论文：西安空气状况分析2

西安市环境空气质量问题西安市环境空气质量问题 摘摘 要要 随着我国经济社会的发展 空气质量评价及污染治理等问题愈发突出 本 文以西安空气质量为例 分别就空气质量的分析 影响因素 短期预测和监控 等方面进行探讨 首先 分别使用空气污染指数 API 和环境空气质量指数 AQI 对西安市 的空气状况进行整体评价 将新旧两种标准的评价结果进行对比可以看出新标 准更科学 建立模糊综合分析模型 根据最大隶属度原则 分析新旧标准下西 安市空气污染状况 发现污染状况挺严重 但有改善趋势 具体数据见附录表 一 其次 分析影响西安市空气质量的原因 建立以西安市空气质量为目标层 以 PM2 5 PM10 S02 NO2 为准则层 以机动车数量 城市绿化率 工业产 值 煤耗量占总能耗比重为方案层的层次分析模型 并用灰色关联分析法确定 方案层各因素与准则层各因素的灰色关联度 由此根据 1 9 比较尺度构造出判 断矩阵 经过分析得出 影响西安市空气质量能力由大到小的因素分别为机动 车数量 工业产值 煤耗量占总能耗比例 天气 绿化覆盖率 接着 对西安市未来一周空气质量进行预测 考虑到天气因素近期可能出现 的大的变化 从而对空气质量产生影响 故本文建立时间序列模型 在 SPSS 中运用指数平滑法进行预测 得出未来一周均为轻度污染 此外 本文简单建 立 BP 神经网络模型进行预测 与时间序列模型的预测效果进行对比 以说明 在此预测问题上所建立的时间序列模型的优越性 最后 根据前几问的分析 本文就合理布置监测点 改善能源结构 控制 机动车数量 改善工业经济结构 增加绿化覆盖率几个方面给环保部门提出建 议 关键词 空气质量关键词 空气质量 模糊综合分析模糊综合分析 层次分析层次分析 时间序列时间序列 一一 问问题题的的重重述述 1 1 空气环境问题的背景空气环境问题的背景 空气质量问题越来越受到人们的广泛关注 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 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 10 m 以及细颗粒物 PM2 5 粒子直径小于等于 2 5 m 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 1 2 问题的提出问题的提出 附件中给出了西安市 13 个监测点从 2010 年 1 月 1 日至 2013 年 4 月 28 日 污染物浓度监测数据 请利用附件数据 回答以下问题 问题一问题一 请分别使用使用空气污染指数 API 旧标准 和环境空气质量数 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 问题二问题二 分析影响西安市空气质量的原因 问题三问题三 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 问题四问题四 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 2 问问题题的的分分析析 在问题重述的基础上 本文在这一部分尝试分析各个问题的具体要求 求 解的难点和解决问题的可能入手点 2 1 问题一的分析问题一的分析 空气污染指数 API 是将常规监测的几种空气污染物浓度简化成为单一 的概念性指数值形式 并分级表征空气污染程度和空气质量状况 颁布的新标 准中增加污染物监测项目 加严部分污染物限值 提出环境空气质量指数 AQI 的概念 本题就是要求利用西安市 13 个监测点从 2010 年 1 月 1 日至 2013 年 4 月 28 日污染物浓度监测数据 分别利用两种标准 对西安市空气质量进行评价 并对评价结果进行对比 分析 首先 我们可以根据附录提供的全市平均以及各区各污染物的数据 求出 全市和各地区的空气污染指数和空气质量指数 进而得到相应的指数级别 从 而报告空气质量 并对市民的日常生活提供可行性建议 其次 通过分析全市各地区的的 AQI 和 API 随时间的变化趋势 不同地区 同一种污染物的污染指数变化趋势 以及各区同种污染物的比较等 经过纵向 和横向的比较 可以对城市及地区的空气质量有较为全面的掌握 另外 我们也要考虑到 