数学建模论文-西安市环境空气质量问题.docx

B题： 西安市环境空气质量问题目录1 问题的重述22 问题的分析2一、问题的总体分析2二、对问题的具体分析和处理23 模型的假设24 名词解释与符号说明2一、名词解释：2二、符号说明25 模型的建立与求解2一、问题（1）的模型建立与求解2二、问题（2）：分析影响西安市空气质量的原因2三、问题（3）：对未来一周（取2013年4月30日至5月6日）西安市空气质量状况进行预测2四、问题（4）：试就环境空气质量的监测与控制对西安市环保部门提出建议。26 模型的评价与推广2一、模型的优缺点2二、模型的推广27 参考文献及资料来源2一、名词解释：2二、参考文献及模型资料：2三、有关建议：28附录2一、API及AQI的统计数据：2二、matlab程序：21 问题的重述大气环境是指包围在地球外围的空气层，是地球自然环境的重要组成部分之一。近年来，随着我国经济社会的快速发展，以煤炭为主的能源消耗大幅攀升，机动车保有量急剧增加，经济发达地区氮氧化物（NOx）和挥发性有机物（VOCs）排放量显著增长，臭氧（O3）和细颗粒物（PM2.5）污染加剧，在可吸入颗粒物（PM10）和总悬浮颗粒物（TSP）污染还未全面解决的情况下，京津冀、长江三角洲、珠江三角洲等区域PM2.5和O3污染加重，灰霾现象频繁发生，能见度降低，环境空气质量评价以及污染治理等问题再一次引起大众的关注。2012年2月29日，国家环保部发布了新修订的环境空气质量标准（GB3095-2012）（见附件2），其中增加污染物监测项目，加严部分污染物限值，以客观反映我国环境空气质量状况，推动大气污染防治；而之前的评判则以GB3095-1996（附件1）为依据，通过空气污染指数（API）判断空气质量。目前新标准中对大气质量的监测主要是监测大气中二氧化硫（SO2）、二氧化氮（NO2）、一氧化碳（CO）、臭氧（O3）、可吸入颗粒物（PM10，粒子直径小于等于10m）以及细颗粒物（PM2.5，粒子直径小于等于2.5m）等六类基本项目和总悬浮颗粒物（TSP）、氮氧化物（NOx）、铅（Pb）、苯并a芘（BaP）四类其他项目的浓度。研究表明，城市环境空气质量好坏与季节、城市能源消费结构等因素的关系十分密切。附件中给出了关于空气污染的相关数据，请利用附件数据（如有必要，请自行查找数据，但必须在论文中注明数据来源！）回答以下问题：（1）请分别使用空气污染指数（API）（旧标准）和环境空气质量指数（AQI）（新标准）对西安市的空气质量进行评价，并对评价结果进行对比、分析；（2）分析影响西安市空气质量的原因；（3）对未来一周（取2013年4月30日至5月6日）西安市空气质量状况进行预测； （4）试就环境空气质量的监测与控制对西安市环保部门提出建议。附件：1. 环境空气质量标准（GB 30951996）2.中华人民共和国环境空气质量标准（GB 30952012）3. 环境空气质量指数（AQI）技术规定（试行）4. 西安市环境空气质量监测数据说明5. 西安市大气污染物浓度监测数据6. 西安市各区县规模以上工业增加值7. 西安地区气象数据(2011112013428)8. 中国城市空气质量管理绩效评估(全文)2 问题的分析一、 问题的总体分析目前我国对空气质量的评价主要依靠API和AQI两大指数，因此，我们研究的重点就放到这两个主要指数上。我们在对西安市空气质量的相关数据统计的基础上，利用MFC编程、excel、spss、matlab等软件工具，分别建立灰色预测模型、时间序列预测模型，对数据进行了定性定量的分析，然后再结合其他相关因素进行空气质量的讨论，从而得到题目要求的结果。二、对问题的具体分析和处理1、对问题（1）的分析要利用API与AQI对西安市的空气质量进行评价，那么首先要通过数据计算出API、AQI的值，通过统计模型的分析，再结合相应的影响因素对西安市的空气质量进行全面的分析及评价。2、对问题（2）的分析分析原因首先考虑到的是直接影响原因，而通过API、AQI的对比分析，我们将参考AQI的数据来主要进行我们的问题讨论。显然，这只是表面的部分，还需考虑到深层次的气候条件、工业生产值增加、车辆保有量、人口密度等问题因素，因此，我们将挑选重要指标对其进行模拟分析，从而得到更加合理的分析结果。