO2，NO 2，PM10 辨识参数，从
23、而建立 A 地大气污染预报模型，如下：SO2 浓度预测模型：，0.427au 10.4265.87e65.8ikixkNO2 浓度预测模型 .1,09a0.7142.e42.ikixkPM10 浓度预测模型-0.1576au， 10.15743.26e43.2ikixkA 地大气污染趋势预测模型拟合误差 ，拟合相对0x，如表 601%ikx表 6 A 地拟合值与实际值的相对误差一览SO2 浓度 NO2 浓度 PM10 浓度日期实际值 预测值 相对误差% 实际值 预测值 相对误差% 实际值 预测值 相对误差%2010/8/29 0.029 0.029 0 0.033 0.033 0 0.073
24、0.073 02010/8/30 0.038 0.027 -28 0.032 0.030 -6 0.084 0.068 -192010/9/1 0.025 0.027 10 0.031 0.030 -3 0.068 0.068 02010/9/2 0.023 0.027 19 0.021 0.030 43 0.064 0.068 62010/9/3 0.029 0.027 -5 0.033 0.030 -9 0.061 0.068 122010/9/4 0.025 0.027 10 0.035 0.030 -14 0.063 0.068 82010/9/5 0.026 0.027 6 0.03
25、4 0.030 -12 0.066 0.068 42010/9/6 0.034 0.027 -19 0.045 0.030 -33 0.090 0.068 -242010/9/7 0.026 0.027 6 0.024 0.030 25 0.058 0.069 182010/9/8 0.019 0.028 45 0.016 0.030 88 0.105 0.069 -352010/9/9 0.023 0.028 20 0.028 0.030 8 0.050 0.069 382010/9/10 0.030 0.028 -8 0.024 0.030 26 0.059 0.069 172010/9/
26、13 0.037 0.028 -26 0.047 0.030 -36 0.090 0.069 -232010/9/14 0.028 0.028 -2 0.032 0.030 -5 0.087 0.069 -20利用建立的模型，可以得到未来一周即 2010 年 9 月 15 日至 9 月 21 日各个城市的 SO2、 NO2、PM10 的预测数据，如表 7-11。表 7 A 地各污染物预测城市 A日期SO2 NO2 PM102010/9/15 0.027586 0.030283 0.0694702010/9/16 0.027598 0.030304 0.0695802010/9/17 0.027
27、609 0.030326 0.0696892010/9/18 0.027621 0.030347 0.0697982010/9/19 0.027632 0.030369 0.0699082010/9/20 0.027644 0.030390 0.0700182010/9/21 0.027655 0.030412 0.070128表 8 B 地各污染物预测城市 B日期SO2 NO2 PM102010/9/15 0.047508 0.025813 0.0505252010/9/16 0.047320 0.025958 0.0504742010/9/17 0.047132 0.026104 0.05
28、04232010/9/18 0.046945 0.026251 0.0503732010/9/19 0.046759 0.026399 0.0503222010/9/20 0.046573 0.026547 0.0502712010/9/21 0.046388 0.026696 0.050220表 9 C 地各污染物预测城市 C日期SO2 NO2 PM102010/9/15 0.020298 0.041648 0.0293702010/9/16 0.020490 0.041671 0.0294682010/9/17 0.020684 0.041694 0.0295662010/9/18 0.0