不同类别的地区有自己固有的情况 工业区和园 林景点区的情况显然不同 因此地区的分类比较也是分析时需要考虑的因素 2 2问题二的分析问题二的分析 空气质量影响着人口健康和城市发展 分析其影响因素有利于明确城市未 来努力的方向 首先 通过 AQI 的计算可以发现 直接影响空气质量的污染气体主要有 PM2 5 PM10 SO2 NO2 等 而污染气体的浓度又受很多间接因素的影响 主要包括社会 经济 生态等方面 我们既需要知道不同因素对空气质量影响 的程度比较 也想得到不同因素对空气质量影响的具体权重值 因为要综合运 用定性和定量分析 我们考虑采用层次分析法 Analytic Hierarcy Process 简称 AHP 把空气质量作为目标层 几种污染物作为准则层 考虑的一些社会 经 济 生态等因素作为决策层 这就初步建立了一个比较清晰的层次分析的结构 模型 其次 由问题一我们可以得到几个污染物对于空气质量影响强度的相互比 较关系 根据层次分析法原理 我们还需要得到决策层对方案层影响强度的相 互比较 灰色系统理论中的关联分析法是一种因素比较分析法 是以数据间差 值大小作为关联程度的衡量尺度 通过求解关联度来确定各指标对目标值的影 响度 所以 可以采用灰色关联法求出决策层对准则层的相关度 这里我们需要解决的问题是确定决策层的具体内容 同时还需要查找相关 数据进行处理 接下来就可以利用判断矩阵计算各因素对 AQI 的权重 经过一 系列求解和一致性检验之后就可以得出决策层各因素对目标层 AQI 的影响能力 的排序并作简要分析 2 3 问题三的分析问题三的分析 对未来一周西安市空气质量状况进行预测 这是一个短期预测问题 一方 面 根据对问题二的求解分析知 机动车数量 工业产值 天气 煤耗量占总 能耗比例 绿化覆盖率等是影响空气质量的主要原因 在这些因素中 机动车 数量 工业产值 煤耗量占总能耗比例 绿化覆盖率在短期内不会发生大的改 变 但天气因素在短期内会发生较大的改变 考虑到天气作为一个偶然因素所 产生的随机性 为了消除随机波动的影响 我们建立时间序列模型 考虑到在 数据统计分析中 SPSS 中的优势 我们在 SPSS 中运用指数平滑法进行求解预测 另一方面 为了突出在此预测问题中所建立的时间序列模型的优越性 我 们还简单地建立 BP 网络模型 选取一定已知数据进行检验 明显可以看出时 间序列预测误差小很多 3 模模型型的的假假设设 1 根据西安市环境监测站官网数据 附录五所给数据为 IAQI 值 2 微风或无持续风向3 级时对空气质量影响可忽略 3 温度变化不会引起逆温差 从而不会对空气质量产生影响 4 西安市未来一周内无极端天气出现 5 除附录五外 附录所给数据真实可靠 四四 符符号号说说明明 符号说 明 AQI 空气质量指数 API空气污染指数 IAQI 空气质量分指数 IAPI 空气污染分指数 注 其它符号将在下文中给出具体说明注 其它符号将在下文中给出具体说明 五五 模模型型的的建建立立及及求求解解 5 1 问问题题一一 5 1 15 1 1 根据根据 API 和和 AQI 评判空气质量评判空气质量 1 计算 计算 API 和和 AQI 根据所给附件可知西安市各污染物每天的污染指数分指数和空气质量分指 数 以下分别用 IAPI 和 IAQI 表示 利用公式 1 2 123 max m APIIAPI IAPIIAPIIAPI 1 123 max n AQIIAQI IAQIIAQIIAQI 2 易得西安市每天的 API 和 AQI 因为 2013 年的数据记录比较完整 所以 采用的数据属于 2013 1 1 至 2013 4 28 这个时间段 数据见表一 表 西安市 API AQI 比较 时间 首要污染 物 AQI 值 空气 质量 指数 级别 空气污染 程度 首要 污染 物 API 值 空气 污染 指数 级别 空气污染 程度 4月28日 PM2 5162 4 中度污染 PM10 1554 轻度污染 4月27日 O3 8h 139 3 轻度污染 PM10 1203 轻微污染 4月26日 PM10132 3 轻度污染 PM10 1323 轻微污染 4月25日 PM10141 3 轻度污染 PM10 1413 轻微污染 4月24日 PM2 5145 3 轻度污染 PM10 1413 轻微污染 4月23日 