3、对问题（3）的分析：问题（3）要求预测2013年4月30日至5月6日西安市空气质量指数，这属于预测问题。经过查找相关资料，我们找到了一种适合此问题的方法，即灰色模拟预测法。分别通过对2013年4月30日前10天、前15天、前一个月、前一个半月内的指标数据进行灰色模拟预测法处理来预测出七天内指标数据。4、对问题（4）的分析：首先，我们要对西安市的空气质量有足够的了解，有了数据及相关分析的支持，找到协调与解决该问题的有效方法，我们才可以向西安市环保部门提出行之有效的建议，而我们的建议才有可能真正的付诸于实践。3 模型的假设一、题目所给的附件信息都准确可靠二、假设空气质量指数与空气污染指数只与附件5监测数据所给的污染物、PM10、CO、PM2.5的含量有关，忽略其他污染物的影响以及环境污染突发事件的因素。三、按照国标进行空气污染等级的分类四、在所取的研究时段，气候不发生异常剧烈变化。五、计算机运算软件正常，输出信息准确。4 名词解释与符号说明一、 名词解释：1、PM10：即飘尘，能在大气中长期漂浮的悬浮物质称为飘尘。其粒径主要是小于10微米的微粒。由于飘尘粒径小，能被人直接吸入呼吸道造成危害；又由于它能在大气中长期漂浮，易将污染物带到很远的地方，导致污染范围扩大，同时在大气中还可为化学反应提供反应床。因此，飘尘是从事环境科学工作者所注目的研究对象之一。国家环保总局1996年颁布修订的环境空气质量标准（GB30951996）中将飘尘改称为可吸入颗粒物，作为正式大气环境质量标准。2、PM2.5：即细颗粒物，又称细粒、细颗粒。大气中粒径小于或等于2m（有时用小于2.5m，即PM2.5）的颗粒物。虽然细颗粒物只是地球大气成分中含量很少的组分，但它对空气质量和能见度等有重要的影响。细颗粒物粒径小，含有大量的有毒、有害物质且在大气中的停留时间长、输送距离远，因而对人体健康和大气环境质量的影响更大。2012年2月，国务院同意发布新修订的环境空气质量标准增加了细颗粒物监测指标。2013年2月28日，全国科学技术名词审定委员会称PM2.5拟正式命名为“细颗粒物”。3、API:空气污染指数，城市主要污染物、浓度的综合评价值。可以用来描述空气污染的程度。4、AQI；空气质量指数, 城市主要污染物、PM2.5浓度的综合评价值，定量描述空气质量状况的无量纲指数。5、时间序列：时间序列是将同一现象在不同时间上的数值，按时间先后顺序排列而成的一种序列。在时间序列的传统理论中，将时间序列的发展水平分解为四种成分：长期趋势、季节变动、循环变动和不规则变动。发展水平是指时间序列中的各个观察值。时间序列分析方法属于统计学范畴，通过研究、分析和处理时间序列，提取出系统的相关信息，从而揭示时间序列本身的结构与规律，认识系统的固有特性，掌握系统与外界的联系，推断出系统在将来的变化和行为。因此，时间序列分析方法已经不仅仅是一种数据处理的方法，它已演变为一种系统分析研究的方法。随着时间序列分析方法的不断成熟，在社会生活、经济、生产以及国防建设中应用广泛。大气环境系统的变化也可以被看作是时间序列，例如对某一监测站点的大气环境污染指标监测值将随时间的推进发生改变，通过对相关监测值建立时间序列模型，以历史资料进行参数估值后就可以对该监测指标进行模拟预测。1-3时间序列预测模型分为：指数平滑预测预测模型、自回归（AR）模型、自回归综合移动平均（ARIMA）模型等。 6、灰色模型：如果一个系统具有层次、结构关系的模糊性，动态变化的随机性，指标数据的不完备或不确定性，则称这些特性为灰色性。具有灰色性的系统称为灰色系统。对灰色系统建立的预测模型称为灰色模型(Grey Model)，简称GM模型，它揭示了系统内部事物连续发展变化的过程。