西安空氣質量檢測報告

#通過以上兩個餅狀圖，可以看出用AQI得到的空氣質量和API的比例差別很大。5.1.2API與AQI的對比與分析為了更加清晰的進行兩種標準的對比，我們用MatLab分別計算出2013年1月1日至2013年4月26日期間的API及AQI的值，并畫出折線圖（其中紅線代表AQI，藍線代表API）圖5.1.3API與AQIS數(shù)值折線圖從上圖中我們可以看出雖然API和AQI的走勢基本相同，但是AQI的值基本都在API之上，我們需要分析造成這種差異的原因：（1）API與AQI在相同日期的數(shù)值卻不同，主要原因是AQI是對于6項污染物的檢測，而API是對3項污染物的檢測，而PM2.5卻是不可忽略的因素，因為評測指標是看分指標的最大值，例如霧霾天氣中有很多可吸入顆粒物，對于把它忽略掉是不客觀的，所以AQI的評測更加客觀，全面。（2）AQI在測試時增加了測試的頻率，這樣無疑會對優(yōu)良空氣質量的要求更加嚴格，要求其方差不能太大，維持在一個穩(wěn)定的狀態(tài)。（3）兩者評判的不同，通過對比API和AQI的評判標準（見附錄），可以看出試行的AQI更加的嚴格，而且空氣質量等級更加明確，有六個等級。綜合以上原因，可以看出AQI是更加嚴格，更加合理全面的評測標準。5.2問題二模型的建立與求解5.2.1模型的建立主成分分析是利用原變量之間的相關關系，用較少的新變量代替原來較多的變量，并使這些少數(shù)變量盡可能多的保留原來較多的變量所反應的信息，這樣問題就簡單化了。而對于該問題，原有變量的綜合顯然可以看成影響西安空氣質量的原因。我們用主成分分析法對六種污染物濃度進行處理。記六種污染物濃度分別為

自變量X1,X2,X3,X4,X5,X6,設他們降維處理后的綜合指標，即新變量為Z1,Z2,Z3,Z4,Z5,Z6則z=lx+lx+…+lx11111221ppz=lx+lx+…+lxv2211222ppz=lx+lx+…+lxJmm11m22mpp其中，l廠是指標zi在公共因子x上的載荷，因子載荷的統(tǒng)計含義是指標在zi公共因子上的相關系數(shù)，表示zi與x線性相關程度。1訂丄2,…lim說明了指標Zi依賴于各個公共因子的程度。"5…lmj說明了公共因子x.與各個指標的聯(lián)系程度。故根據(jù)該列絕對值較大的因子載荷所對應的指標來解釋這個公共因子的實際意義。而且，從數(shù)學上可以證明，它們分別是相關矩陣m個較大的特征值所對應的特征向量。5.2.2模型的求解計算相關系數(shù)矩陣，rr???r11121prr???rr???r11121prr???rR=21222prrr-p1p2pp」公式1rj(i,j=1,2，...,p)為原變量Xi與Xj的相關系數(shù),rij=rji，其計算公式為Z（x一x）（x一x）kiikjk=1m（xki一x）2m（x一x）2ikjk=1公式2結果如下:表5.2相關矩陣SO2NO2PM10COO3_1O3_8PM2.5AQIS021.000.495.386.647-.449-.536.674.539N02.4951.000.381.376-.102-.093.517.413PM10.386.3811.000.300-.282-.294.744.930CO.647.376.3001.000-.469-.455.742.52803_l-.449-.102-.282-.4691.000.903-.434-.41103_8-.536-.093-.294-.455.9031.000-.467-.431PM2.5.674.517.744.742-.434-.4671.000.900AQI.539.413.930.528-.411-.431.9001.000計算特征值與特征向量解特征方程h1-R=0，常用雅可比法(Jacobi)求出特征值，并使其按大小順序排列X>X>>X>0TOC\o"1-5"\h\z12p分別求出對應于特征值X的特征向量e.(i=1,2,…，p)，要求||e」=1，即