PM2 5145 3 轻度污染 PM10 1203 轻微污染 4月22日 PM2 5182 4 中度污染 PM10 1283 轻微污染 4月21日 PM2 5148 3 轻度污染 PM10 1013 轻微污染 4月20日 PM2 592 2 良 PM10 722 良 表一中给出了根据 API 和 AQI 公式计算出的西安市每日的首要污染物 指 数值 指数级别以及空气状况 2013 年的详细数据见附录表一 2 根据根据 APIAPI 和和 AQIAQI 对空气质量进行评判对空气质量进行评判 根据 4 月份的 API 数值可以做出 API 的变化趋势 051015202530 60 80 100 120 140 160 180 200 220 240 260 一 一 一 一 一 API一 一 一 一 API一 一 一 一 一 图图 图二图二 从图一可以看出 API 的变化没有明显的规律性 但是整体的空气污染指数 值较大 从图二中可以看到 西安市 2013 年第一季度空气质量不容乐观 空气 质量最好的情况是良 且一个季度只有 20 天 说明空气很好的时候很少 空气 情况主要是轻度污染和轻微污染 但是污染很严重的情况有 26 天 4 月 AQI 的变化趋势与 API 的接近 如下图三 图图 另外 根据题目所给数据可以求得西安市 13 个观测点所在区每天的 AQI 和环境空气质量等级 取 2013 年中第一 二等级的天数所占总天数的比例作为 比较的参考量 可以大致得到 13 个区 2013 年的空气质量状况 图图 从图中可以看出 曲江文化集团的二级及以上的天数占总天数的比例最大 说明该区的空气质量相对较好 其次是纺织城和临潼区 空气状况不佳的是高 新西区和高压开关厂 这里需要指出的是 环境空气质量功能区在旧标准中分为三类 在新标准 中分为两类 但总得来说 分析一个地区的空气质量 必须考虑该区的特点 比如 曲江文化集团位处风景区 临潼区主要是住宅区和旅游区 属于一类区 而高新西区有工厂等 高压开关厂会排放污染气体 属于三类区 5 1 2 评价结果和两种标准的比较评价结果和两种标准的比较 新标准修订的主要内容是 A 调整了环境空气功能区分类 将三类区并入二类区 B 增设 PM2 5 和臭氧 8 小时的浓度限值 C 增设了 PM10 二氧化氮 铅等的浓度限值 D 调整了数据统计的有效性规定 而且 新标准对空气状况的分类由旧标准的 7 个减少为 6 个 通过 5 1 3 和 5 1 4 的分析可以看到 新标准的归类方法更容易得到长期的空气质量总体情 况 旧标准将标准细化 比较适合短期的空气质量评估 051015202530 60 80 100 120 140 160 180 200 220 240 260 一 一 一 一 一 API一 一 AQI一 一 一 一 一 API一 AQI一 一 一 一 一 API一 一 一 一 AQI一 一 一 一 图图 图五中 虚线表示 API 走向 实线表示 AQI 走向 从该图可以很直观的看 出 两种标准的判断结果大体是一致的 这也是修改标准时必须要满足的 但 是 AQI 比 API 的值略大 比如第 25 天左右 说明当根据 API 预测空气污染指 数时 有可能出现预测空气为 良 而真实情况是 污染 西安市生活中这种 情况也时有发生 因此采用旧标准对空气状况进行评估 出现的误差较大 并 不能很好的指导市民的日常生活 而相比之下 AQI 的值可以更接近真实的空 气质量状况 因此 新标准的发布和实施是符合民意服务大众的 5 1 3 5 1 3 模糊综合分析法模糊综合分析法 环境质量是一个庞大且模糊多变的体系 存在着大量不确定性因素 具有 明显的模糊性 难以定量 模糊数学法能有效地解决评价边界模糊和监测误差 对评价结果的影响 能较客观地反映区域环境质量状况 将模糊综合评判法应 用于西安市区空气质量评价 目的是通过评价确定西安市区空气质量现状 为 区域环境治理提供依据 评价方法原理评价方法原理 具体评价方法原理见参考资料 西安市空气质量模糊综合评判西安市空气质量模糊综合评判 1 评价因子的选择评价因子的选择 根据西安市的结构特点及工业布局 选择 PM10 PM2 5SO2 NO2 作为 区域大气质量评价因子集 U 根据环境保护部发布的 环境空气质量指数技术 规定 试行版 中的公式 