二、符号说明序号符号符号说明1IAQIP AQI标准中污染物项目 P 的空气质量分指数2CPAQI标准中污染物项目 P 的质量浓度值3BPHiAQI标准中与 CP 相近的污染物浓度限值的高位值4BPLoAQI标准中与 CP 相近的污染物浓度限值的低位值5IAQIHiAQI标准中与 BPHi 对应的空气质量分指数6IAQILoAQI标准中与 BPLo 对应的空气质量分指数7CAPI标准中某污染物的质量浓度值8IAPI标注中某污染物的污染指数9C大API分级限值表中最贴近C值且大于C的限值10C小API分级限值表中最贴近C值且小于C的限值11I大API分级限值表中最贴近I值且大于I的值12I小API分级限值表中最贴近I值且小于I的值13GM(m,n)m阶n个变量的微分方程14(t)(t=2,3n)m阶向量第n个变量的极比5 模型的建立与求解从所要解决的的问题和对问题所做的假设出发，给我们以上提出的问题建立不同的模型。一、问题（1）的模型建立与求解分析：首先找到计算API与AQI的公式，及其分级标准。如下图1、空气污染指数（API）的分级标准和计算方法：污染指数污染物浓度（毫克/立方米）APISO2（日均值）NO2（日均值）PM10（日均值）CO（小时均值）O3（小时均值）500.0500.0800.050 50.1201000.1500.1200.150 100.2002000.8000.2800.350 600.4003001.6000.5650.420 900.8004002.1000.7500.5001201.0005002.6200.9400.6001501.200表1.空气污染指数对应的污染物浓度限值 基本计算式： 全市API的计算步骤a.求某污染物每一测点的日均值式中：Ci为测点逐时污染物浓度，n为测点的日测试次数b.某一污染物全市的日均值式中：l为全市监测点数c.将各污染物的市日均值分别代入API基本计算式所得值，便是每项污染物的API分指数。d.选取API分指数最大值为全市API。 全市主要污染物的选取各种污染物的污染分指数都计算出以后，取最大者为该区域或城市的空气污染指数API，则该项污染物即为该区域或城市空气中的首要污染物。API = max(I1,I2IiIn）2、空气质量指数（AQI）的分级标准及计算方法：表2.空气质量分指数及对应的污染物浓度限值AQI计算方法式：由于我们需要通过API和AQI进行比较，且AQI从2013年1月1日才开始施行，所以我们只选取2013年1月1日到2013年4月29日之间的数据。但是当我们开始进行计算的时候，发现附件中所给的所有数据的量纲均为1。而附件标题为“附件5. 西安市大气污染物浓度监测数据”，所以附件中的数据单位应该为浓度单位，而这样就产生了矛盾。因此我们讨论后认为，可能附件表格有误，于是我们找到数据的出处-西安市环境监测站，在其官方网站中与其所发布的数据进行对比。结果发现，题目中所携带的附件信息确实有误。即附件所 图1.西安市环境监测站发布的数据摘要给出的数据应是各物质的IAQIP 值（I值）,而并非污染物浓度。因此，我们只进行对各污染物IAQIP 值（I值）的最大值选取即可，从而得到最终的API及AQI。我们通过excel表格最大值函数的计算，从而得到了2013年1月1日到2013年4月29日的API和AQI。得到API和AQI后，我们考虑到变量因素及变量之间的相互关系，因而运用空气质量指数法，建立综合评价模型和层次分析模型求解。之后我们运用spss软件建立API、AQI序列图及excel软件做出API及AQI的统计图，根据这些数据图表进行了定性定量的分析。图2. 2013/1/1-2013/4/29 API变化图图3. 2013/1/1-2013/4/29空气质量等级（旧标准）分布图经过对API的统计数据，我们可以看出西安市的空气质量一般，良及轻度污染占了前四个月的78%，因此对人们的生产生活影响不是很大。但仍有12%的时间达到了中度污染，甚至10%的时间达到了重度污染，其中产生了严重的雾霾天气，能见度不足500米，对人们的出行及身体健康均产生了较大的影响。图4. 2013/1/1-2013/4/29 AQI变化图图5. 2013/1/1-2013/4/29空气质量等级（新标准）图经过对AQI的分析，西安市的空气质量很差，良及轻度污染的天数只占到前五个月的41%，而有22%的时间达到了中度污染，17%的时间达到了重度污染，甚至20%的时间达到了严重污染，这对人们的出行及身体健康均产生了极大的影响。从2013年1月1日起实行发布的AQI指数反映出了西安的空气质量出现严重危机，PM2.5的值急剧增加，并多次爆表。