關(guān)于大氣污染問題的數(shù)學(xué)建模論文

..>大氣是指包圍在地球外圍的空氣層，是地球自然環(huán)境的重要組成局部之一。人類生活在大氣里，干凈大氣是人類賴于生存的必要條件。一個人在五個星期內(nèi)不吃飯或5天內(nèi)不喝水，尚能維持生命，但超過5分鐘不呼吸空氣，便會死亡。隨著地球上人口的急劇增加，人類經(jīng)濟(jì)增長的急速增大，地球上的大氣污染日趨嚴(yán)重，其影響也日趨深刻，如由于一些有害氣體的大量排放，不僅造成局部地區(qū)大氣的污染，而且影響到全球性的氣候變化。因此，加強大氣質(zhì)量的監(jiān)測和預(yù)報是非常必要。目前對大氣質(zhì)量的監(jiān)測主要是監(jiān)測大氣中、、懸浮顆粒物〔主要為PM10〕等的濃度，研究說明，城市空氣質(zhì)量好壞與季節(jié)及氣象條件的關(guān)系十分密切。附件給出城市A、B、C、D、E、F從2003年3月1日至2010年9月14日測量的污染物含量及氣象參數(shù)的數(shù)據(jù)。請運用數(shù)學(xué)建模的方法對以下問題作出答復(fù)：、、PM10之間的特點，并將幾個城市的空氣質(zhì)量進(jìn)展排序。2．對未來一周即2010年9月15日至9月21日各個城市的、、PM10以及各氣象參數(shù)作出預(yù)測。3．分析空氣質(zhì)量與氣象參數(shù)之間的關(guān)系。4．就空氣質(zhì)量的控制對相關(guān)部門提出你的建議。此題為生活中的實際問題，層層遞進(jìn)式提出四個問題，分別需要對空氣污染因素以及氣象參數(shù)進(jìn)展分析求解。第一問為評價性問題，先從城市內(nèi)部個污染物特點出發(fā)，再到城市之間空氣質(zhì)量進(jìn)展比較。第二問是預(yù)測性問題，通過對給出的數(shù)據(jù)進(jìn)展分析，預(yù)測各項參數(shù)之后的趨勢。第三問是尋找關(guān)聯(lián)性問題，要求找出空氣質(zhì)量與氣象參數(shù)之間的關(guān)系。第四問為開放型問題，可通過之前得出的結(jié)論或者相關(guān)文章及模型提出建議。2.1問題1通過查閱資料，運用已有的API對各個城市的各項污染指標(biāo)進(jìn)展計算，得出各個污染指數(shù)API月平均的折線圖，觀察，得出各城市各項指標(biāo)的特點。鑒于求解城市API時有一定的誤差，應(yīng)選擇綜合評價模型，對數(shù)據(jù)進(jìn)展標(biāo)準(zhǔn)化處理之后，確定動態(tài)加權(quán)函數(shù)，對模型進(jìn)展求解，排名。檢驗?zāi)Ｐ秃蟠_定結(jié)論的合理性。2.2問題2預(yù)測模型主要有灰色預(yù)測，時間序列等模型。由所給數(shù)據(jù)以及問題可知該預(yù)測模型為時間序列。隨機選取氣象參數(shù)之一氣溫〔tem〕為例進(jìn)展分析，先通過SPSS軟件得到其時序圖，觀察其走勢，對其做平穩(wěn)化處理。然后以最小BIC為標(biāo)準(zhǔn)，構(gòu)造模型，進(jìn)一步應(yīng)用SPSS軟件求解，得出各項參數(shù)，并預(yù)測出2010年9月15日至2010年9月21日的數(shù)據(jù)。其余各城市各污染物濃度以及氣象參數(shù)應(yīng)用類似方法進(jìn)展求解。最后，由于F城市所提供數(shù)據(jù)與需要預(yù)測日期相隔較遠(yuǎn)，故只做出定性的分析預(yù)測。2.3問題3空氣污染物與氣象要素關(guān)系密切，研究的方向多為相關(guān)性分析與回歸分析或從理論上描述氣象要素對污染物遷移擴(kuò)散的影響。