29、20879 0.041716 0.0296652010/9/19 0.021076 0.041739 0.0297642010/9/20 0.021276 0.041761 0.0298642010/9/21 0.021477 0.041784 0.029963表 10 D 地各污染物预测城市 D日期SO2 NO2 PM102010/9/15 0.012002 0.012262 0.0698212010/9/16 0.012041 0.012275 0.0700422010/9/17 0.012080 0.012288 0.0702642010/9/18 0.012119 0.012301 0
30、.0704872010/9/19 0.012158 0.012314 0.0707102010/9/20 0.012197 0.012327 0.0709342010/9/21 0.012237 0.012340 0.071159表 11 E 地各污染物预测城市 E日期SO2 NO2 PM102010/9/15 0.005239 0.027092 0.0549802010/9/16 0.005398 0.027106 0.0551242010/9/17 0.005561 0.027121 0.0552692010/9/18 0.005730 0.027135 0.0554142010/9/19
31、 0.005903 0.027150 0.0555592010/9/20 0.006082 0.027164 0.0557052010/9/21 0.006266 0.027179 0.055851同样，利用相同模型可以对各个气象参数进行预测，如表 12表 12 各气象参数未来一周内预测日期 气压 温度 湿度 风速2010/9/15 668.928 18.815 67.872 1.2062010/9/16 669.058 18.821 67.695 1.2042010/9/17 669.188 18.826 67.518 1.2032010/9/18 669.318 18.832 67.342
32、 1.2012010/9/19 669.448 18.838 67.166 1.2002010/9/20 669.578 18.843 66.990 1.1992010/9/21 669.708 18.849 66.815 1.1974.模型评价1）通过对污染物浓度及气象参数预测的误差分析，可以看出，变化平稳、波动较小的一组数据得到的预测值与实际值的相对误差较小，比如，对气压的预测，其 14 组数据的预测值与实际值之间的相对误差均在 5%以下，拟合精度相当高，对其预报应相当准确；而变化剧烈，波动很大的数据得到的误差比较大，对预测带来一定影响;2) 产生上述问题的原因之一是应用了灰色预测模型，灰
33、色预测方法由于其模型特点, 比较适合于具有指数增长趋势的实际问题,对于其它变化趋势则有时拟合灰度较大, 导致精度不够，同时，对于突变点的值难以准确预测；3）我们还考虑了时间序列预报以及非线性回归的方法。但由于大气污染物浓度的变化呈现很强的非线性，传统的时间序列预报是以线性自回归滑动平均模型为基础，对线性系统有较好的结果，但不适用于非线性系统的时间序列；非线性回归可以完成非线性映射，但需要在固定基函数条件下完成逼近过程，针对大气污染预报这一复杂情况，无法给出最佳基函数，也不能给出满意的解答。因而，我们最终选择非等间距序列的灰色模型。考虑到灰色模型固有的一些问题，我们通过查找资料，发现利用小波分析
34、建立的模型可以进一步提高预测精度；4）同时，针对灰色预测模型来说，在任何一个灰色系统的发展过程中，随着时间的推移，将会不断的有一些随机扰动或驱动因素进入系统，使系统的发展相继地受其影响。一般说来，越往未来发展，越是远离时间原点，模型的预测意义就越弱。在实际应用中，随着系统的发展，老数据的信息意义将逐步降低，在不断补充新信息的同时，及时地去掉老信息，建模序列更能反映系统在目前的特征。尤其是系统随着量变的积累，发生质的飞跃或突变时，与过去的系统相比，已是面目全非。去掉已根本不可能反映系统目前特征的老数据，显然是合理的。这样逐个滚动预测，依次递补，对大气污染的预测就可以得到更为精确的结果，也才能更好
35、地指导环境保护。问题三1.问题分析分析空气质量与气象参数之间的关系，即是分析各地 SO2、NO 2、PM10 与气象参数之间关系，从而得出气象参数对空气质量的总体影响。我们采取多元线性回归的方法，将气压、温度、湿度、风速作为自变量，通过构建多元线性方程，找出它们与各地各项污染物浓度之间关系。观察数据发现，气压、温度、湿度、风速这四项气象参数随季节、月份变化较大，间接导致污染物浓度也会随季节、月份变化。因此，我们取各地各污染物浓度 2003 至 2010 年的 8 年月平均值作为因变量，同理处理气象参数，作为自变量，利用 MATLAB 求解，并自动进行检验。2.多元线性回归模型的建立多元线性回归