2013年1月1日2013年4月29日西安API、AQI对比图表如下： 图6. 2013/1/1-2013/4/29 AQI和API变化对比图 空气污染指数API空气质量状况对健康的影响建议采取的措施050优 可正常活动51100良101150轻微污染 易感人群症状有轻度加剧，健康人群出现刺激症状 心脏病和呼吸系统疾病患者应减少体力消耗和户外活动151200轻度污染201250中度污染 心脏病和肺病患者症状显著加剧，运动耐受力降低，健康人群中普遍出现症状 老年人和心脏病、肺病患者应在停留在室内，并减少体力活动251300中度重污染300重污染 健康人运动耐受力降低，有明显强烈症状，提前出现某些疾病 老年人和病人应当留在室内，避免体力消耗，一般人群应避免户外活动表3.API对应的空气质量状况表4.AQI对应的空气质量类别2013/1/1-2013/4/29中各类空气质量状况统计（单位：天）指数类型优良轻度污染 中度污染 重度污染 严重污染API021711413AQI01538282226表5. 2013.1.1-2013.4.29的API及AQI的等级天数AQI是2013年1月1日开始施行的新标准，AQI与API相比，空气质量等级分级更细，更改了分级标准。通过对西安市前四个月API与AQI的比较，我们可以看到AQI指数较大，空气质量的污染程度更大，反映出西安市轻度污染的天数减少，而中度污染、重度污染及严重污染天数则剧增。两个空气指数与这几天的实际天气情况相比较，AQI更能反映出真实的空气质量情况以及导致西安雾霾的原因，数据更加准确全面，使得AQI更符合人们的主观印象和实际情况。在2012年最后一个季度和2013年的第一季度，西安出现严重的雾霾天气，但是根据API得出的空气污染等级仍然没有特别差，使得公众对官方的空气质量的监测产生了质疑。然而殊不知，API只是划分污染等级对现实情况的反应不够准确，并不是监测的错误。二、问题（2）：分析影响西安市空气质量的原因在上一问的解答中，我们看到在第一季度，西安全市优良天数共5天，优良率仅为5.6%，重度和重度以上污染天数为46天，达到51%。一季度，空气质量四项主要评价指标平均浓度均超标，在污染的85天中，首要颗粒物为PM2.5的65天，为PM10的20天。颗粒物(PM2.5和PM10)污染是西安市当前大气污染的主要原因。之所以西安市的空气质量会如此，是因为空气受到污染。空气污染是一个复杂的现象，在特定时间和地点空气污染物浓度受到许多因素影响，来自固定和流动污染源的人为污染物排放大小是影响空气质量的最主要因素之一，其中包括车辆尾气、飞机尾气、工业企业生产废气，他们的共同作用使空气污染更加严重。在污染源排放量没有大的变化的情况下，风、雨、气压、温度等气象条件则直接影响空气质量的好坏。 经过我们的分析总结，我们认为造成西安市空气质量较差的因素主要有三个方面： 首先，是人为活动的影响。随着西安国际化大都市建设进程的加快，城市发展与环境容量的矛盾日趋凸显。2012年，西安市二氧化硫排放量约为10.36万吨，氮氧化物排放约9.16万吨，烟粉尘排放量约为3万吨。受经济结构、所处发展阶段等因素制约，人为生产生活污染排放已经成为影响西安空气质量的主要原因。大气污染源解析研究表明，目前机动车尾气、燃煤烟气、烟尘处于西安人为大气排放源的前三位，也是PM2.5的主要来源，约占总量的75%以上。以下是几个代表县区及西安市的的有关数据，近年来西安市各地区的生产总值都有很大的增长，这标志着西安市正在飞速发展，同时也意味着西安市正遭受着更大的污染。图7.雁塔区2012年产值情况图8.阎良区2012年产值情况图9.长安区2012年产值情况图10.西安市2010、2911、2012年产值情况而我市的机动车保有量也在持续增加，除此之外，还有冬季取暖的燃煤污染以及烟尘污染等，都是造成西安市空气质量并不尽如人意的原因。而在上一题的分析中，我们可以看到冬季西安空气质量指数严重超标，而这段时间正是冬季采暖以及中国传统春节假期期间。由于大量使用燃煤秸秆取暖、以及春节期间大量燃放烟花爆竹，导致冬季空气污染极其严重，这也是人为活动因素的重要组成部分。图11. 2013/1/1-2013/4/29的温度与指数对比图其次，是西安市自身自然因素的影响。