但是回歸分析應(yīng)用于處理不相關(guān)變量之間關(guān)系，而典型相關(guān)性分析能很好地解決由于變量之間相關(guān)而導(dǎo)致回歸準(zhǔn)確性降低的問題。并且觀察原始數(shù)據(jù)發(fā)現(xiàn)，其中只有一組氣象參數(shù)，故猜測氣象參數(shù)是在其中*一個城市所采集?，F(xiàn)應(yīng)用典型相關(guān)性分析分別分析A、B、C、三城市空氣污染物、、PM10與氣象要素這兩組數(shù)據(jù)間的關(guān)系。求出不同季節(jié)的相關(guān)系數(shù)，判定氣象參數(shù)最有可能是屬于哪一城市的。再對該城市進(jìn)展偏相關(guān)性分析，最終得出污染物與氣象參數(shù)之間的關(guān)系。該過程由SPSS直接完成。2.4問題4依據(jù)第三問所求得的氣象參數(shù)和與其對應(yīng)城市之間的關(guān)系，分析影響各污染物濃度的主要因素，依此對有關(guān)部門提出合理的建議，以提高該城市的空氣質(zhì)量。對附件中數(shù)據(jù)整體瀏覽，將不合理的數(shù)據(jù)進(jìn)展刪除：2005年11月7日的tem為611.5，2010年6月6日的mmgh為267.109，依據(jù)常識，該兩組數(shù)據(jù)均為記錄錯誤，故刪去不予考慮對各項指標(biāo)的數(shù)據(jù)進(jìn)展月平均處理.以便進(jìn)展模型的計算?；跀?shù)據(jù)的不完整性，只選擇具有連續(xù)性的數(shù)據(jù)〔2010年1月20日至2010年9月20日〕對問題二進(jìn)展分析預(yù)測。3.3問題3，4將一年分為春季季風(fēng)季〔3-5月〕和冬季采暖季〔11-2月〕兩局部，分別進(jìn)展分析。各組數(shù)據(jù)真實可信，且是在同一地點同一時間采集，不考慮人為因素，具有統(tǒng)計、預(yù)測意義。假設(shè)A、B、C、D、E、F六個城市的開展?fàn)顩r一樣，即開展速度沒有明顯差異。API指標(biāo)真實可靠，所給數(shù)據(jù)具有參考統(tǒng)計意義。4、月API平均值能很好的代表該月空氣質(zhì)量，具有比較意義。5、對F城市進(jìn)展定性預(yù)測時，A、F城市開展?fàn)顩r根本一樣，有比較價值。6、第三問中，灌輸數(shù)據(jù)的對應(yīng)關(guān)系，假設(shè)氣象參數(shù)是在A、B、C三城市中*一個城市所采集。空氣污染指數(shù)*污染物的污染指數(shù)該污染物的濃度在API分區(qū)表中最接近C值得兩個值在API分區(qū)表中最接近I值得兩個值三項污染指標(biāo)標(biāo)準(zhǔn)化值區(qū)間最小值區(qū)間最大值，區(qū)間邊界權(quán)重被評價指標(biāo)的綜合評價值城市每個城市的Borda數(shù)時間序列模型階數(shù)差分階數(shù)延遲算子均方差復(fù)相關(guān)系數(shù)6.1問題1通過查閱資料，可以找到API，即空氣質(zhì)量污染指數(shù)標(biāo)準(zhǔn)，由此計算每個城市各項指標(biāo)的月API平均值，對各項數(shù)值進(jìn)展比較，得出各個城市三項指標(biāo)特點。根據(jù)表一：計算各項指標(biāo)的API值：設(shè)為*污染物的污染指數(shù)，為該污染物的濃度。