36、方程： 01myx是未知数。2201,mN:设 x1、x 2、x 3、x 4 分别为 8 年月平均气压、温度、湿度、风速，y 为 8 年月平均的某污染物浓度。设 是 的 12 个观测值，则满足：1234,21iii 1234,xy012341,2iiiiiiyx其中各 相互独立，且 。i(,)iN:令 01234121,TT 2Yy12112,nnnxX则方程组用矩阵表达式为 Y假定矩阵 X 的秩等于 m+1=5，及列满秩，则 (),TX解得 1TY，的无偏估计22112,1,4nmjiiijyxnm其 中3.线性回归的假设检验1） 回归方程的显著性检验H0： 120mH1：至少有一个 。1,
37、2j当原假设 H0成立时，说明回归方程不显著，采用线性回归是不合适的。当备选假设 H1成立时，说明回归方程显著，采用线性回归有意义。令 ，考虑总离差平方和_1jiyn22_11nnTiiieRi iSyyS其中 Se为剩余残差平方和，S R为回归平方和。在 H0成立的条件下，可以证明 2 2,e RSnmSm:且 Se与 SR相互独立，则。,11ReFFn对给定显著水平 ，可查表知 ，计算统计量 F 的数值 f。,m若 ，则拒绝 H0，即认为各系数不为零，线性回归方程式,1fmn显著地。否则接受 H0，即人认为线性回归方程不显著。2） 复相关系数的检验复相关系数 21eRTTS离差平方和 Se
38、越小，则复相关系数越大。0R 21，R 2越接近于 1，因变量y 于各自变量 xi之间线性相关程度越强。4.模型求解利用 MATLAB 软件中 regress 函数直接求解，得到各地各污染物与气象条件之间的回归系数及残差、统计量 F 的值、负相关系数。以 D 地为例：SO2 浓度与气象参数关系： 17.45290.146p.035T.0132.561y fv复相关系数 R2=0.7032，方程显著性检验 F=4.1454，概率为检验水平。故回归方程显著。4.150.4930.5.PF， 其 中显著。PM10 浓度与气象参数关系： 3.798.786p.192T0.60.412y fv复相关系数
39、 R2 = 0.7943，方程显著性检验 F = 6.7为检验水平。故回归方程显著。6.50.140.5,.5PF其 中我们将所求回归方程与真实值之间作图进行比较，如下图：图 1 D 地 SO2 浓度的回归方程与真实值之间比较图 2 D 地 NO2 浓度的回归方程与真实值之间比较图 3 D 地 PM10 浓度的回归方程与真实值之间比较由图可以清楚看出，对 SO2、PM10 的回归方程建立跟实际值吻合的很好，而对 NO2 的回归方程跟实际值之间还有显著性不高，模型需要改进。由 D 地的 SO2、NO 2、PM10 的多元线性回归方程中各个气象参数的回归系数可知，气压都与 D 地的 SO2、NO
40、2、PM10 成正相关，温度、湿度都与 D 地的SO2、NO 2、PM10 成负相关，风速与 SO2、NO 2 成正相关，与 PM10 成负相关。对 SO2、PM10 气象因素影响程度由高到低依次为：风速、气压、温度、湿度；对 NO2，气象因素影响程度由高到低依次为：风速、气压、湿度、温度。同一气象因素对不同污染物的影响中，气压、湿度对 SO2 影响最大，温度、风速对PM10 影响最大。同理得到其它各地的污染物与气象参数之间的关系：A 地：SO2 浓度与气象参数关系：15.940.921p.0594T.0135.673y fvNO2 浓度与气象参数关系： .8.37+.6.2.90fPM10
41、浓度与气象参数关系：31.5809.24p0.158T.0134.651y fvB 地：SO2 浓度与气象参数关系：1.472+.67.y fvNO2 浓度与气象参数关系： .9036.254p0.19T.085.0985fPM10 浓度与气象参数关系：35.1.81.27y fvC 地：SO2 浓度与气象参数关系：14.09+.63p0.19T.037.59y fvNO2 浓度与气象参数关系： .58.24.46.2.083fPM10 浓度与气象参数关系：36.190.167p.01T+.3.9175y fvE 地：SO2 浓度与气象参数关系：1.84+.52.9834.0.6y fvNO2