首先我们对2013年前五个月的空气指数和气温进行了对比，随后发现，随着温度的升高，空气指数有所下降，这表明温度也是影响空气质量的重要原因之一。在这里我们对2010-2012年全市API指数和2012年三个区的全年API指数进图12. 2010-2012年全市API指数和2012年三个区的全年API指数对比图行了综合比较，发现全市空气质量存在一个整体趋势性的变化，即为春冬季（11月至第二年4月）空气质量较夏秋季（5-10月）差，而我们认为存在这样的变化的原因主要是西安市的气候条件引起的。从地理上看，西安地处关中盆地，受秦岭阻挡，再加上城市高大建筑物密集度的不断加大，导致大气扩散条件差。气候上，西安冬春季节气候干燥、降水较少、对流条件较差，静风、逆温、雾天、沙尘等不利条件多发，污染物不易扩散，聚集后污染危害放大。在每年11月下旬到来年4月间容易形成雾霾和扬尘天气，大气污染问题更加突出。这一点从图中我们也可以直管看出，例如在第120天左右空气质量发生了突然性的变化，这正是由于春季扬尘天气造成空气严重污染的状况。还有，外来污染物输入的影响因素。经查阅附件资料，我们了解到西安市在常年东北风主导风向的影响下，西安受山西等地上风向输入型污染影响较大。输入物在秦岭山前平原地区汇聚沉降，导致污染物累积。西安市本地自然源及外来输入源约在PM2.5总量的10-15%。因此，外来污染物也是西安市空气质量下降的主要原因之一。综上，以上三种主要原因造成了西安市空气质量不好的现状，同时也提醒我们应当更加关注对空气质量的改善和治理。三、问题（3）：对未来一周（取2013年4月30日至5月6日）西安市空气质量状况进行预测1、模型的分析（灰色模型）灰色预测，是基于灰色动态模型(Grey Dynamic Model），简称GM的预测。GM(m,n)表示m阶n个变量的微分方程，它把离散数据视为连续变量在其变化过程中所取的离散值，从而可利用微分方程式处理数据。而不直接使用原始数据，而是由它产生累加生成数，对生成数列使用微分方程模型。这样，可以抵消大部分随机误差，显示出规律性。2、模型的准备在对西安市的空气质量指数应用灰色预测法时，为了保证建模方法的可行性，首先要对数列做必要的检验处理。计算数列的极比：，如果极比通过检验，则可直接进行灰色预测，否则要对数列将进行必要的变换处理，使其落在可覆盖区域内，即取适当的常数，使，使其通过检验。3、模型的建立对西安市1月1日至4月29日的AQI指数值数列，建立灰色预测模型设已知参考做一次累加（AGO）生成数列，再求均值数列记，于是建立灰微分方程将分别代入上式得到相应的白化微分方程为 称之为GM（1，1）模型。令YN=，则上式可以写成矩阵形式,由最小二乘法，求使得达到最小的，得到预测值 所求指标第天的预测值：4、模型的求解将西安市3月2日到4月29日（共计60天）的AQI数列输入matlab程序中，可得未来7天预测趋势值，如下图所示：图13. 3/2-4/29AQI预测趋势值图图14. 3/2-4/29预测趋势图将西安市3月16日到4月29日（共计45天）的AQI数列输入matlab程序，可得未来7天预测趋势值如下图：图15. 3/16-4/29AQI预测趋势值图图16. 3/16-4/29预测趋势图将西安市3月31日到4月29日（共计30天）的AQI数列输入matlab程序，可得未来7天趋势预测值如下图：图17. 3/31-4/29AQI预测趋势值图图18. 3/31-4/29预测趋势图将西安市4月15日到4月29日（共计15天）的AQI数列输入matlab程序，可得如下下图趋势预测值：图19. 4/15-4/29AQI预测趋势值图图20. 4/15-4/29预测趋势图将西安市4月20日到4月29日（共计10天）的AQI数列输入matlab程序可得如下图趋势预测值：图21. 4/20-4/29AQI预测趋势值图图22. 4/20 -4/29预测趋势图从以上五组数据可以看出经过灰色模拟模型预测，产生了我们想得到的预测数据，但是我们还注意到，键入60天AQI数据后其预测百分绝对误差达到了五组数据的误差百分最高值55%，键入10天的AQI数据后其预测百分绝对误差是五组数据百分误差最低值，为15%。