則：式中：：在API分區(qū)表中最接近C值得兩個值：在API分區(qū)表中最接近I值得兩個值圖一：各城市各項指標(biāo)月API平均值折線圖整體分析圖表可以看出A、B、C、D、E五個城市SO2、NO2、PM10等污染物濃度均呈現(xiàn)波動性并且有緩慢下降趨勢。分析A城市數(shù)據(jù)，發(fā)現(xiàn)A城市PM10濃度與B城市差異并不顯著，但是觀察發(fā)現(xiàn)A城市PM10的值在2010年8月后有所上升，這一點也可由數(shù)據(jù)得到驗證。B城市SO2波動性很強，但是下降的趨勢并不是非常的明顯，說明B城市可能有一些周期性的污染源需要治理。而B城市的PM10波動性強有明顯下降趨勢，這說明B城市很有可能在2010年采取過一些相應(yīng)的積極措施，使得該城市PM10濃度在短期內(nèi)大幅度下降。而A、B兩城市的SO2和PM10數(shù)值均明顯高于NO2的數(shù)值，且兩城市污染物的波動方式相似，可粗略認(rèn)為A、B兩城市有局部工業(yè)或者構(gòu)造上的相似。分析C、D兩城市可知SO2、NO2、PM10濃度較平穩(wěn)波動，只有PM10在個別時段有較大的起伏，而在其他時間序列內(nèi)均趨于平緩變化。C、D兩城市的PM10曲線在同一時間明顯偏高，可推論在那一段時間有*些外界因素使得兩個城市的PM10數(shù)值共同上升。分析E城市空氣污染物濃度可知，E城市SO2、NO2、PM10濃度均在一定范圍內(nèi)平穩(wěn)變化，說明該城市在所選時間段內(nèi)空氣質(zhì)量比較平穩(wěn)。由于F城市數(shù)據(jù)嚴(yán)重缺乏，只有從2004年9月1日到2009年12月27日的采集數(shù)據(jù)，故在F城市數(shù)具有統(tǒng)計意義的前提下，由圖可知觀看出F城月平均污染物濃度大致呈現(xiàn)平穩(wěn)趨勢。根據(jù)問題對API分析發(fā)現(xiàn)，對于城市API值計算中，原理為取三項指標(biāo)的最大值，這會造成相應(yīng)的誤差，故在分析第一問的第二局部時，只參考API的劃分標(biāo)準(zhǔn)，應(yīng)用綜合評價模型。對所給的空氣污染標(biāo)準(zhǔn)〔API〕進(jìn)展標(biāo)準(zhǔn)化處理，記三項指標(biāo)：、、PM10的數(shù)值分別為，，。三項指標(biāo)的數(shù)據(jù)均為極小型指標(biāo)〔即指標(biāo)值越小越好〕，對其指標(biāo)做標(biāo)準(zhǔn)化處理，即令：其中，。則相應(yīng)的指標(biāo)值變?yōu)?，即為無量綱的標(biāo)準(zhǔn)化指標(biāo)，對應(yīng)的分類區(qū)間也隨之相應(yīng)的變化，在這里為了方便仍記為?！?〕的標(biāo)準(zhǔn)化取，，，則其標(biāo)準(zhǔn)化數(shù)據(jù)為：對應(yīng)的分類區(qū)間為：〔2〕的標(biāo)準(zhǔn)化取，，，則其標(biāo)準(zhǔn)化數(shù)據(jù)為：對應(yīng)的分類區(qū)間為：〔3〕PM10的標(biāo)準(zhǔn)化取，，，則其標(biāo)準(zhǔn)化數(shù)據(jù)為：對應(yīng)的分類區(qū)間為：根據(jù)這一實際問題，通過對、、PM10三項指標(biāo)的變化關(guān)于空氣質(zhì)量的分析，可得其變化的規(guī)律為：先是緩慢增長，中間有一個快速增長的過程，最后平緩增加趨于最大值。此增長規(guī)律可取動態(tài)加權(quán)函數(shù)為偏大型正態(tài)分布函數(shù)，即：其中不妨取指標(biāo)的第一類空氣質(zhì)量標(biāo)準(zhǔn)的中間值，即，由確定。