易得 2011 2012 2013 的空气质量监测值 HiLo ppLoLo HiLo IAQIIAQI IAQICBPIAQI BPBP 3 注 注 污染物项目 P 的空气质量分指数 p IAQI 污染物项目 P 的质量浓度值 p C 与相近的污染物浓度限值的高位值 Hi BP p C 与相近的污染物浓度限值的高位值 Lo BP p C 与相对应的空气质量分指数 Hi IAQI Hi BP 与相对应的空气质量分指数 Lo IAQI Lo BP 所得数据如下表所示 表表 西安市大气环境数据西安市大气环境数据 单位 单位 3 g cm 年份PM10SO2NO2PM2 5 2010126 143 646 1 2011118 042 041 5 2012118 440 242 8 2013267 60571 08469 079154 768 注 西安市环境监测局于 2013 年正式向公众发布 PM2 5 的数值 因此 PM2 5 只有 2013 年的数据 2 评价标准及等级的确定评价标准及等级的确定 空气质量评价等级限值见下表 这里需要说明的是 2013 年的数据按照新标准 确定等级 2 个等级 2012 及之前历年数据按照旧标准确定等级 3 个 表表 新标准确定的等级新标准确定的等级 评价因子一级二级 PM10 50150 PM2 5 3575 SO2 50150 NO2 8080 表表 旧标准确定的等级旧标准确定的等级 3 隶属函数的确定及各因子隶属度计算 隶属函数的确定及各因子隶属度计算 隶属度的计算是模糊综合评判法的重要部分 本文对 2 个级别建立隶属函 数如下 当 j 1 时 其隶属函数为公式四 当 j 2 时 其隶属函数为公式五 1 2 12 21 2 1 0 ii ii ijiii ii ii CC CC RCCC CC CC 4 评价因子一级二级 三级 PM1050 150 250 SO250 150250 NO280 80120 1 1 1 1 0 1 iim iim ijimiim imim im CC CC RCCC CC CC 5 表表 各因子隶属度及权重 各因子隶属度及权重 20132013 年份一级二级 权重归一化权重 PM100110 2941 PM2 50 110 2941 NO2100 690 2029 2013 SO20 790 210 710 2088 表六各因子隶属度及权重 表六各因子隶属度及权重 2010 20122010 2012 年份一级二级 三级 权重归一化权重 PM1000 6320 36810 4445 SO20 50 500 44670 1986 2012 NO200 930 070 77860 3569 PM1000 640 3610 4454 SO20 450 5500 46670 2079 2011 NO200 96250 03750 77860 3468 PM1000 47800 522010 4527 SO20 410 5900 48440 20622010 NO200 84750 15250 86490 3682 4 各因子权重的确定 各因子权重的确定 各因子权重的计算可通过如下公式 i i i c a s 6 若求得 则按处理 式中为多级浓度标准值的平均值 为1 i a 1 i a i s i c 第 i 种因子实测值 各因子权重及归一化处理结果见表格五 5 模糊综合评价 模糊综合评价 由表格五可得到评价矩阵 R 和权重集 按照下式计算可得结果 A A AA 11121 2 12 12 n n n mmmn rrr rrr BA Ra aa rrr 7 计算结果如下所示 2010 2011 2012 2013 0 08450 63720 2784 0 09360 73320 1733 0 10310 71460 1824 0 36790 6320 B B B B 6 总评 总评 根据最大隶属度原则 总体上西安市空气状况一般 评价结果表明 2010 2013 年间西安市空气质量等级 旧标准 最大隶属度均处于第二级 且前三年 的第三极隶属度均大于第一级 即空气质量更倾向于第三极 说明空气质量偏 向于污染 但是我们可以看到 第一级的隶属度逐年增加 说明西安市的空气 质量在有所好转 政府正在采取措施并且已显成效 5 2 问题二问题二 