因此我们还需要找到更加符合实际的预测模型来进行数据的优化，从而得到更加精确的结果。在相关资料中，我们得出灰色预测模型适用于短期少量的数据的精确预测，并不适用于大量长期的数据模拟预测。我们又找到了预测模拟的另外一个优化模型：时间序列分析模型。进而对预测数据进行模型优化优化。通过时间序列模型的模拟预测，我们最终得到了比较满意的预测结果。5、对模型的优化：采用灰色预测模型预测，由上文得出其预测值并不精确。对此我们进行了模型的改进。因为所求出来的AQI数据是以天数为单位，因此可以考虑应用时间序列模型进行预测。经过查阅spss软件对时间序列分析应用的相关资料可知，当序列中存在趋势性时，可通过某些阶数的差分处理使序列平稳化。这样的列被称为是一种准平稳的序列，而相应的分析模型被概括为ARIMA（p,d,q），其中d表示平稳和过程中差分的阶数，进行单位根检验确定; 通过观察ACF从多少阶衰减确定q，观察PACF从多少阶衰减确定p，再由AIC最小原则进一步筛选。下图为ACF、PACF图23. 时间序列ACF图24. 时间序列PACF模型模型拟合统计量Ljung-Box Q(18)预测变量数平稳的 R 方正态化的 BIC统计量DFSig.离群值数AQI-模型_11.6909.19515.93414.3170表6.模型统计量4月30日到5月6日（对应下表120126）的西安市AQI的预测值为：模型 120 121 122 123 124 125 126AQI-模型_1预测77939189878482UCL155209205200195189184LCL32343332313030表7.预测值图25.预测趋势图平稳的R方为0.690，拟合的效果较好，此次预测的结果较精确。AQI预测结果为：77,93,91,89,87,84,82，即未来一周（取2013年4月30日至5月6日）西安市空气质量状况为：良，良，良，良，良，良，良。四、问题（4）：试就环境空气质量的监测与控制对西安市环保部门提出建议。通过对前面三个问题的讨论与分析，我们已经发现西安市的环境空气质量并不能让人满意。而为了改善这一现状，我们有责任和义务向西安市的环保部门提出合理的建议。以下就是经过我们小组分析和讨论之后总结的一些建议。一、随着陕西省政府全面改善城市环境空气质量工作方案的出台，我市环保水平有了极大的提高，但仍显不够。我们认为环保部门的工作人员应当以高度的责任感，坚决落实方案各项工作。严格落实省政府关于全面改善城市环境空气质量工作方案，确保实现各阶段环境质量目标，环保部门责无旁贷。因此，必须将大气污染防治工作落实到各项环保日常工作之中，一抓到底、常抓不懈，全方位、多层次地做好协调衔接、统筹调度、技术支持、监测预警等工作，确保各项措施落到实处。二、环保部门应当确实做好环境空气质量的监测、发布，预警和风险防范工作。环保部门应根据西安市实际情况，制定出切实可行的环境空气监测方案，加强日常环境监测和应急监测工作。同时要切实提升监测能力，建立布局合理、数据可靠、传导灵敏、监管有效的空气质量监测、评价、信息发布体系。环保部门应当用真实的监测数据说话，为政府决策提供科学依据，为人民群众提供与其感观相符的空气监测数据。还要通过科学合理的环境监测、监管找到区域大气污染防治薄弱环节，提出风险防范措施和区域大气污染预警机制。三、环保部门应当综合采取全防全控、群防群控措施，实施多种污染物协同减排。要统筹协调好总量削减、质量改善和风险防范的关系，把大气污染治理和污染物总量减排工作结合起来。按照减排要求，继续强化结构减排，细化工程减排，实化管理减排，以总量定项目、以总量定产能。持续推进电力行业污染减排，加快水泥、钢铁等非行业的脱硫脱销进程，因地制宜地开展燃煤锅炉烟气治理，前瞻性地开展机动车污染检测和治理工作。要统筹二氧化硫、氮氧化物、颗粒物、挥发性有机物等多种污染物协同控制；要强化工业点源、面源、移动源综合控制；要实施统一规划、统一监测、统一监管、统一评估、统一协调的区域大气联防联控机制；要建立政府牵头、部门联动、区域控制、行业自律的全社会大气治污防污机制。四、环保部门应当坚持“用重典，出重拳”，严厉打击环境违法行为。环保部门应当以解决影响可持续发展和损害人民群众身心健康的突出的大气污染问题为重点，对污染采取“零容忍”的坚决态度，进一步加大环境执法监督力度，继续保持对违法排污企业的高压态势。