西安空氣質(zhì)量檢測(cè)報(bào)告

#通過以上兩個(gè)餅狀圖，可以看出用AQI得到的空氣質(zhì)量和API的比例差別很大。5.1.2API與AQI的對(duì)比與分析為了更加清晰的進(jìn)行兩種標(biāo)準(zhǔn)的對(duì)比，我們用MatLab分別計(jì)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(lán)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(shì)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(duì)于6項(xiàng)污染物的檢測(cè)，而API是對(duì)3項(xiàng)污染物的檢測(cè)，而PM2.5卻是不可忽略的因素，因?yàn)樵u(píng)測(cè)指標(biāo)是看分指標(biāo)的最大值，例如霧霾天氣中有很多可吸入顆粒物，對(duì)于把它忽略掉是不客觀的，所以AQI的評(píng)測(cè)更加客觀，全面。（2）AQI在測(cè)試時(shí)增加了測(cè)試的頻率，這樣無疑會(huì)對(duì)優(yōu)良空氣質(zhì)量的要求更加嚴(yán)格，要求其方差不能太大，維持在一個(gè)穩(wěn)定的狀態(tài)。（3）兩者評(píng)判的不同，通過對(duì)比API和AQI的評(píng)判標(biāo)準(zhǔn)（見附錄），可以看出試行的AQI更加的嚴(yán)格，而且空氣質(zhì)量等級(jí)更加明確，有六個(gè)等級(jí)。綜合以上原因，可以看出AQI是更加嚴(yán)格，更加合理全面的評(píng)測(cè)標(biāo)準(zhǔn)。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(guān)關(guān)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(yīng)的信息，這樣問題就簡(jiǎn)單化了。而對(duì)于該問題，原有變量的綜合顯然可以看成影響西安空氣質(zhì)量的原因。我們用主成分分析法對(duì)六種污染物濃度進(jìn)行處理。記六種污染物濃度分別為

自變量X1,X2,X3,X4,X5,X6,設(shè)他們降維處理后的綜合指標(biāo)，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(biāo)zi在公共因子x上的載荷，因子載荷的統(tǒng)計(jì)含義是指標(biāo)在zi公共因子上的相關(guān)系數(shù)，表示zi與x線性相關(guān)程度。1訂丄2,…lim說明了指標(biāo)Zi依賴于各個(gè)公共因子的程度。"5…lmj說明了公共因子x.與各個(gè)指標(biāo)的聯(lián)系程度。故根據(jù)該列絕對(duì)值較大的因子載荷所對(duì)應(yīng)的指標(biāo)來解釋這個(gè)公共因子的實(shí)際意義。而且，從數(shù)學(xué)上可以證明，它們分別是相關(guān)矩陣m個(gè)較大的特征值所對(duì)應(yīng)的特征向量。5.2.2模型的求解計(jì)算相關(guān)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(guān)系數(shù),rij=rji，其計(jì)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(jié)果如下:表5.2相關(guān)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(jì)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(duì)應(yīng)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(gè)分量。ijiji計(jì)算主成分貢獻(xiàn)率及累計(jì)貢獻(xiàn)率Xi貢獻(xiàn)率：￡Xk(iXi貢獻(xiàn)率：￡Xk(i二1,2,...,p)k累計(jì)貢獻(xiàn)率：磊(i=^2，…，p)LXkkik=1由下圖可以看出，前三個(gè)因子的累計(jì)貢獻(xiàn)率達(dá)到86%,即這三個(gè)主成分能夠反映足夠的信息。表5特征值和累計(jì)貢獻(xiàn)率表成份初始特征值提取平方和載入合計(jì)方差的%累積%合計(jì)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(duì)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(jié)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(shí)我們利用灰色相關(guān)度模型來驗(yàn)證主成分分析法，從而得到各相關(guān)污染物和AQI的相關(guān)度，得到的的相關(guān)度的矩陣如下：相關(guān)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(guān)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(jié)果分析：對(duì)兩個(gè)模型結(jié)果的分析，得到影響AQI的主要因素，結(jié)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(dǎo)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(gè)主成分代替原來的6個(gè)變量，描述影響西安空氣質(zhì)量的原因，可以使問題更近一步簡(jiǎn)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(zhì)量的因素主要有這四類：燃料燃燒、機(jī)動(dòng)車尾氣、城市揚(yáng)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(duì)所給數(shù)據(jù)的分析，還發(fā)現(xiàn)西安環(huán)境空氣質(zhì)量好壞與季節(jié)、城市能源消