5 2 1 灰色关联分析灰色关联分析 关联度是事务之间 因素之间关联性的量度 在系统发展过程中 若两个 因素变化的趋势具有一致性 即可谓二者关联程度较高 反之关联度较低 所谓灰色关联分析 就是系统的因素分析 是对一个系统发展变化态势的 定量比较和反映 因此 灰色关联分析方法 是根据因素之间发展趋势的相似 或相异程度 亦即 灰色关联度 作为衡量因素间关联程度的一种方法 确定分析序列确定分析序列 本文的目标序列为 比较序列为 0 X 00000 1234XXXXX 层次分析结构图中决策层的各项影响因素 记做 i X 12345 i XXXXXX 目标序列有 SO2 NO2 PM10 PM2 5 比较序列有 工业产值 天气 机动车数量 煤耗量占总能耗比例 绿化 覆盖率 由于系统中各因素的量纲不同 为方便比较 对以上原始数据进行预处理 使其消除量纲和具有可比性 求关联系数和关联度求关联系数和关联度 关联度表征两个事物之间的关联程度 在数学上是指两函数相似的程度 上文已经定义了和 令 由公式八可得关联系数 0 X i X oioi kXkX k 其中称为分辨系数 0 1 常取 0 5 实数 称为 Xi关于 X0的关联度 关联度的计算式如公式四 0i r XX minmin maxmax maxmax oioioioioi ikikik r X k X kkkkk 8 1 1 n oioi k r XXr XkX k n 9 表格表格 关联度总分析关联度总分析 工业产值天气机动车数量 煤耗量占总 能耗比值 绿化覆盖率 PM100 8970 9710 9820 9440 963 SO20 9070 8980 9350 9550 853 NO20 9130 9020 9770 9590 894 备注备注 经查 西安市环境监控局于 2013 年正式向公众发布每日 PM2 5 的浓度 值 所以 PM2 5 的资料不足 鉴于此 我们直接借鉴已有的结果作为 PM2 5 的 相关度 5 2 2 建立递阶层次结构模型建立递阶层次结构模型 利用层次分析法解决实际问题 首先要明确要分析的问题 建立递阶层次结构 通过对问题二的分析 我们可以建立如下层次结构 工业产值 C1 绿化覆盖 率C5 空气质量 PM10PM2 5SO2 天气C2 机动车数 量C3 煤耗量占总 能耗比例C4 NO2 图图 5 2 3 构造判断矩阵构造判断矩阵 首先定义最上一层为目标层 中间一层为准则层 最下层为方案层 为了 比较不同的因子对某一个因素的影响 可以采取对因子进行两两比较建立成对 比较矩阵的办法 即每次取两个因子 和 以表示和对 Z 的影响大小之 ij a i x j x 比 全部比较结果用矩阵表示 称 A 为 Z X 之间的成对比较判 ijn n Aa 断矩阵 简称判断矩 阵 容易看出 若与对 Z 的影响之比为 则 i x j x ij a 与对 Z 的影响之比应为 j x i x 1 ji ij a a 接下来就要判断的具体数值 一般选择用数字 1 9 及其倒数作为标度 ij a 具体参照附录执行操作 另外需要指出的是 一般做次两两比较是必要 1 2 n n 的 具体理由这里就不再赘述 5 2 4 层次单排序及一致性检验层次单排序及一致性检验 判断矩阵 A 对应于最大特征值的特征向量 W 经归一化后即为同一 max 层次相应因素对于上一层次某因素相对重要性的排序权值 这一过程称为 层次单排序 具体做法如下 为方便表示 我们再对一些符号进行约定 如下所示 A 空气质量 B1 B2 B3 B4 C1 C2 C3 C4 C5 PM10 SO2 NO2 PM2 5 工业产值 天气 机动车数量 煤耗量占总能耗比例 绿化覆盖率 求解结果见下表 表表 准则层的判断矩阵准则层的判断矩阵 AB1B2B3B4 B1 B2 B3 B4 1 1 7 1 6 2 7 1 2 8 6 1 2 1 7 1 2 1 8 1 7 1 C I 0 0253 C R 0 0284 同理可得方案层的的判断矩阵 表表 C1 的判断矩阵的判断矩阵 C1B1B2B3B4 B1 B2 B3 B4 1 2 4 5 1 2 1 1 3 1 2 1 4 3 1 4 1 5 2 1 4 1 C1 C I 0 0629 C R 0 0560 表表 C2 的判断矩阵的判断矩阵 C2B1B2B3B4 