iiife2=1其中e表示向量e的第j個分量。ijiji計算主成分貢獻率及累計貢獻率Xi貢獻率：￡Xk(iXi貢獻率：￡Xk(i二1,2,...,p)k累計貢獻率：磊(i=^2，…，p)LXkkik=1由下圖可以看出，前三個因子的累計貢獻率達到86%,即這三個主成分能夠反映足夠的信息。表5特征值和累計貢獻率表成份初始特征值提取平方和載入合計方差的%累積%合計方差的%累積%14.57057.12057.1204.57057.12057.12021.43317.90675.0261.43317.90675.0263.92811.59786.6234.5426.77293.3965.3394.23297.6286.0991.23798.8657.071.88199.7468.020.254100.000對于特征值分別求出特征向量11,12即為主成分載荷。l=P(z,x)=Xe(i,j=1,2丄,p)ijijiij

結果如下表:成份得分系數(shù)矩陣成份123AQI.256-.005-.347S067N037PM10.228.087-.34603_1-.034.396-.173CO.225-.140.29603_8-.064.394-.114PM2.5.257-.029-.187同時我們利用灰色相關度模型來驗證主成分分析法，從而得到各相關污染物和AQI的相關度，得到的的相關度的矩陣如下：相關矩陣aAQISO2NO2PM10O31COO38PM2.5AQI1.0005-.037.545-.158.899SO2.2501.000.653.340.197.440.198.260NO2.227.6531.000.292.293.386.252.327相PM10.905.340.2921.000.136.351.041.683關03_1-.037.197.293.1361.000-.440.959-.075CO.545.440.386.351-.4401.000-.486.686O3_8-.41.959-.4861.000-.219PM2.5.899.260.327.683-.075.686-.2191.000結果分析：對兩個模型結果的分析，得到影響AQI的主要因素，結論如下PM25FM10是影響AQI的最主要因素，而產(chǎn)生這種顆粒污染物的原因可能是化石燃料的燃燒，工廠廢氣，植被破壞導致沙塵等。SO2,NO2的影響也不容忽視，N02主要是汽車尾氣，而SO2則主要是煤的燃燒。顯然用這兩個主成分代替原來的6個變量，描述影響西安空氣質量的原因，可以使問題更近一步簡化，明了。由這些污染物的來源，自然可以推知影響西安空氣質量的因素主要有這四類：燃料燃燒、機動車尾氣、城市揚塵、工業(yè)廢氣排放。5.2.2季節(jié)及其他因素的影響季節(jié)因素通過對所給數(shù)據(jù)的分析，還發(fā)現(xiàn)西安環(huán)境空氣質量好壞與季節(jié)、城市能源消

費結構的關系十分密切：我們對西安地區(qū)從2010年1月到2013年4月的污染物指標求取每個月的AQI平均值，并由此畫出AQI隨時間的變化情況圖：API隨月份推移的變化情我們從圖中可以看出大概每12個月份出現(xiàn)一次峰值，而每次峰值出現(xiàn)在冬季前后。也就是說，冬季污染最為嚴重。原因可想而知，冬季相對于其他季節(jié)，需要燃燒大量煤炭進行取暖，這就會產(chǎn)生大量污染。因此，季節(jié)也是影響空氣質量狀況的因素。工業(yè)因素根據(jù)附錄中提供的西安各地區(qū)的AQI的變化，選擇有代表性的三個地區(qū)分別代表工業(yè)區(qū)，城市和郊區(qū)，然后對數(shù)據(jù)處理得到下面的變化趨勢：