开展区域大气环境联合执法检查，加强对重点区域、行业和重点企业的环境执法监管，认真查处和解决群众反映强烈的环境热点、难点和重点问题。开展多种形式的大气污染防治工作宣传教育，引导全社会参与空气污染防治工作，正确发挥媒体的舆论引导和人民群众的监督作用。以上是我们对环保部门提出的一些环境保护总体方面的建议，同时我们还有一些具体的有实践性并且可施行的建议。一、建议黄标车三环内禁行据有关资料显示，由于不能充分燃烧，在行驶不顺畅，不停启动、制动的时候，车辆所排放的污染物是正常行驶所排放污染物质的40倍。“车辆在不同的时速和状态，排放的污染物是不一样的，最合理的时速是70公里，最省油，排放最少。”根据专家的观点，我们建议环保部门要联合市交管部门，进一步加大缓堵保畅措施，提高城市繁华核心区的停车费标准，引导市民尽量减少开汽车出行，提倡公共交通方式出行。另外，要加大对黄标车的查处力度，将二环内禁行黄标车的范围扩大到三环。同时我们建议环保部门推动机动车油改气工程，严格控制燃煤锅炉数量，禁止再建新的燃煤锅炉。二、推行季节性政策应对“先天不足”在第二问的解答中，我们已经发现气候因素是影响西安市空气质量的重要原因，西安本身的地理环境属于峡谷地区，全年1/3时间为静风天气，不利于大气扩散，空气自净能力不足。冬季在城市上空形成逆温层，污染是其他季节一倍以上。因此我们建议环保部门出台季节性政策，对主要污染源采取控制措施。三、建立联防机制在第二问的解答中我们同样发现外来污染物的输入也是西安市空气质量不好的主要原因之一。因此我们建议环保部门以省政府为主导，协调周边城市同防同治，减少周边城市大气对西安的输入性污染。毕竟只解决一座城市并不能解决根本问题，只有整体改善，才能做到真正的改善。四、加强城市绿化植物有过滤各种有毒有害大气污染物和净化空气的功能，树林尤为显著，例如我们学校所在的秦岭山脚下的空气质量就好于西安市中心的空气质量，秦岭覆盖的大片森林是净化空气的重要帮手。因此，加强城市绿化同样能够改善西安市的空气质量，环保部门应当联合林业部门，对此提出相应的政策和措施。五、推行清洁能源众所周知，不仅是我国，乃至全世界都面临着能源危机，传统的不可再生能源消耗量持续增加，所造成的污染也日益增长，因此，推行清洁能源，降低原煤和石油消耗所占的比例乃是当务之急。这不仅对改善环境有着积极作用，同时也能够推动经济的发展。一方面，政府应当加强推行汽车使用清洁能源，减少尾气排放，另一方面，在冬季供暖季节，改造居民采取烧煤取暖的状况，努力扩大天然气、煤气等清洁能源消费量，强化能源节约。综上所述，我市环保部门应当以科学的方法和认真的态度对待环境空气质量的监测和控制，因为这关系到每一位公民的切实利益，同时也是对可持续发展理念的贯彻和落实，符合和顺应我国的基本国策。但我们也同样认为，不只是环保部门，我们每一位公民都有责任和义务保护我们的环境，同时也应当敢于同那些违法犯罪的行为作斗争，坚决揭发那些违法排污的黑心企，而我们自身也积极参与到各种环保活动中，节假日不燃放烟花爆竹，不乱焚烧垃圾，减少开私家车出门的次数，多乘坐公共交通工具或者骑车步行出门，做我们力所能及的事情，为西安市能够拥有一个更加美好的生存环境贡献出自己的一份力量。6 模型的评价与推广一、模型的优缺点1、优点： 本文建立的不论是灰色预测模型还是时间序列模型都有成熟的理论基础，同时广泛运用MATLAB、SPSS等相应的专业软件支持，可信度较高；本文应用空气质量指数为指标，力求用简单的数学结构把抽象的影响力变得可以量化；利用EXCEL、Word办公软件对数据进行处理并作出各种统计图，简便，直观、快捷。2、缺点：在对数据进行预测时，由于灰色预测的绝对误差率较高，遂采用时间序列的预测，但仍然准确度不够高。对数据的处理不精细，难免会产生误差。二、模型的推广本文针对附件提供的数据并结合互联网查询到的相关资料，在API、AQI两个不同标准下对西安市大气环境情况进行综合评价，利用时间序列模型以及多种因素变量统计图模型对西安市空气质量进行评价。可以通过鲜明直观的图表的比对得到变量间大致相关关系以及趋势变化。时序图模型和变量统计图模型的现实意义还在于，为政府部门和商业运营机构制定某些政策提供一定的参考价值。