B1 B2 B3 B4 1 1 3 1 2 4 3 1 2 1 3 2 1 2 1 2 1 4 3 1 2 1 C2 C I 0 0820 C R 0 0730 表表 C3 的判断矩阵的判断矩阵 C3B1B2B3B4 B1 B2 B3 B4 1 3 1 2 5 1 3 1 2 1 2 2 1 2 1 1 3 1 5 2 3 1 C3 C I 0 0528 C R 0 0470 表表 C4 的判断矩阵的判断矩阵 C4B1B2B3B4 B1 B2 B3 B4 1 1 3 1 2 1 3 1 2 1 3 2 1 2 1 2 1 3 1 2 1 C4 C I 0 0569 C R 0 053 表表 C5 的判断矩阵的判断矩阵 C5B1B2B3B4 B1 B2 B3 B4 1 4 1 3 1 2 1 4 1 2 1 3 1 2 1 1 3 2 1 3 1 C5 C I 0 0910 C R 0 081 但是判断矩阵通常的是不一致的 但是为了能用它的对应于最大特征根的特 征向量作为被比较因素权向量 其不一致程度应在容许的范围内 这就需要 对一致性进行判断 对判断矩阵的一致性检验步骤如下 i 计算一致性指标 C I max 1 n C I n 10 ii RI 的值是这样得到的 用随机方法构造 500 个样本矩阵 随机地从 1 9 及其倒数中抽取数字构造正互反矩阵 求得最大特征根的平均值 max 定义 max 1 R I n n 为随机一致性指标 11 iii 计算一致性比例 C I C R R I 12 当 CR 0 10 时 认为判断矩阵的一致性是可以接受的 否则应对判断矩阵作 适当修正 知道其满足一致性检验 本小题给出的数据都经过了一致性检验且都 满足要求 详见上表 5 2 5 层次总排序及一致性检验层次总排序及一致性检验 层次总排序需要计算出决策层的因素对目标层的总权重 前面的分析求解 我们已经得到决策层元素对准则层各元素的权重 以及准则层元素对目标 层的权重 总权重是分权重与对应的合成 见下表 表表 C 层总排序权值层总排序权值 层 C 层 B B1 b1 B2 b2 B3 b3 B4 b4 C 层总排 序权值 C1 C2 C3 C4 C5 c11 c21 c31 c41 c51 c12 c22 c32 c42 c52 c13 c23 c33 c43 c53 c14 c24 c34 c44 c54 c1 c1 c3 c4 c5 其中 B 和 C 分别表示准则层和决策层 具体含义已经说明 b1 b4 表示 B 对于目标 A 的层次总排序 Cij 表示 Ci 元素对 Bj 的单排序权值 这些在上一 步计算所得的表格中可以快速读出 根据公式八可得 C 层总排序权值如下表所 示 4 1 1 2 5 iijj j cc bi 13 表十五表十五 层次总排序层次总排序 对层次总排序也要进行一致性检验 方法步骤同上 根据图表三可以看出 C3 机动车数量 对空气质量的权值最大 即对空 气质量的影响能力最强 其次是 C1 工业产值 C4 煤耗量占总能耗比例 C2 天气 最后是 C5 绿化覆盖率 这是符合实际生活现状的 西安市车管所机动车业务工作量统计表显示 2009 年 12 月份西安市新增汽车 20432 辆 与 2009 年 11 月份挂牌量 15518 辆 相比 增加了 4914 辆 环比增长 31 67 随着机动车数量的爆炸式增加 排 放出的污染物相应增多 对空气质量的影响能力也就增大 甚至超过工业产值 对空气质量的影响 成为影响空气环境的首要因素 当然 工业产值对空气的 影响也是显而易见的 5 3 问题三问题三 5 3 1 建立时间序列模型 建立时间序列模型 时间序列 设时间序列为 y1 y2 yt 为加权系数 一次指 01 数平滑公式为 1 1 1 1 1 111 SySSyS tttttt 14 公式 14 是由移动平均公式改进而来的 移动平均数的递推公式为 准则 PM2 5PM10SO2NO2 准则层权值 0 8271 0 5439 0 0782 0 1187 总排序权值 0 1163 0 0920 0 1752 0 4357 0 2116 0 0773 0 1104 0 2433 0 2210 0 1692 0 2077 0 1350 0 1387 0 1056 0 2686 0 1003 0 