根據(jù)標(biāo)準(zhǔn)化后的評價值，不妨仍用表示，以及相應(yīng)的動態(tài)加權(quán)函數(shù)，建立綜合評價模型來對被評價的6個城市的空氣質(zhì)量進(jìn)展評價，在此，取綜合評價模型為個評價指標(biāo)的動態(tài)加權(quán)和，即：其函數(shù)值為被評價對象的綜合指標(biāo)值。求出權(quán)后，可將6個城市的三項指標(biāo)求期望，定量地得出每個城市中三項指標(biāo)的權(quán)值。利用附件中給出的31個月的較為完整的數(shù)據(jù)，計算可得ABCDE五個城市的空氣質(zhì)量評價性指標(biāo)，即可得到一個綜合評價矩陣，其結(jié)果如下：表二：ABCDE五個城市綜合評價矩陣同時，利用附件中給出的4個月(2004.9至2004,12)的數(shù)據(jù)，經(jīng)計算可得ABCDF六個城市的空氣質(zhì)量評價指標(biāo)，得到矩陣，結(jié)果如下。表三：ABCDF五個城市綜合評價矩陣根據(jù)上表和表中的數(shù)據(jù)，根據(jù)其大小〔即反映空氣質(zhì)量的上下程度〕進(jìn)展排序，數(shù)值越大，說明其空氣質(zhì)量越差。編寫C語言程序，對其進(jìn)展排序。排序結(jié)果見附錄一。利用決策分析中的Borda函數(shù)方法來確定綜合排序方法，記在第個排序方案中排在第個城市后面的站點個數(shù)為，則城市的Borda函數(shù)為經(jīng)計算，各城市Borda數(shù)及總排名如下ABCDE的Borda數(shù)為：ABCDF的Borda數(shù)為：ABCDE的空氣質(zhì)量排名為：CABEDABCDF的空氣質(zhì)量的排名為：FABCD鑒于API數(shù)值有一定的實際應(yīng)用價值，故應(yīng)用其對綜合評估模型進(jìn)展驗證。通過對各個城市每月的API進(jìn)展計算，運用一樣的C語言程序?qū)ζ溥M(jìn)展排名結(jié)果見附件一。運用Borda算法，對多個序列進(jìn)展排序，最后排出城市總體空氣質(zhì)量排名，對模型進(jìn)展驗證得出結(jié)論為：ABCDE五個城市API的Borda數(shù)為：ABCDE五個城市的空氣質(zhì)量排名為：CBAEDABCDF五個城市的API的Borda數(shù)為：ABCDF五個城市四個月的空氣質(zhì)量排名為：FABDC權(quán)重排列與API排列只有一個次序的不同，觀察Borda數(shù)可發(fā)現(xiàn)，次序不同的兩個城市Borda數(shù)字根本一樣，故可說，模型合理，權(quán)重得出的排序結(jié)論有一定參考意義。6.2問題2F城市所給數(shù)據(jù)時間與需預(yù)測時間相距甚遠(yuǎn)，假設(shè)強行預(yù)測出趨勢變化，沒有實際參考意義，故在對F城市進(jìn)展預(yù)測時，只做定性的說明。隨機選取氣溫為例建立ARIMA模型，其余各城市參數(shù)即氣象參數(shù)yingyon可求的。模型的建立與求解依靠SPSS軟件。6.2.1模型的建立與檢測〔對除F以外的數(shù)據(jù)預(yù)測適用〕考慮數(shù)據(jù)的連貫性，選取2010.1.20日至2010.9.14日數(shù)據(jù)進(jìn)展時間序列分析，應(yīng)用SPSS軟件作出時序圖，進(jìn)展時間序列的驗證，如下：圖二：氣溫時序圖氣溫的自相關(guān)系數(shù)圖和偏自相關(guān)系數(shù)圖見附件二由氣溫時序圖明顯可知該序列具有上升趨勢，為消掉上升趨勢，作差分處理。