費(fèi)結(jié)構(gòu)的關(guān)系十分密切：我們對(duì)西安地區(qū)從2010年1月到2013年4月的污染物指標(biāo)求取每個(gè)月的AQI平均值，并由此畫出AQI隨時(shí)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(gè)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(yán)重。原因可想而知，冬季相對(duì)于其他季節(jié)，需要燃燒大量煤炭進(jìn)行取暖，這就會(huì)產(chǎn)生大量污染。因此，季節(jié)也是影響空氣質(zhì)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(gè)地區(qū)分別代表工業(yè)區(qū)，城市和郊區(qū)，然后對(duì)數(shù)據(jù)處理得到下面的變化趨勢(shì)：

更安堆圣旳呢段間前變它國(guó)天如由上圖可知，各監(jiān)測(cè)點(diǎn)污染物濃度總體趨勢(shì)相近，可大致代表西安市的整體空氣質(zhì)量。再對(duì)比各個(gè)監(jiān)測(cè)點(diǎn)，長(zhǎng)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(yán)重，其次是商業(yè)區(qū)，而郊區(qū)污染由于遠(yuǎn)離工業(yè)污染，空氣質(zhì)量比較好。上圖是西安各區(qū)生產(chǎn)總值與AQI的關(guān)系對(duì)比圖，大概趨勢(shì)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(diǎn)，可見城市能源消費(fèi)結(jié)構(gòu)與空氣質(zhì)量有密切關(guān)系。

5?3問題三模型的建立與求解西安空氣的AQI指標(biāo)是衡量西安空氣質(zhì)量的標(biāo)準(zhǔn)。因此我們需要對(duì)西安的AQI指標(biāo)進(jìn)行預(yù)測(cè)，而AQI指標(biāo)與二氧化硫，氮氧化合物及顆粒有著直接的關(guān)系，故而我們可以通過對(duì)6項(xiàng)污染物的預(yù)測(cè)來得出相應(yīng)的AQI的值，為了簡(jiǎn)便,我們開始直接用AQI的歷史數(shù)據(jù)依據(jù)時(shí)間序列模型來預(yù)測(cè)未來一周的值，但是通過檢驗(yàn)發(fā)現(xiàn)有較大的誤差，進(jìn)一步對(duì)模型優(yōu)化，考慮6項(xiàng)污染物的數(shù)據(jù)，來一起預(yù)測(cè)未來的大氣質(zhì)量，這樣會(huì)減小誤差，比較準(zhǔn)確。5?3?1模型I：時(shí)間序列模型首先，我們直接對(duì)AQI進(jìn)行預(yù)測(cè)，即用原來的AQI的值來預(yù)測(cè)未來的AQI值，并利用時(shí)間序列模型來進(jìn)行預(yù)測(cè)，這種模型優(yōu)點(diǎn)在于比較簡(jiǎn)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(cè)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(yù)測(cè)值在真值附近，還是有個(gè)別點(diǎn)的誤差比較大的，我們進(jìn)一步分析利用多個(gè)影響因素來擬合并預(yù)測(cè)AQI，即BP神經(jīng)網(wǎng)絡(luò)模型。5.3.2模型II：bp神經(jīng)網(wǎng)絡(luò)模型考慮到歷史AQI指標(biāo)具有明顯地非線性映射關(guān)系，因此考慮建立bp神經(jīng)網(wǎng)絡(luò)模型去刻畫AQI指標(biāo)隨時(shí)間變化的關(guān)系。