1239 0 2027 0 2148 0 1917 决策层单排序权值 C1 C2 C3 C4 C5 0 0270 0 1301 0 3201 0 3437 0 1589 1 1 1 1 1 tt tt yM MM N 15 以作为的最佳估计 令 以 展开式子即得 1 1t M 1 N 1 1tt SM 代替 1 1 2 0 1 1 t j ttjt j SySy 16 上式表明是全部历史数据的加权平均 加权系数分别为 1 1 t S 由于加权系数符合指数规律 就是一次指数平滑法 预测模型为 2 1 1 1 1 tttt ySyy 17 调用 matlab 程序可得 2013 年 1 月至 4 月的 PM10 PM2 5 SO2 NO2 的 IAQI 值并给出预测值 求 MAX IAQI 便可得出 AQI 值 结果见表十六 AQI 对比图形见图六 具体的 PM10 PM2 5 SO2 NO2 的 IAQI 值和预测 值见附录图示 表十六表十六 AQI 预测值预测值 SO2NO2PM10COO3 8小时 PM2 5 43025 3525 35117 1734 4363 4483 35 轻度污染 50124 824 8116 4934 0763 8781 85 轻度污染 50224 2524 25115 8133 764 3180 34 轻度污染 50323 723 7115 1433 3464 7578 83 轻度污染 50423 1523 15114 4632 9765 1977 33 轻度污染 50522 622 6113 7832 6165 6375 82 轻度污染 50622 0522 05113 132 2466 0674 32 轻度污染 020406080100120140 50 100 150 200 250 300 350 400 450 500 一 一 一 一 一 一 一 一 一 一 AQI一 2013一 1一 4一 一 AQI一 一 一 AQI一 一 一 AQI一 图六图六 由图六可以看出实际 AQI 值与预测 AQI 值吻合程度还是比较高的 5 3 2 建立建立 BP 网络模型 网络模型 神经网络结构基本结构如下 调用 matlab 神经网络工具箱得到神经网络训练结果图 05101520253035 0 100 200 300 400 500 600 700 一 一 一 一 一 一 一 一 一 一 一 一 一 一 一 一 一 一 一 一 一 一 一 一 一 一 一 一 一 一 一 一 一 一 图七图七 5 3 3 对比分析 对比分析 将图六与图七进行对比 很容易看出在该预测模型中时间序列模型对模型 参数有动态确定的能力 精度较好 实际上 采用组合的时间序列或者把时间 序列和其它模型组合效果更好 5 4 问题四问题四 对问题二的数据进行分析 并查阅相关资料 我们给出对空气质量监测与 控制的几点建议 改善能源结构 实现节能减排和经济效益双赢 我国是能源消耗大国 能源结构极不平衡 而且我国的能源消费绝大部分集中 在煤炭这一种能源上 这种能源消费结构必然带来 CO2 SO2 CO 等气体的大 量排放 因此 应该尽快提升天然气 电以及新能源在能耗结构中的比重 大 力发展科技 研发并推广新能源产品 以期减少煤的使用 短期内 提高电能 在能耗结构中比重和能效是调整能源结构的最有效手段 有助于推进全社会的 节能减排 也有利于减少经济发展对煤的依赖 控制机动车数量增长过快 大力发展公交事业 近年来机动车数量成 爆棚 式增长 排放的尾气也随之越来越多 所以应该 采取措施对其进行控制 一方面 可以通过提高市区停车收费 单双号车牌限 等政策减小市民对机动车的使用率 另一方面 进一步推进公共交通事业 完 善城市公交 地铁 出租等系统 大力宣传节能减排 改善工业经济结构 加强工业污染的防治 一方面 以循环经济模式发展工业经济 另一方面 对工业区进行整体规划 引进高新技术 加强工厂对污染物的处理 净化能力 增加城市绿化覆盖率 保护现有绿地 植树造林 比如 可以在市区中建筑用地过多的地方增设公园 和人工湖 这样既可以净化市区空气污染 提高空气湿度 也为市民的娱乐休 闲提供场所 另外 可以开展 万人植树 活动 让更多的人参与到环保事业 当中 更让市民了解到环保要靠大家的力量 空气质量监测的建议 空气质量监测的采样点 