灰色预测模型可用于解决信息不确定下的预测与决策问题，对灰色不确定性预测模型、灰色不确定性决策模型进行深入探讨与拓展研究，进一步完善了灰色系统理论与方法的科学体系、扩展了灰色预测、决策理论与方法的适用范围。灰色系统理论是以“部分信息已知、部分信息未知”的“小样本”、“贫信息”不确定性系统为研究对象，主要通过对“部分”已知信息的生成、开发，提取有价值的信息，实现对系统运行行为、演化规律的正确描述和有效监控。灰色理论具有十分广阔的发展前景。灰色预测模型是现代预测与决策科学的一个重要领域，它在社会、经济、科技各领域中具有广泛的应用。文中应用统计软件建立时间序列ARIMA预测模型对西安市未来7天的AQI进行预测。时间序列预测分析是根据系统观测得到的时间序列数据，通过曲线拟合和参数估计来建立数学模型的理论和方法。它一般采用曲线拟合和参数估计方法（非线性最小二乘法）进行。时间序列预测分析常用在国民经济宏观控制、区域综合发展规划、企业经营管理、市场潜量预测、气象预报、水文报告、地震前兆预报、农作物病虫灾害预报、环境污染控制、生态平衡、天文学和海洋学等方面。7 参考文献及资料来源一、名词解释： PM2.5：/view/4251816.htm?fromId=1423678PM10: /view/941151.htm二、参考文献及模型资料： 1王振龙.时间序列分析M.北京:中国统计出版社,20002卢文岱.SPSSforWindows统计分析M.北京:电子工业出版社,20063陈光亭，裘哲勇.数学建模M.北京:高等教育出版社，20104时间序列分析在大气环境中的应用/view/f83fa61da300a6c30c229f5c.html 5大气污染模型的探析与预测/view/d5a53a0cbb68a98271fefa65.html6图1.来源：西安市环境监测站/7表1.来源：/view/66d7f46a7e21af45b307a896.html8表1.表3.来源：/fuwu/2006-01/20/content_6096035.htm9数学建模：城市空气质量评估及预测(省级优秀奖)/view/dc04bbdd5022aaea998f0fb0.html三、有关建议： 新浪网/greenlife/2012-08-27/111236932.html人民网/n/2013/0426/c74877-21298421.html新浪网/greenlife/2012-08-27/111236932.html8附录一、API及AQI的统计数据： API AQI 时间1221302013-1-187872013-1-259592013-1-31171532013-1-41732622013-1-52833592013-1-62983642013-1-73043642013-1-81652302013-1-92753292013-1-101782422013-1-111932642013-1-123003542013-1-134204262013-1-141481092013-1-151701982013-1-161642142013-1-172483082013-1-184134272013-1-192303342013-1-2079902013-1-211191782013-1-221682732013-1-2378782013-1-241091332013-1-251241682013-1-261602232013-1-271822952013-1-282353452013-1-293544062013-1-302263472013-1-313644212013-2-12463602013-2-21312352013-2-31101832013-2-4981492013-2-51813152013-2-61232022013-2-7991662013-2-81773102013-2-95005002013-2-101672922013-2-111071632013-2-12891222013-2-131001402013-2-1484872013-2-151773062013-2-161702762013-2