圖示為作一階差分后所得序列圖，觀察可知該序列比較平穩(wěn)。圖三：一階差分之后的氣溫時序圖為進(jìn)一步驗證平穩(wěn)性，考察差分后序列自相關(guān)圖。圖四：一階差分后氣溫時序殘差自相關(guān)系數(shù)圖自相關(guān)圖顯示序列有很強的短期相關(guān)性，所以可以初步認(rèn)為一階差分后序列平穩(wěn)。考慮ARIMA〔p，d，q〕模型，并以最小標(biāo)準(zhǔn)化BIC為指標(biāo)，應(yīng)用SPSS軟件可構(gòu)造出ARIMA〔0,1,2〕模型，即這就是說是1階齊次非平穩(wěn)序列，一次差分后適合MA〔2〕模型。運用SPSS求出參數(shù)如表：ARIMA模型參數(shù)a估計SEtSig.TREND(tem)-模型_1TREND(tem)無轉(zhuǎn)換差分1MA滯后1.360.061.000滯后2.271.061.000表四：ARIMA模型參數(shù)t檢驗合格。均方誤差，絕對誤差為2.907，，復(fù)相關(guān)系數(shù)從結(jié)果來看，，都通過了顯著性檢驗，數(shù)值擬合的誤差比較小，進(jìn)一步考察擬合誤差得到的自相關(guān)系數(shù)及偏自相關(guān)系數(shù)圖可知它們不在具有相關(guān)性，說明該模型是合理的。圖五：擬合誤差自相關(guān)系數(shù)及偏自相關(guān)系數(shù)圖最后得到的模型為，其中該模型可進(jìn)一步化簡為：其中我們對2010年數(shù)據(jù)進(jìn)展預(yù)測，局部抽樣結(jié)果如下表：表五：2010年氣溫預(yù)測抽樣表繪制原始數(shù)據(jù)及預(yù)測數(shù)據(jù)圖，虛線右邊中間數(shù)據(jù)為預(yù)測數(shù)據(jù)，虛線右邊上面數(shù)據(jù)為95%的置信上限，下面數(shù)據(jù)為95%的置信下限。圖六：ARIMA模型擬合與觀察數(shù)據(jù)數(shù)據(jù)時序圖6.2.2模型的求解我們用該模型對2010年9月15日至2010年9月21日七天tem作出預(yù)測，結(jié)果如表：預(yù)測模型239240241242243244245tem-模型_1預(yù)測UCLLCL表六：七天溫度預(yù)測表6.2.3各項指標(biāo)的求解類似于溫度預(yù)測的分析求解過程，分別對A、B、C、D、E五個城市的各項污染物濃度以及氣象參數(shù)進(jìn)展預(yù)測，結(jié)果如下：表七：各城市各項指標(biāo)預(yù)測值從前一問可以看出，整體城市空氣質(zhì)量排序中，F(xiàn)城市是好于A城市的，在F城市的數(shù)據(jù)中，只有2004年9月15日至21日。繪制A城市2004年9月15日至21日與F城市2004年9月15日至21日時期三項指標(biāo)的比較圖圖七：A城市與F城市在2004年三項指標(biāo)比較圖從圖上看出，A城市與F城市在2004年9月15日至21日三項指標(biāo)走勢在很大程度上有一定的相似性?！?〕繪制A城市2004年9月15日至21日與2010年9月15日至21日三項指標(biāo)的整體比較圖：圖八：A城市在2004年與2010年三項指標(biāo)走勢圖由圖可以看出，三個指標(biāo)的走勢在兩年里面沒有明顯地統(tǒng)一趨勢，故對F城市只定性說明：在2010年時三項指標(biāo)均明顯低于2004年。因2010年與2004年的指標(biāo)走勢沒有明顯線性關(guān)系，所以只能定性的分析：F城市污染物各項指標(biāo)在2010年9月15日至21日的測量數(shù)值均低于2004年同期，即F城市的空氣質(zhì)量提高，且優(yōu)于A城市。