更安堆圣旳呢段間前變它國天如由上圖可知，各監(jiān)測點污染物濃度總體趨勢相近，可大致代表西安市的整體空氣質量。再對比各個監(jiān)測點，長安區(qū)的曲線位于最下端，小寨的曲線居中，而高壓鍋爐廠的曲線最高。說明工業(yè)區(qū)的污染最為嚴重，其次是商業(yè)區(qū)，而郊區(qū)污染由于遠離工業(yè)污染，空氣質量比較好。上圖是西安各區(qū)生產(chǎn)總值與AQI的關系對比圖，大概趨勢為工業(yè)生產(chǎn)總值高的地區(qū)，其AQI越大，也就是污染程度越高。綜合以上兩點，可見城市能源消費結構與空氣質量有密切關系。

5?3問題三模型的建立與求解西安空氣的AQI指標是衡量西安空氣質量的標準。因此我們需要對西安的AQI指標進行預測，而AQI指標與二氧化硫，氮氧化合物及顆粒有著直接的關系，故而我們可以通過對6項污染物的預測來得出相應的AQI的值，為了簡便,我們開始直接用AQI的歷史數(shù)據(jù)依據(jù)時間序列模型來預測未來一周的值，但是通過檢驗發(fā)現(xiàn)有較大的誤差，進一步對模型優(yōu)化，考慮6項污染物的數(shù)據(jù)，來一起預測未來的大氣質量，這樣會減小誤差，比較準確。5?3?1模型I：時間序列模型首先，我們直接對AQI進行預測，即用原來的AQI的值來預測未來的AQI值，并利用時間序列模型來進行預測，這種模型優(yōu)點在于比較簡單，不用考慮其他因素。模型思想：y(t)=f(y(t-l),???y(t-d))通過MATLAB工具箱，擬合來測試其誤差:ResponseofOutputElement1forTime-Series1250200TrainingTargets+TrainingOutputsValidationTargetsValidationOutputsTestTargetsTestOutputs150100：：ErrorsResponse50-10011-f11250200TrainingTargets+TrainingOutputsValidationTargetsValidationOutputsTestTargetsTestOutputs150100：：ErrorsResponse50-10011-f111'1aTargets-OutputsA*?1“”41111111200100241012068Time雖然大多數(shù)預測值在真值附近，還是有個別點的誤差比較大的，我們進一步分析利用多個影響因素來擬合并預測AQI，即BP神經(jīng)網(wǎng)絡模型。5.3.2模型II：bp神經(jīng)網(wǎng)絡模型考慮到歷史AQI指標具有明顯地非線性映射關系，因此考慮建立bp神經(jīng)網(wǎng)絡模型去刻畫AQI指標隨時間變化的關系。

模型的建立BP神經(jīng)網(wǎng)絡是由輸入層、輸出層以及一個或多個隱層節(jié)點互連而成的一種多層網(wǎng)，這種結構使多層前饋網(wǎng)絡可在輸入和輸出間建立合適的線性或非線性關系。而本文就此建立三層BP神經(jīng)網(wǎng)絡，輸入層為SO2、N02、PMio、CO、O3、PM2.5六項指標，輸出層為對應的AQI的預測值，其示意圖如圖7所示：InputInput圖5.3.1三層BP神經(jīng)網(wǎng)絡示意圖由相關文獻肢，可得三層BP神經(jīng)網(wǎng)絡的學習算法:初始化網(wǎng)絡及學習參數(shù)，給各連接權系數(shù)篤、?j及閥值ej、0賦予「-2,2mm之間的隨機值(i=1,2,…,m;j=l,2，…,n)。隨機選取一模式對Xp=[Xp1，Xp2,…,，dp提供給網(wǎng)絡。用輸入模式乂卩，連接權系數(shù)％及閥值07計算各隱含單元的輸出:o=f(o=f(net)=f(為pjpj(乙3xjji=1-0)]!j」丿i=1,2,…,m;j=l,2,…,n(4)用網(wǎng)絡期望輸出dp(4)用網(wǎng)絡期望輸出dp，網(wǎng)絡實際輸出o計算輸出層的校正誤差b=(-o)oG-o)ppppp(5)用37,bp,爲和0計算下一次的隱含層和輸出層之間新的連接權值及神經(jīng)元閾值：3(t+1)=3(t)+耳(t)bo+a「3(t)-j(t-1)0(t+1)=0(t)+耳(t)q+a「0(t)-0(t-1)Zt\n(t)=n01-0lT+M丿