模型的建立BP神經(jīng)網(wǎng)絡(luò)是由輸入層、輸出層以及一個(gè)或多個(gè)隱層節(jié)點(diǎn)互連而成的一種多層網(wǎng)，這種結(jié)構(gòu)使多層前饋網(wǎng)絡(luò)可在輸入和輸出間建立合適的線性或非線性關(guān)系。而本文就此建立三層BP神經(jīng)網(wǎng)絡(luò)，輸入層為SO2、N02、PMio、CO、O3、PM2.5六項(xiàng)指標(biāo)，輸出層為對(duì)應(yīng)的AQI的預(yù)測(cè)值，其示意圖如圖7所示：InputInput圖5.3.1三層BP神經(jīng)網(wǎng)絡(luò)示意圖由相關(guān)文獻(xiàn)肢，可得三層BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法:初始化網(wǎng)絡(luò)及學(xué)習(xí)參數(shù)，給各連接權(quán)系數(shù)篤、?j及閥值ej、0賦予「-2,2mm之間的隨機(jī)值(i=1,2,…,m;j=l,2，…,n)。隨機(jī)選取一模式對(duì)Xp=[Xp1，Xp2,…,，dp提供給網(wǎng)絡(luò)。用輸入模式乂卩，連接權(quán)系數(shù)％及閥值07計(jì)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(luò)期望輸出dp(4)用網(wǎng)絡(luò)期望輸出dp，網(wǎng)絡(luò)實(shí)際輸出o計(jì)算輸出層的校正誤差b=(-o)oG-o)ppppp(5)用37,bp,爲(wèi)和0計(jì)算下一次的隱含層和輸出層之間新的連接權(quán)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(jì)算下一次的輸入層和隱含層之間新的連接權(quán)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(jī)選下一個(gè)學(xué)習(xí)模式對(duì)提供給網(wǎng)絡(luò)，返回到第(3)步，直至全部m個(gè)模式對(duì)訓(xùn)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(yàn)最終建立的網(wǎng)絡(luò)效果，我們共取最近的43天作為輸入端，取六項(xiàng)指標(biāo)的30項(xiàng)指標(biāo)和其AQI作為bp神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本。余下的最近13個(gè)樣品將用作檢驗(yàn)訓(xùn)練后的bp神經(jīng)網(wǎng)絡(luò)是否可信。＞模型的求解利用MATLAB建立BP神經(jīng)網(wǎng)絡(luò)，編寫程序分別將預(yù)測(cè)的最近的13個(gè)數(shù)據(jù)點(diǎn)與實(shí)際值進(jìn)行比較，程序見附錄：利用訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)，對(duì)原來指標(biāo)數(shù)據(jù)進(jìn)行仿真，得到仿真值，并與實(shí)際值對(duì)比，見圖，由此可得擬合效果良好。3002001000030020010000圖5.3.2AQI仿真對(duì)比圖真實(shí)值93105981582439892預(yù)測(cè)值98.983107.95992.407157.331141.370100.16694.704仿真值與預(yù)測(cè)之間的數(shù)值關(guān)系真實(shí)值148182145145141132預(yù)測(cè)值145.157185.070143.108148.132136.824134.904

從結(jié)果可以看出AQI預(yù)測(cè)與實(shí)際值相近，故我們可以用神經(jīng)網(wǎng)絡(luò)模型對(duì)未來的AQI進(jìn)行預(yù)測(cè)，這時(shí)候由于不知道未來S02、N02、PM10、CO、03、PM2.5六項(xiàng)指標(biāo)，故需要利用matlab對(duì)這六項(xiàng)指標(biāo)進(jìn)行擬合，用擬合的值作為輸入端,進(jìn)一步求出預(yù)測(cè)值，預(yù)測(cè)圖像見下表。(途中星號(hào)為未來六天的預(yù)測(cè)值)表未來AQI的預(yù)測(cè)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(yù)測(cè)值15915710999115109從總體走勢(shì)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(shì)的，由于未來幾天的污染物濃度是根據(jù)已有數(shù)值進(jìn)行擬合的，所以時(shí)間的增加,誤差會(huì)增大，在未來幾天內(nèi)，我們可以把當(dāng)天的值也作為輸入端，以此可減小誤差，對(duì)模型進(jìn)行校正。5?4問題四的解析根據(jù)上面對(duì)空氣質(zhì)量的計(jì)算與分析，我們可以從以下方面給環(huán)境保護(hù)部門提出合理的建議。監(jiān)測(cè)方面：加強(qiáng)對(duì)空氣質(zhì)量的監(jiān)測(cè)，從多方面進(jìn)行監(jiān)測(cè)，這樣才更能反映空氣的質(zhì)量，當(dāng)污染較嚴(yán)重時(shí)及時(shí)告知民眾，并做好預(yù)測(cè)工作。以提高監(jiān)測(cè)水平，完善空氣質(zhì)量評(píng)價(jià)技術(shù)方法與信息發(fā)布機(jī)制。加強(qiáng)組織，協(xié)調(diào)推進(jìn)。各級(jí)環(huán)保部門應(yīng)加強(qiáng)組織領(lǐng)導(dǎo)，建立工作協(xié)調(diào)機(jī)制，編制本轄區(qū)內(nèi)環(huán)境空氣質(zhì)量監(jiān)測(cè)能力建設(shè)方案，將各項(xiàng)工作任務(wù)分解落實(shí)到相關(guān)部門和單位，做到有部署、有檢查，發(fā)現(xiàn)問題及時(shí)解決。定期評(píng)估，加強(qiáng)考核，及時(shí)掌握情況。控制空氣質(zhì)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(yīng)鼓勵(lì)集中供暖。加強(qiáng)工業(yè)污染的防治，以循環(huán)經(jīng)濟(jì)模式發(fā)展工業(yè)經(jīng)濟(jì)。如加強(qiáng)大型火電廠的脫硫、除塵以及低氮燃燒等措施。調(diào)整