選取A、B、C三城市，分別運用典型相關(guān)性分析，對氣象參數(shù)〔大氣壓mmgh，溫度tem，風(fēng)速ws，濕度rh〕及各項污染物濃度進(jìn)展分析，判斷氣象參數(shù)的城市屬性，再對此城市進(jìn)展偏相關(guān)性分析，得出結(jié)論。整個過程由SPSS完成。主要思路是將兩組變量的相關(guān)性研究轉(zhuǎn)化為兩個綜合變量的相關(guān)性研究，這種相關(guān)稱為典型相關(guān)，這兩個綜合指標(biāo)稱為典型變量。〔1〕根據(jù)分析目的建立原始矩陣原始數(shù)據(jù)矩陣〔2〕對原始數(shù)據(jù)進(jìn)展標(biāo)準(zhǔn)化變化并計算相關(guān)系數(shù)矩陣=其中，分別為第一組變量和第二組變量的相關(guān)系數(shù)陣，=為第一組變量和第二組變量的相關(guān)系數(shù)〔3〕求典型相關(guān)系數(shù)和典型變量計算矩陣以及矩陣的特征值和特征向量，分別得到典型相關(guān)系數(shù)和典型變量。〔4〕檢驗各典型相關(guān)系數(shù)的顯著性偏相關(guān)性分析是指當(dāng)兩個變量同時跟第三個變量相關(guān)時，將第三個變量的影響剔除，只分析另外兩個變量之間相關(guān)程度的過程。偏相關(guān)性分析的工具是計算偏相關(guān)系數(shù)。計算公式：假定有三個變量：，，，求剔除變量的影響后，變量和之間的偏相關(guān)系數(shù)：其中，表示變量與變量的簡單相關(guān)系數(shù)。表示變量與變量的簡單相關(guān)系數(shù)。表示變量與變量的簡單相關(guān)系數(shù)。顯著性檢驗公式：其中，為個案數(shù)，為自由度。運用統(tǒng)計和分析軟件SPSS進(jìn)展典型相關(guān)分析。典型相關(guān)性分析程序：典型性相關(guān)性分析用來討論在污染物濃度與氣象要素兩組數(shù)據(jù)之間存在何種關(guān)系。根據(jù)所給數(shù)據(jù)特征，可分為冬季和春季兩時段進(jìn)展分析。觀察結(jié)果，可看出C城市的各項污染指標(biāo)與氣象參數(shù)的相關(guān)性最高，故，可近似認(rèn)為所給氣象參數(shù)為C城的氣象參數(shù)。C城市典型性相關(guān)分析結(jié)果如下表〔其余城市結(jié)果附錄三〕：C冬季C春季典型相關(guān)系數(shù)1.5492.3963.199典型相關(guān)系數(shù)1.5352.3223.273維度遞減檢驗結(jié)果(降維檢驗)Wilk'sChi-SQDFSig.1.565237.83312.000.0002.80988.1456.000.0003.96016.8712.000.000維度遞減檢驗結(jié)果(降維檢驗)Wilk'sChi-SQDFSig.1.592165.44212.000.0002.83058.9946.000.0003.92524.4772.000.000標(biāo)準(zhǔn)化典型系數(shù)—第一組123cno2-.743.937.956標(biāo)準(zhǔn)化典型系數(shù)—第一組123cno2-.517-.843.898cpm101.041-.395.038標(biāo)準(zhǔn)化典型系數(shù)—第二組123rh-.255-.369.933ws.665-.772.120標(biāo)準(zhǔn)化典型系數(shù)—第二組123tem.240-.621.801rh-.201.047.519表八：C城市典型性相關(guān)性分析結(jié)果分析：冬季的第一、二個典型相關(guān)細(xì)數(shù)分別為0.810和0.534，并通過顯著性檢驗，說明在冬季污染物與氣象參數(shù)兩組數(shù)據(jù)間有顯著的相關(guān)關(guān)系：前兩個特征值加起來已經(jīng)占全部特征值的80%以上，因此取前兩個典型變量進(jìn)展分析即可。