环境空气监测中的采样点 采样环境 采样高度及采 样频率的要求 按 环境监测技术规范 大气部分 执行 为了提高空气质 量检测的精度 可以对污染物小时值 日均值等的超标时段实施重点管理 实 现空气质量的 日 管理 同时 还可以在满足要求的基础上增设采样点 引 进先进的监测设备 六 模型的评价六 模型的评价 优点优点 1 问题一 AQI 值求解科学 模糊综合分析对评价结果进行客观分析 2 问题二中建立层次分析法客观体现出各因素对空气质量的影响程度 3 问题三中简单地将时间序列模型和 BP 网络模型做比较 模型正确性更具 说服力 缺点缺点 1 本文问题二所建立的时间序列模型不能反映事物的内在联系 不能分析两个 因素的相关关系 只适用于短期预测 2 未将对空气质量有影响的因素全部考虑在内 七 模型的改进与推广七 模型的改进与推广 1 该模型不仅适用于对空气质量的评价 还可应用于其它方面的评价 2 在问题二应用灰色关联分析确定关联度时 由于西安市仅仅从 2013 年一月开 始测量 PM2 5 值 样本相对较少 可延长时间 增加模型精准度 3 可给出湿度 西安地貌等数据 增加生态情况对空气质量的影响程度 八 参考文献八 参考文献 1 王作元 空气质量准则 M 北京 人民卫生出版社 2003 27 35 2 张国勋 陈超 气象因素对杭州城市空气质量的影响 B 杭州市环境监测中 2003 2013 04 31 3 张戈 于大涛 大连市区空气质量模糊综合评判 J 环境保护与循环经济 2007 6 4 8 4 王钰 改进 BP 神经网络的预测模型及应用 B 计算机测量与控制 2005 1 17 25 附附录录 表一表一 2013 年年 1 月至月至 4 月空气质量统计表月空气质量统计表 时间首要污染物API值 空气污染指数级别空气污染程度 4月28日PM101554轻度污染 4月27日PM101203轻微污染 4月26日PM101323轻微污染 4月25日PM101413轻微污染 4月24日PM101413轻微污染 4月23日PM101203轻微污染 4月22日PM101283轻微污染 4月21日PM101013轻微污染 4月20日PM10722良 4月19日PM10842良 4月18日PM102435中度污染 4月17日PM101584轻度污染 4月16日PM10982良 4月15日PM101053轻微污染 4月14日PM10932良 4月13日PM10952良 4月12日PM10982良 4月11日PM101093轻微污染 4月10日PM10982良 4月9日PM10892良 4月8日PM101493轻微污染 4月7日PM101153轻微污染 4月6日PM10992良 4月5日PM101093轻微污染 4月4日PM101383轻微污染 4月3日PM101393轻微污染 4月2日PM101363轻微污染 4月1日PM101844轻度污染 时间首要污染物AQI值空气质量指数级别 空气污染程度 3月31日PM2 52255中度污染 3月30日PM2 52125中度污染 3月29日PM2 51894中度污染 3月28日PM101453轻度污染 3月27日PM101393轻度污染 3月26日PM2 51243轻度污染 3月25日PM2 51333轻度污染 3月24日PM101644中度污染 3月23日PM2 51964中度污染 3月22日PM2 51524中度污染 3月21日PM2 51594中度污染 3月20日PM101594中度污染 3月19日PM101804中度污染 3月18日PM101584中度污染 3月17日PM2 51493轻度污染 3月16日PM2 52525中度污染 3月15日PM2 52185中度污染 3月14日PM2 51564中度污染 3月13日PM105006严重污染 3月12日PM105006严重污染 3月11日PM101223轻度污染 3月10日PM104386严重污染 3月9日PM105006严重污染 3月8日PM101534中度污染 3月7日PM101954中度污染 3月6日PM102305中度污染 3月5日PM2 52125中度污染 3月4日PM101704中度污染 3月3日PM101704中度污染 3月2日PM101614中度污染 3月1日PM101503轻度污染 2月28日PM