(6)用,x和0計算下一次的輸入層和隱含層之間新的連接權值及隱含神ijpjpj經(jīng)元閾值：(t+1)=?(t)+耳(t)qx+aT?(t)-?(t-1)]ijijPjPj匚ijij」0(t+1)=0(t)+耳(t)a+a|~0(t)-0(t-1)jjpjLjj」(7)隨機選下一個學習模式對提供給網(wǎng)絡，返回到第(3)步，直至全部m個模式對訓練完。＞樣本選取：根據(jù)附錄5中全市平均數(shù)據(jù)作為樣本，為了檢驗最終建立的網(wǎng)絡效果，我們共取最近的43天作為輸入端，取六項指標的30項指標和其AQI作為bp神經(jīng)網(wǎng)絡的訓練樣本。余下的最近13個樣品將用作檢驗訓練后的bp神經(jīng)網(wǎng)絡是否可信。＞模型的求解利用MATLAB建立BP神經(jīng)網(wǎng)絡，編寫程序分別將預測的最近的13個數(shù)據(jù)點與實際值進行比較，程序見附錄：利用訓練好的BP神經(jīng)網(wǎng)絡，對原來指標數(shù)據(jù)進行仿真，得到仿真值，并與實際值對比，見圖，由此可得擬合效果良好。3002001000030020010000圖5.3.2AQI仿真對比圖真實值93105981582439892預測值98.983107.95992.407157.331141.370100.16694.704仿真值與預測之間的數(shù)值關系真實值148182145145141132預測值145.157185.070143.108148.132136.824134.904

從結果可以看出AQI預測與實際值相近，故我們可以用神經(jīng)網(wǎng)絡模型對未來的AQI進行預測，這時候由于不知道未來S02、N02、PM10、CO、03、PM2.5六項指標，故需要利用matlab對這六項指標進行擬合，用擬合的值作為輸入端,進一步求出預測值，預測圖像見下表。(途中星號為未來六天的預測值)表未來AQI的預測值日期4月305月1日5月2日5月3日5月4日5月5日預測值15915710999115109從總體走勢上看，雖然沒有未來的數(shù)值，但是還是比較符合整體的走勢的，由于未來幾天的污染物濃度是根據(jù)已有數(shù)值進行擬合的，所以時間的增加,誤差會增大，在未來幾天內，我們可以把當天的值也作為輸入端，以此可減小誤差，對模型進行校正。5?4問題四的解析根據(jù)上面對空氣質量的計算與分析，我們可以從以下方面給環(huán)境保護部門提出合理的建議。監(jiān)測方面：加強對空氣質量的監(jiān)測，從多方面進行監(jiān)測，這樣才更能反映空氣的質量，當污染較嚴重時及時告知民眾，并做好預測工作。以提高監(jiān)測水平，完善空氣質量評價技術方法與信息發(fā)布機制。加強組織，協(xié)調推進。各級環(huán)保部門應加強組織領導，建立工作協(xié)調機制，編制本轄區(qū)內環(huán)境空氣質量監(jiān)測能力建設方案，將各項工作任務分解落實到相關部門和單位，做到有部署、有檢查，發(fā)現(xiàn)問題及時解決。定期評估，加強考核，及時掌握情況。控制空氣質量方面：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)，應鼓勵集中供暖。加強工業(yè)污染的防治，以循環(huán)經(jīng)濟模式發(fā)展工業(yè)經(jīng)濟。如加強大型火電廠的脫硫、除塵以及低氮燃燒等措施。調整