分析結(jié)果：兩個時間尺度上〔春季和冬季〕，污染物與氣象參數(shù)存在著顯著的相關(guān)關(guān)系，大氣壓和風(fēng)速對氣態(tài)污染物〔，〕有顯著的影響，風(fēng)速對PM10有顯著影響。溫度和濕度對有微弱影響。運用統(tǒng)計和分析軟件SPSS進(jìn)展偏相關(guān)性分析，結(jié)果如下：表九：偏相關(guān)分析各項相關(guān)系數(shù)分析：冬季分析：冬季與風(fēng)速的相關(guān)系數(shù)為-0.316，呈現(xiàn)負(fù)相關(guān)，即風(fēng)速越大，濃度越低。與大氣壓和風(fēng)速明顯相關(guān)，與大氣壓正相關(guān)，即大氣壓越高，濃度越高，其與風(fēng)速的關(guān)系和相似為負(fù)相關(guān)。PM10與大氣壓正相關(guān)，與風(fēng)速負(fù)相關(guān)。春季分析：整體相關(guān)性不明顯，與大氣壓為微弱的正相關(guān)，與大氣壓和風(fēng)速均為弱相關(guān)，PM10與風(fēng)速正相關(guān)。說明，風(fēng)速對可吸入顆粒起擴(kuò)散作用，而且，大風(fēng)天容易產(chǎn)生沙塵天氣，加重污染。冬季時，風(fēng)速和污染物〔PM10、、〕有顯著的負(fù)相關(guān)，即風(fēng)速越大，污染物濃度越低，大氣壓與、PM10呈現(xiàn)正相關(guān)，即大氣壓越高，污染物濃度越高。春季局部指標(biāo)相關(guān)性不明顯，氣態(tài)污染物〔、〕均與風(fēng)速呈現(xiàn)弱相關(guān)，而PM10與風(fēng)速正相關(guān)，即風(fēng)速越大，PM10的濃度越高。通過對第三問的結(jié)論進(jìn)展分析，給出合理的建議。要改善大氣環(huán)境質(zhì)量，一方面，由于、與空氣水平流動〔風(fēng)速〕、垂直流動〔氣壓〕有相關(guān)性，因此要在城市用地規(guī)劃與總體規(guī)劃中考慮大氣輸送、擴(kuò)散等自然通風(fēng)條件對用地布局的影響。例如，將大型污染工廠企業(yè)移出城市生活區(qū)等。另一方面要通過合理的規(guī)劃措施來改善城市的局部氣候環(huán)境，以減少或防止由于工業(yè)布置不合理引起大氣污染物往市區(qū)及其周圍累積、迭加。如根據(jù)城市氣象條件，掌握城市風(fēng)、氣溫及其天氣形勢的變化規(guī)律，結(jié)合地形和其他自然條件，以及城市設(shè)施熱量散發(fā)狀況等，對城市工業(yè)區(qū)、城市道路、城市建筑和綠地等進(jìn)展合理的布局?！?〕推行清潔能源，降低原煤消耗所占的比例。特別是在冬季供暖季節(jié)，改造居民采取燒煤取暖的狀況，努力擴(kuò)大天然氣、煤氣等清潔能源消費量，強化能源節(jié)約?！?〕加強工業(yè)污染的防治，以循環(huán)經(jīng)濟(jì)模式開展工業(yè)經(jīng)濟(jì)。如：加強大型火電廠的脫硫、除塵以及低氮燃燒等措施。