资源描述：
《基于灰色理论下的城市空气污染状况研究及成因分析》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、StatisticsandApplication统计学与应用,2018,7(2),154-163PublishedOnlineApril2018inHans.http://www.hanspub.org/journal/sahttps://doi.org/10.12677/sa.2018.72019UrbanAirPollutionResearchandItsCauseAnalysisBasedonGrayTheoryWeiqiangWang,XibinZhangSchoolofMathematicsandStatisticsofCentralChin
2、aNormalUniversity,WuhanHubeistththReceived:Mar.31,2018;accepted:Apr.19,2018;published:Apr.26,2018AbstractInthispaper,agraypredictionGM(1,1)modelandaBPneuralnetworkmodelarerespectivelyusedtopredicttheairqualitystatusofallfirst-tiercitiesandnew-tiercitiesinChina.Fromthebetterpredi
3、ctions,sixcitiesthatcannotmeettheairqualitystandardssetbythe13thFive-YearPlanofChinaby2030.TheyareBeijing,Wuhan,Tianjin,Chongqing,Xi’anandChangsha.Then,theairqualitystatusandairpollutantsoftheabovesixcitieswereanalyzedbygrayrelationalanaly-sis.Therefore,weidentifythemainairpollu
4、tantsineachcity.Finally,themainpollutantsarein-tegratedusingprincipalcomponentanalysisandmultiplelinearregressiontofindoutthemaincausesofthemajorpollutantsineachcityandprovideanimportantreferencefortheenviron-mentalgovernanceineachcity.KeywordsGrayForecast,BPNeuralNetwork,GrayRe
5、lationalDegree,PrincipalComponentAnalysis,MultipleLinearRegression基于灰色理论下的城市空气污染状况研究及成因分析王维强，张席斌华中师范大学数学与统计学学院，湖北武汉收稿日期：2018年3月31日；录用日期：2018年4月19日；发布日期：2018年4月26日摘要本文先分别运用灰色预测GM(1,1)模型和BP神经网络模型分别对我国所有一线城市和新一线城市的空气文章引用:王维强,张席斌.基于灰色理论下的城市空气污染状况研究及成因分析[J].统计学与应用,2018,7(2):154-163.D
6、OI:10.12677/sa.2018.72019王维强，张席斌质量状况进行了一个预测，并对比预测结果，从更优的预测结果中挑出了到2030年不能达到我国十三五计划规定的空气质量标准的六座城市——北京，武汉，天津，重庆，西安，长沙。接着对上述六座城市的空气质量状况与各空气污染物进行了灰色关联度分析，找出了各城市的主要空气污染物。针对每个城市的主要污染物综合运用了主成分分析和多元线性回归等方法找出了各城市主要污染物的主要成因，对各城市的环境治理提供了重要的参考。关键词灰色预测，BP神经网络，灰色关联度，主成分分析，多元线性回归Copyright©2018b
7、yauthorsandHansPublishersInc.ThisworkislicensedundertheCreativeCommonsAttributionInternationalLicense(CCBY).http://creativecommons.org/licenses/by/4.0/OpenAccess1.引言“十一五”期间，我国环境保护取得了令人可喜的成绩，特别是空气污染物这项指标超额完成规划目标。但是我国环境形势任然很严峻，根据耶鲁大学公布的全球环境绩效指数(EPI)报告显示，中国GDP总量从2006年的第四名上升到目前第二名并稳
8、居第二名，然而环境绩效指数却从2006年的第94名(参评133个国家)下降到2016年的倒数第