42、 浓度与气象参数关系： .9760.p.0T.791.289fPM10 浓度与气象参数关系：3.811534.06.47y fvF 地：SO2 浓度与气象参数关系：10.5p+.06T.72.71y fvNO2 浓度与气象参数关系： .7.48.190.462fPM10 浓度与气象参数关系：30.1p.02T.5.781y fv第四问目前对环境质量有较大影响的有粉尘、硫氧化如、氮氧化物、碳氢化合物和光化学烟雾等，我们就本文中提到的三种污染物谈谈其来源及危害及相关对策粉尘。1.相关危害可吸入颗粒物(PM10)：源自烟雾、尘埃、煤灰或冷凝气化物的固体或液态水珠，能长时间悬浮于空气中，直径为 10
43、微米或以下，能直达并沉积于肺部，而引发不良的健康反应，导致呼吸不适及呼吸系统症状、加重已有的呼吸系统疾病及损害肺部组织。颗粒物上容易附着多种有害物质，当沉积在绿色植物叶面时，干扰植物吸收阳光和二氧化碳与放出氧气和水分的过程，从而影响植物的健康生长。 二氧化硫是(SO 2)：一种无色的反应性气体，主要来自燃烧含硫燃料。二氧化硫主要危害是形成工业烟雾，高浓度时使人呼吸困难，当其进入大气层后，氧化为硫酸，在云中形成酸雨，对建筑、森林、湖泊、土壤危害大，还会形成悬浮颗粒物，随着人的呼吸进入肺部，对肺有直接损伤。氮氧化物(NO x)：主要包括一氧化氮、二氧化氮和硝酸雾，以二氧化氮为主。氮氧化物主要来自于
44、车辆废气、火力发电站和其他工业的燃料燃烧以及硝酸、氮肥、炸药的工业生产过程。二氧化氮是一种刺激性气体，可直接进入肺部，削弱肺功能，损害肺组织，引起肺水肿和持续性、阻塞性支气管炎，降低机体对传染性细菌的抵抗能力。二氧化氮被吸收后变为硝酸与血红蛋白结合变性血红蛋白，可降低血液输送氧气的能力，同时对心、肝、肾和造血器官也有影响。2.气象参数对大气污染的影响1）气压、气温、相对湿度和风速对 SO2 的影响风速的大小对近地层污染物在大气中扩散与稀释有很大的影响,风速越大,污染物浓度的扩散越快,空气的稀释能力越强,反之越弱。风向,决定污染物的迁移方向,污染源的不同,方位上所受的污染程度大不相同,在污染源的
45、下风向,往往受害较重。由于风速的大小决定污染的程度,风向决定污染的去向。因此,对于城市建设与工业区的建设有指导作用。气温,一般夏季较高,空气平流层上下温差较大,利于空气上下浮动,利于热空气流动,便于污染物的扩散与抬升,不易形成逆温层。在冬季气温较低,气压较高,不利于 SO2的扩散,对环境空气有明显的污染,其空气中污染物的空气污染指数有时超过 5 级,出现重度污染,对人类身体健康产生一定的影响。降水和相对湿度对 SO2 的排放存在一定的影响。在降水过程中,雨水可冲刷、吸附大气中的污染物 SO2 ,降低污染物浓度。2）气压、气温、相对湿度和风速对 NO2 的影响二氧化氮的来源主要是汽车尾气和部分厂
46、矿企业排放的废气等。二氧化氮扩散和转化也受到各种气象因素的影响。城市空气中二氧化氮的变化也呈规律性变化,冬季明显增高,夏季明显降低,其规律呈谷峰状。3）气压、气温、相对湿度和风速对 PM10 的影响PM10 的来源:春、夏季气温较高,除部分来源于污染源之外,主要来源于裸露在地面的扬尘的和客源的污染。如春季沙尘暴中的扬尘来源于沙漠地带。在冬季北方地区,气温较低,大部分颗粒物来源于取暖锅炉和工业污染源3.相关建议1)对 SO2的控制限制高硫劣质煤品的使用；积极推广固硫型煤, 要求企业采取除尘脱硫措施, 大幅度减少 SO2 的排放量；尽快提高城市气化率, 减少居民生活用煤；禁止三产业,特别是餐饮业的
47、小炉、小灶使用原煤, 鼓励其使用清洁能源； 提高锅炉脱硫除尘效率, 降低二氧化硫的排放量2)对 NO2的控制空气中 NO2 的污染主要来自机动车辆尾气的排放, 随着人民生活水平的提高各种机动车辆在不断增加。 加强机动车辆监管; 尾气排放超标的机动车严禁上路； 加强机动车辆检测, 严格要求尾气超标的机动车进行治理； 积极开发清洁能源, 减少二氧化氮的排放。3）对 PM10 的控制加强锅炉、窑炉的消烟除尘工作, 使之燃煤废气达标排放;，改善落后的燃烧方式, 降低烟尘的排放量；改善能源结构, 提高清洁能源比例；加快热电联网、集中供热的步伐；加强餐饮业油烟的整治工作，安装油烟净化装置；加强港务局等企业的除尘设备的运行和管理,强化进港煤车从卸煤的翻车机房、皮带转接塔、皮带机、取料机、到装船机全部过程的规范操作和现场管理；督促各类建筑施工工地强化日常管理, 做到施工标准化、围墙景观化、工地管理规范化；要求高扬尘污染工地实施围档作业, 设置防尘设施 , 防止粉尘飘散, 风力大于四级时应停止施工；在道路清扫前进行洒水或喷雾, 遇连续晴天增加喷洒