〔3〕調(diào)整工業(yè)企業(yè)的合理空間布局，將城區(qū)的大氣污染企業(yè)按照產(chǎn)業(yè)特點分別進(jìn)駐各類特色工業(yè)園區(qū)，在搬遷過程中實現(xiàn)技術(shù)升級和改造。加強工業(yè)污染源的監(jiān)管力度，對重點工業(yè)污染源實行在線監(jiān)測?！?〕加強以建筑揚塵、道路揚塵為主的揚塵污染控制，建立健全的控制揚塵污染的長效機制。加強道路沖洗和機械化吸塵作業(yè)，增加改性瀝青路面比例，嚴(yán)格和標(biāo)準(zhǔn)施工揚塵、建筑渣場管理?！?〕加強城市綠化，對裸地實行綠化硬化和植樹種草，修建綠化帶和組團(tuán)綠化隔離帶，增加公共綠地面積，制定合理的城市綠化方案?！?〕加強機動車尾氣污染治理，消除機動車冒黑煙現(xiàn)象。嚴(yán)格執(zhí)行機動車維護(hù)、改造、報廢制度。問題一采用動態(tài)加權(quán)函數(shù)模型，充分的考慮了每一個因素的每一屬性所存在的差異，增加了綜合評價的客觀性和科學(xué)性。問題二運用時間序列，很好地解決了具有時序性，隨機性，前后時刻具有相依性，呈現(xiàn)*種趨勢，或周期性的數(shù)據(jù)序列，并能夠做出準(zhǔn)確的預(yù)測。問題三，典型相關(guān)性分析解決了傳統(tǒng)多元統(tǒng)計中，只能分析一個變量與多個變量之間關(guān)系的問題，實現(xiàn)了兩組變量間的分析，可以很好的解決*些組合相關(guān)性很高的問題。其缺點為：局限于兩組變量的分析，要求兩組變量都是連續(xù)變量，其變量都必須服從多元正態(tài)分布。偏相關(guān)性分析很好地解決了當(dāng)兩個變量同時跟第三個變量相關(guān)時，它們之間單獨影響的相關(guān)性。動態(tài)加權(quán)綜合評價方法也可用于水質(zhì)綜合評價這一類的問題，在軍事和經(jīng)濟(jì)等領(lǐng)域的很多綜合評價問題，動態(tài)加權(quán)綜合評價方法都有推廣的價值。時間序列分析模型可應(yīng)用于更為復(fù)雜的時間序列預(yù)測，如存在季節(jié)性的旅游人口問題。典型相關(guān)分析和偏相關(guān)性分析有些許的類似之處，都可應(yīng)用于評價，尋找關(guān)系一類的題目，例如分析城鄉(xiāng)收入差距的主要因素等問題?！?】范正綺，數(shù)據(jù)分析方法，：上海財經(jīng)大學(xué)出版社【5】黃潤龍，數(shù)據(jù)統(tǒng)計與分析技術(shù)——附錄一：ABCDE五個城市權(quán)重的大小排序結(jié)果：ABCDF五個城市四個月權(quán)重的大小排序結(jié)果：ABCDF五個城市四個月API的大小排序結(jié)果：ABCDE五個城市API的大小排序結(jié)果：附件二：氣溫自相關(guān)系數(shù)氣溫偏自相關(guān)系數(shù)附件三：A冬季A春季典型相關(guān)系數(shù)1.3682.3033.059典型相關(guān)系數(shù)1.4642.3333.091維度遞減檢驗結(jié)果(降維檢驗)Wilk'sChi-SQDFSig.1.782102.34012.000.0002.90541.7156.000.0003.9971.4392.000.487維度遞減檢驗結(jié)果(降維檢驗)Wilk'sChi-SQDFSig.1.692116.20312.000.0002.88239.7306.000.0003.9922.6002.000.273標(biāo)準(zhǔn)化典型系數(shù)—第一組123aso2.194.901.827apm10-.735-.568.710標(biāo)準(zhǔn)化典型系數(shù)—